最近在和很多企业深度对话中,如果想达到目标,我们深刻发现 DRI(Directly Responsible Individual) 直接责任人,这个角色的重要性,该角色最终对项目成功或失败负责的那一个人。他们是状态更新、决策制定和克服阻碍的核心成员。 这个概念起源并在科技界获得了突出地位,特别是在史蒂夫·乔布斯领导下的苹果公司,它成为了他们组织结构的基本组成部分。正如《福布斯》所述:"在苹果,对于谁负责什么从来不会有任何混淆。内部苹果用语甚至有一个专门的名称,即'DRI',或直接责任人" DRI最终对项目的成功(或失败)负责 ○ 无论团队规模或复杂性如何,他们都拥有最终结果 ○ 当事情陷入困境时,他们负责推动进展 ○ 当事情陷入困境时,他们负责推动进展供答案 DRI角色的一个关键方面是决策制定权力。 DRI不必解释他们为什么做出决定,他们绝对不必说服其他人。这赋予他们权力来: ○ 对项目方向做出最终决定 ○ 打破分析瘫痪 ○ 在不需要过度共识建设的情况下推进倡议 有效的DRI应该具备这些8个关键特征 : ○ 注重细节 - 同时不失去战略视角 ○ 在压力下保持冷静 - 在实施和截止日期期间 ○ 强大的倾听技能 - 具有出色的提问能力 ○ 适应性强 - 能够巧妙地调整项目方向朝着目标 ○ 主动性 - 善于预见和早期解决问题 ○ 多才多艺的沟通者 - 能够在所有组织层级有效互动 ○ 有韧性 - 能够从挫折中恢复 ○ 一致性 - 对类似情况的响应可靠 写在最后,这也是困局,很多人和我说的很直接,想干,但是不能干,本来应该是「砖」最后变成了「枪」这也是现状!
Barret李靖
3个月前
Agent 有两个变量,一个是控制任务走向的 workflow 工作流,一个是控制内容生成的 context 上下文。 1)如果 workflow 和 context 的确定性都很高,这类任务就容易被自动化,类似传统 RPA,比如在处理发票处理、表单填报任务时,AI 更多是粘合剂,发挥空间比较有限。 2)如果 workflow 确定但 context 不确定,也就是流程固定但输入多变,就需要 Agent 在语义和理解上补全,比如客服问答、合同解析,需要通过外部检索、知识图谱等工具来弥补信息的缺口,让推理结果更符合预期。 3)如果 workflow 不确定但 context 确定,也就是输入清晰但走法多样,Agent 就要去自主规划路径,例如市场分析报告生成、个性化推荐等,大多数 End-to-End RL Agent 都擅长做这类任务,因为它们在训练阶段就习得了大量的路径规划和解题思路。 4)而当 workflow 和 context 都不确定时,就是最复杂的场景了,既要推理也要探索,像创新方案设计、跨部门信息收集等,这类更偏向于通用型 Agent,它的执行效果,取决于给它配备的工具丰富度,尤其是编程能力要最大化开放,例如让它学会去 Github 找仓库克隆并修改代码来解决问题,让它像人一样干活儿。 所以,要把 Agent 做好,首先要明确场景。本质上,自动化解决的是“确定性”问题,而智能化解决的是“不确定性”问题。