Transcription
非常感谢大家今天能来。嗯，我非常兴奋。嗯，当我走出来的时候，我的儿子，我四岁的儿子，抱着我八个月大的孩子，他说：“妈妈，我太爱他了，我想抱抱他，然后把他头拧下来。” 我当时想：“哇，这真是太有活力了。” 但当我来到这里，看到大家，我心想：“哦，我有点理解他的感受了。我非常兴奋。我不会把谁的头拧下来，但我很高兴来到这里。所以，谢谢。嗯，我是 Molly Just。我在这里负责 Data Bricks 的全球公共部门上市业务。嗯，再次感谢大家的光临。嗯，过去的两场会议都很精彩。你们听到了为什么清晰的数据战略是必要的，以及建立可信赖的数据基础有多么关键。所以，在本次会议中，我们将更深入地探讨我们真实的 AI 用例。你们将听到 Lidos 的首席技术官讲述 Lidos 如何作为客户使用 Data Bricks 进行业务转型，以及 Lidos 和 Data Bricks 如何合作，为全球公共部门客户提供这些相同的功能。嗯，最后，我们希望海军部的首席技术官 Justin Finelli 能够到场。我听说他正在来的路上，所以你们将听到他讲述海军如何加速任务 AI。所以在我们听到今天的各位杰出演讲者之前，我想花几分钟时间，从一个高层次的角度来设定背景，没有双关语的意思。嗯，你知道，我认为现在你们可能都看到了这一点。每个组织，无论是公共部门还是私营部门，都意识到他们需要成为一家数据和 AI 公司，并且数据和 AI 对于实现他们的实际任务成果至关重要。你知道，我认为 AI 不再是一个时髦的词了。大多数公共部门组织都在积极利用 Genai 并积极投资于它。嗯，而且许多组织已经看到了显著的生产力提升。与此同时，世界各地的政府都在积极参与。领导者们正致力于通过专注于 AI、现代化、数据联邦和创新的授权和行政命令来推动基础设施的现代化和数据的民主化。所以，前进的动力非常紧迫。但这并不意味着事情会很容易，我知道在座的各位非常非常清楚这一点。嗯，成功并非唾手可得，事实上，仍有 75% 的公共部门组织认为他们尚未达到 AI 所需的数据就绪水平。这包括数据可用性不足、数据可访问性不足、数据质量不足、数据治理不足，或者仅仅是缺乏可扩展的数据基础设施。因此，公共部门组织仍然不确信将生成式 AI 投入生产也就不足为奇了。所以，从那些非常有趣酷炫的实验过渡到生产环境非常困难，我知道你们都知道。我第一次看到这张幻灯片时，我真的说了“啊”，但底线是，大规模管理 AI 的难度是巨大的。安全负责任地管理 AI 非常困难。你们拥有碎片化的数据、专有格式、分散的系统，这些都增加了复杂性和高昂的成本。所以，Data Bricks 的设计宗旨就是帮助简化我们都面临的复杂性。在一个地方管理整个 AI 生命周期，让您的团队能够引入数据、准备数据、管理模型，并将这些模型投入使用，同时在整个过程中保持安全性和治理的一致性。它还为团队提供了在整个过程中监控使用情况、质量和成本的工具。公共部门组织在 AI 方面想要的东西很简单。他们想要可信赖的 AI，以组织数据为基础的 AI，强大的治理，更快的任务周期，以及利用控制的能力，让领导者能够放心地进行扩展。那么，现在想了解更多关于 Data Bricks 如何满足这些 AI 需求，我想请 Lidos 的 Eric Moore 上台，谈谈 Lidos 如何利用 Data Bricks 来做到这一点。>> 谢谢，Molly。我很感激。好的。很高兴能成为 Justin 的热身表演。我直到现在才知道这个安排。所以，这太好了。嗯，希望他能来，这将是一场精彩的会议。Justin 很棒。所以，正如 Molly 所说，我想谈谈 Lidos 对我们如何看待旅程以及我们看到的、以及我个人看到的客户和我们自己长期以来在做出关于如何推进数据和分析投资的决策时所遇到的困境和抉择。嗯，所以我想谈谈这个困境，我认为这个困境是如何演变的，以及在过去六到十二个月里是如何真正改变的，这意味着什么，以及我们如何应对，包括内部以及我们如何支持我们的客户完成他们的任务。我真的很感兴趣，希望之后有时间听听你们的看法，看看这个理论是否引起了你们的共鸣，关于过去六到十二个月里事物是如何变化的，无论你们是在你们的环境、你们的组织还是你们的客户身上看到了这一点，或者你们有不同的看法。嗯，听听反馈并进行对话会很有趣。那么，让我们开始吧。嗯，我看到客户们以及 LIDOS 内部在过去十年二十年里一直在犹豫不决的困境是同质性与异质性之间的困境，对吧？你们可以在很多不同的领域思考这个问题。所以，你们可以把它看作是网络堆栈、安全堆栈，或者云和数据中心托管环境。但显然，我将从数据和分析生态系统的角度来谈论它。我所说的异质性和同质性以及这两种方法之间的困境是指，我经常看到客户，并且在 LIDOS 内部，就一种方法与另一种方法的价值进行辩论。对吧？所以，在同质性方面，这是指你们完全采用单一供应商的垂直集成生态系统，并优先最大化从该生态系统中提取商业投资的价值。我看到客户采取了这种方法。我们 LIDOS 在不同时期也采取了这种方法。在异质性方面，其理念是你们专注于减少供应商锁定，并在各个点能力上选择同类最佳的定制解决方案，并将它们拼接在一起，以一种为你们的任务或你们特定的业务成果量身定制的方式。在过去二十年里，我帮助客户解决这个问题以及在内部解决这个问题，我得出的结论是，历史上，这个问题其实没有错误的答案。我曾经认为有一个正确的方法和一个错误的方法。但我认为更重要的是理解你们在选择一种方法时所做的权衡。致力于你们所采取的方法，并真正深思熟虑地优化你们的实施，以最大化你们所采取方法的优点，并最小化或缓解你们所采取方法的缺点。所以我认为这就像在这个光谱的两端都有一个局部价值最大值。而且我认为历史上我就是这样看待这个问题的，我会与客户合作说，嘿，如果你想走这条路，或者想走那条路，我们可以让任何一条路都行得通，但我们必须理解权衡，并且我们必须致力于我们所采取的方法。我的看法已经改变了。我相信现在，这种两端都有局部价值最大值的想法，即你们可以在光谱的任一端找到一个平衡点，以正确的方式为你们创造价值，这已经不再是真的了。 [哼哧] 嗯，我认为现在现实是，在数据和分析生态系统方面，存在一个绝对的最大值，它存在于两者之间。我想解释一下我为什么会得出这个结论。原因在于，在过去六到十二个月里，这个领域的技术和能力市场变化的速度已经打破了那种预先存在的方法和模式。 [哼哧] 为什么我这么说呢？嗯，也许值得先回顾一下五到十年前。我认为 Omar 已经做了，如果有人参加了上一场会议，他做了类似的心理练习。但我的想法是，如果我们回顾五到十年前，我们中的许多人可能会像这样在一个会议室里，我们会谈论正在发生的所有转型，以及事情是如何显著改善的，以及所有被推向市场的技术和能力。现实是，以今天的环境来看，我认为我们都会回顾说，我们实际上处于一个显著稳定的时期。嗯，实际上，事情并没有以我们当时感觉到的速度发生能力上的阶跃式变化。因此，由于这种稳定性，我们实际上处于一个生态系统和可用供应商及能力显著商品化和趋同的世界。这意味着你们可以选择这两种方法中的一种，并认真考虑其实现方式，并取得成功。所以，想想同质性方面，对吧？你们可以选择一个你们想深入研究的生态系统。你们想大力投资，你们想从中最大化价值提取。而现实是，你们不太可能错过一个极其变革性的能力，它将在六个月后神奇地出现，并完全否定你们选择的生态系统。另一方面，你们可以投资于构建定制的集成，将这些独立的点解决方案拼接起来。你们可以自信地进行这项投资，因为这个独立的点解决方案在两到五年内仍然是相关的。它可能不会一直处于行业领先地位，但它仍然有用、相关，并且不会被完全淘汰。所以，你们可以分摊这项投资，并在一段时间内获得回报。所以，你们可以在任何一边着陆，并且能够使其奏效。但现在事物发展的速度意味着情况不再如此。所以，我们必须努力寻找一个中间地带。我们必须为自己和我们的客户寻找一种不同的方法，这种方法能够让我们在当今我们都经历的环境中保持动态。最大化我们调整方向、保持灵活并以新能力交付价值的能力。因此，我们着手思考什么核心原则能够让我们找到这种新方法。嗯，我们有很多原则。我将谈论其中三个，因为我认为它们是最重要的三个。我真正想强调的第一点是，我们必须接受并拥抱分布式数据。我们必须停止与之对抗，并认为我们可以生活在一个将所有数据整合在一起的世界里，并且我们能够从中提取价值和分析数据。这是一种谬论。目前它不是真的。数据产生的速度以及数据产生的地点将继续加速，无论是在边缘、在云端还是在本地。它不会放慢速度，所以我们必须接受并拥抱这一事实。第二点是，我们希望专注于数据产品而不是数据平台。那么，我的意思是什么呢？嗯，在一个事物变化如此之快的动态世界里，我们希望将我们的注意力和精力集中在那些对组织具有持续价值的事物上。那就是数据。数据是具有内在价值的东西。平台是从数据中提取价值的工具。所以，我们希望专注于数据产品，而不是数据平台。第三点，也是第二点的推论，是我们希望专注于这些数据产品的可移植性。之所以如此重要，是因为你们可以做所有正确的事情，专注于数据产品而不是平台。但如果你们不谨慎地使用开放标准和开放框架来实现你们的数据产品，并考虑到可移植性，你们最终将不可避免地被锁定在一个平台中。所以，你们会认为自己做了一切正确的事情，但仍然发现自己陷入了一个无法按照你们想要的方式进行调整的世界。因此，分布式数据、数据产品而非平台以及数据产品的可移植性，这些是我们在这个动态世界中采取中间立场的核心要素。嗯，所以我们着手寻找能够帮助我们实现这一愿景的合作伙伴。嗯，对我们 Lidos 来说，我们所做的一切都不是小规模的。一切都是企业规模或国家规模。嗯，我们所做的一切都不是从零开始的。我们所进入的每一个环境都有预先存在的数据、预先存在的系统，我们必须适应、吸收并进行转型。所以，我们需要一个了解如何在这些环境中运作的合作伙伴。我们需要一个与我们的原则一致并真正体现这些原则的合作伙伴。而对我们来说，这个合作伙伴就是 Data Bricks。所以，嗯，我喜欢将我们与 Data Bricks 所做的事情视为一种开放标准垂直集成，这听起来可能有点矛盾，但我的意思是，这是一种让我们能够获得同质系统、垂直集成系统的价值，而无需承担该系统的缺点，这使我们能够获得异质系统的价值创造，而无需承担定制集成所带来的延迟和高昂的实施成本。所以，这就是我们能够实现并最终与 Data Bricks 一起完成的事情。嗯，所以这不仅仅是一种文化理念。非常重要的是，这是我们已经在向客户交付并内部实施的东西，对吧？而这使我们能够实现一些一直以来都难以实现的东西。你知道，Omar 在之前的演讲中也谈到了数据孤岛的问题。这使我们能够实现真正的企业级规模的采用。这是人们谈论但一直很难实现的事情，当你想到企业级规模的采用真正意味着什么的时候。企业级规模采用的基础使我们能够加速情报的收集和生产，并最终将这种情报专门定制给个人、定制给组织、定制给任务，从而在最前沿实现任务影响的最大化。所以，我们对我们已经取得的成就感到非常兴奋。这是一种我们在过去六到十二个月里采取的新方法，我们认为它是为当今环境的动态元素量身定制的。嗯，我非常非常期待在会议结束后与大家交流，听听你们的想法和经验，以及你们如何适应我们都在努力最大化价值的数据生态系统和 AI 生态系统中的变化速度。但在此之前，我将把时间交还给 Molly。让她把 Justin 请上台，我期待在那之后与大家交流。谢谢。>> 非常感谢。 [掌声] >> 那太棒了。嗯，非常感谢你，Eric。嗯，所以，嗯，在请 Justin 上台进行炉边谈话之前，我想再次从高层次谈谈，嗯，我们最常见的任务成果。嗯，我们客户群中真实的 AI 任务。所以，你知道，我把它分成了三类。我们看到机构想要的第一类是如何现代化他们提供公共服务的方式。所以，如果你想想，你知道，想想代理工作流程，用于确定福利资格，或者 AI 赋能的健康洞察。第二类是我们看到这些公共部门组织想要现代化他们内部的业务运作方式。所以，这可以是任何事情，从后台工作流程、AI 赋能的资源管理、实时欺诈监控。第三类是我们看到我们的公共部门客户想要为他们的选民提供安全保障并建立信任。所以，这些 AI 赋能的用例不再是未来的事情了。Data Bricks 已经在为私营和公共部门的客户实现这些成果。有一件事我们谈论得不够，我认为我们应该多谈谈，那就是 Data Bricks 将为世界上一些最先进的商业公司提供动力的数据智能平台带给了公共部门。你今天听 Rory 谈到了一点。嗯，所以如果你想想金融稳定，像摩根大通、Capital One 这样的大公司正在使用我们的平台处理 PB 级市场数据，以毫秒级管理风险和检测欺诈。同样的技术，它允许商业部门实时保护你的信用卡刷卡，也使 IRS 能够非常快速地处理你的纳税申报，并防止税务欺诈，同时又不减慢工薪家庭的退税速度。所以，如果你想想全球韧性，像 Petro Bros 和 AON Insurance 这样的公司使用 Data Bricks 来模拟从环境风险因素到工业安全的一切，在灾难和事故发生前进行预测。同样，公共部门组织如 FEMA 和国防后勤局也使用这些工具，它们可以预测风暴来临前的供应链中断。世界银行也使用它们来处理大量驱动政策决策的经济数据。嗯，在交通运输行业，像 Rivian 和 Joby 这样的公司正在摄取电动汽车和飞机的流式遥测数据，以确保安全并实时优化性能。这些是支持交通部和国防部任务 AI 的相同工具，它们需要管理车队就绪性、预测性维护和空域安全。你可以想想提升劳动力技能。所以，像 UDMI 和 Corsera 这样的商业公司使用我们的数据智能平台为数百万人提供个性化学习，我们将同样的 数据智能引擎应用于世界顶尖大学，以个性化学习旅程，并及早识别有风险的学生。最后，想想工业和制造业。嗯，像 John Deere 和 Skyideo 这样的公司使用 Data Bricks 为能够摄取 PB 级传感器数据以训练计算机视觉模型的自主机器提供动力。它们可能允许拖拉机识别作物与杂草，或者让无人机实时绘制 3D 结构图。同样，这些相同的能力也被部署在美国邮政服务局和交通部用于管理他们的车队。所以，在所有这些领域，模式都是一样的。可信赖的、可扩展的 AI 通过为团队提供他们可以立即采取行动的快速洞察，来加速任务。所以，希望到目前为止，你已经开始感受到 Data Bricks 对为客户提供任务价值的认真程度。稍后你将直接听到我们最喜欢的客户之一讲述他的组织如何加速任务运营。但在那之前，有一件事你可以帮助我们为客户提供更多的任务价值。那就是帮助我们了解在未来一年里，你们最感兴趣的任务成果是什么。这将有助于确保我们将资源投入到对你们最重要的领域。所以，如果你能扫描一下这个由我孩子和圣诞老人的照片环绕的二维码，以确保每个人都在关注，我将非常感激你填写调查问卷。嗯，说真的，这将非常有帮助。数据将非常棒。所以，我将给你一点时间来做这件事。在我们做这件事的时候，废话不多说，我想邀请我最喜欢的技术领导者之一上台，这样你们就可以直接听到海军如何利用 AI 加速任务运营。所以，能接待他我感到很荣幸。嗯，我也向他承诺了响亮的掌声。所以，如果你能为他鼓掌更响亮，那是交易的一部分。嗯，请和我一起欢迎海军首席技术官 Justin Finelli。把你们的女孩们想吃的胡萝卜魔法举起来。 [音乐] >> 这真是太适合 Justin 的出场音乐了。我非常满意。>> 我们可以让它在背景中播放，然后有节奏地进行。这是一个很棒的群体。我确实喜欢这样。嗯，谢谢你来。我知道你非常忙，所以我们非常感激。>> 我跑过来的，这个群体是值得的。>> 嗯，他绝对是跑过来的，所以我想让大家知道，这是百分之百真实的。所以，昨晚我们谈论这件事的时候，他让我答应响亮的掌声，你们绝对做到了。第二个是尖锐的问题。所以，希望我能做到。>> 我可能在那个时候打瞌睡了。我 [清嗓子] >> 我们拭目以待。所以，顺便说一句，你可以跳过任何问题。嗯，我想让它简短快速地进行。嗯，让我开始吧。Justin，你曾说过创新采用是一项接触性运动。在五角大楼，这通常意味着没完没了的会议，我们都知道，但真正的接触性运动会留下瘀伤。你目前正在与谁或哪个流程进行最艰难的斗争？>> 好问题。所以，嗯，现在发生的一件有趣的事情是，我认为接触性运动更少，它更像是特种作战，而不是合同参与。所以，嗯，我认为我们现在正在努力解决的是每美元的价值。嗯，所以，谁是接受者？喜欢开会的人。嗯，所以，我今天真的有人，我们说，“嘿，我认为我们明白了，请提交一份提案。”他们说，“听起来你想了解更多关于这个的信息。”我说，“这听起来像是要开四次会。你为什么不给我们一份一页的精简商业案例，说明我们可以做什么。我们会讨论，我们会修改，然后我们会签字或不签字。所以，现状正处于被围攻的状态。我认为我们集体认识到，无论是政府内部还是外部。嗯，这可以呈幂律分布地变得更好。很多以前阻止我们的事情仍然存在，但它们要么被削弱了，要么我们可以比它们跑得更快。嗯，所以，让我们这样做吧。我可以稍后谈谈我们已经将以前发生的事情提高了十倍的地方，无论是速度还是成果。所以，让我们射穿那个洞吧。>> 好的，完美。嗯，所以我们经常谈论 Data Bricks 的任务 AI，使用数据来实际做一些事情，而不仅仅是报告它。当你审视今天的舰队时，老实说，我们真的在使用 AI 来改变任务成果，还是我们只是在写更好的绩效报告？>> 嗯，>> 我喜欢刚才笑的那个人。你是 [笑声] 我的人。>> 当然，在海上我们可以做得更多吗？是的。嗯，所以最近它的样子是，我们在陆地上取得了一些重大胜利，然后我们将其与海上发生的情况进行了比较，他们说，嗯，在某些地方，我们的数据性能和 AI 在陆地上比在海上更好。作为一名技术人员，这是有道理的。作为一名支持战争贩子的人，以及在一个真正想要能力优势的部门，这是没有道理的。所以，我们所做的就是把几个航母和其他平台的首席系统官带过来，说，“你们喜欢这个吗？”他们说，“是的，我愿意为我的船上的东西而死。”我们说，“这是我们拥有的。”其中两人把它带回了他们的船上。三个月后就装上了。在一种情况下，有人试图把它撤下来，然后有一些潜在的接触性运动，然后它就装在了所有的航母上。这是一个在特定战备行动区域表现显著更好的案例。我们现在有很多情况，船上的带宽以及整个边缘允许我们做三年前做不到的事情。>> 那么成果是什么样的？它实际上是系统上的快速变化。所以，我们，我教一门名为“软件定义战争”的课程，与一位我们的共同朋友一起。嗯，那门课的顶点是，如果我们能在边缘进行配置更改，改变我们一夜之间做出决定的方式，会怎么样？有些地方我们正在这样做，还有更多的地方我们可以这样做。这只是产品市场契合度的问题。有一件事是不同的。嗯，我们有水手和海军陆战队员有想法。我们也有供应商和合作伙伴有想法。我们现在认识到，需求官员和我部门的人。我们没有所有的想法。所以，我们现在需要获得更多的成果，就是让人们对他们的想法达到纳粹的精确程度，然后我们可以从那里进行调整。>> 那太棒了。我总是试图和你开玩笑，但然后你说出这样的话，这真是令人难以置信。嗯，[哼哧] 好的。这引出了下一个问题。你现在对哪个 Gen AI 用例感到兴奋？>> 所以，嗯，我想从两个方面来回答这个问题。嗯，一个是，嗯，基于 genai.mill 的出现。嗯，我认为我们将，所以这有点显而易见，但嗯，我认为我们将以一种更精简的方式将其交给更多人。所以，在最基本的情况下，嗯，上一位演讲者谈到了投资回报率。我喜欢那个能让水手节省最多时间的用例。>> 所以，我们将根据影响来对它们进行排名。嗯，无论哪个对他们最有帮助，都是我们最喜欢的。嗯，所以，字面上是成果，我们正在根据成果来确定优先级。对我来说最有趣的是，嗯，有一些棘手的优化问题，我们无法解决。我花在金钱上的时间比我想要的要多。嗯，所以，如果我们能告诉他们，这是我们在采购中的购买力故事，当我们转向投资组合 IOS 时。嗯，我认为这将是一个非常有趣的 JI 用例，说，嘿，这是我们的 12,000 个系统。>> 是的。>> 我们在哪里进行狩猎、进行接触性运动的最佳案例，然后扩展真正有效的东西。>> 这说得通。嗯，如果你愿意，可以跳过这个问题，但每个人都喜欢谈论创新和添加闪亮的新玩具。没有人喜欢谈论撤资，也许除了你有时。你现在最想淘汰的“僵尸系统”是什么？>> 嗯，所以我们有很多数据环境。我们有很多云实例。嗯，一度，一家超大规模云服务提供商告诉我们，他们不知道我们在他们的云上有多少云实例。就是这么多。嗯，所以这是郊区蔓延，我们只想控制住。嗯，我，我，我不认为有人设计过这样的城市。嗯，但减少数据环境的数量而不减少能力将提高价值。>> 是的。>> 嗯，同样，云实例也是如此。这是蓝图。我们已经做了一些。嗯，但就像，这是最好的时刻，如果你在 nippernet 或 uncclass 级别隐藏数据，而有人可以说，嘿，我们可以更有效地做到这一点。我们就是喜欢这样，这是同一个问题。让我们变得战术性一点。同一个问题总是我们有数据重叠，但 2% 的系统是交易性的，而其他任何东西都不进行交易，所以我们无法移动它们，这使得 10,000 个系统长时间处于原位。嗯，我们可以将其整合到一个平台中，我们可以根据迁移的难易程度和投资回报率对其进行排名。我们想这样做，撤资并投资。所以，现在不同的是，我们正在做一些更多的柔道，而不是由一群政府人员来管理和堆叠，然后我们会稍后回复你。如果公司来找我们说，“嘿，这个 Dart 淘汰了这五个数据环境，”我们就会说，“去吧。”>> 哦，哇，太棒了。好的。如果我们今天给驱逐舰上的一名普通船员一个 Data Bricks Notebook 和完全的数据访问权限，你认为他们会构建出什么，而承包商永远不会？>> 嗯，嗯，我们知道网络安全是这样的。嗯，我认为我们有时会忘记它，因为它与其他人有关，那就是不性感的那些东西是我们花费太多时间的事情。嗯，我见过很多军人，他们真的渴望为我们所有人服务和保护，而我们可以用繁琐的事务来拖累他们。所以，我想说的是，我们可能有一些不错的维护功能，它们可以离线工作。但如果我们能有一些东西，能够让我们在供应链方面做更多预测性的工作，我认为这将大不相同。嗯，同样，嘿，这些家伙定期做的任何任务，这里是所有完成任务的方式。这里是影响最大的方式，然后把它分解。所以，我认为他们只是想把更多的时间还给他们，这样他们就可以更好地服务，多睡一会儿，然后整体上拥有我们现在拥有的数据的态势感知能力。嗯，我们需要一些收尾工作来帮助后端，使其成为常态，而不是英雄主义。>> 这说得通。嗯，我们经常谈论公平竞争。我其实不想要一个公平的竞争环境。我希望美国海军拥有不公平的优势。数据和 AI 现在在哪里给我们这种不公平的优势？>> 这里挤满了人，灯光很亮，所以我看不清有多少书呆子在这里。嗯，我是一个。>> 我看到了一些竖起的大拇指。我觉得。>> 嗯，这是世界上最酷的事情。如果我们建立巨大的领先优势并增加威慑力，我们所有人都对国家和世界安全极其有价值，对吧？所以，我的钱通常花在，嘿，这里有一些方法可以改善我们的整体预算。嗯，我把钱袋看作是一个相当强大的机制，但我们的决策，我们如何划分它，通常是企业级的。所以，后台活动通常被认为是，正如我提到的，不性感，但实际上提高了我们的战备状态，提高了我们的供应，提高了我们所做的一切，比以往任何时候都更能为战争和情报服务。所以，当我们清理企业并利用它来告知战争，以及情报告知战争，以及可能的企业告知战争。所以，这就是我的答案。我们可以以一种更整合的方式完成所有这些。>> 这是个很棒的答案。嗯，好的。所以，我觉得人们现在正在谈论漫长的采购周期。嗯，我认为有一个很大的说法是，我们需要两个星期的威胁周期。当你审视你的路线图时，有什么事情让你夜不能寐，因为它进展缓慢，而不是与相关性同步？>> 嗯，所以，在采购方面，嗯，我们有一个劳动力正在学习在这个新世界中生活。嗯，我认为我们可以共同做的是，我经常收到的反馈是，人们接受了联邦采购条例的培训，所以我们中的一些人有其他的交易协议，而这并不奏效。所以，两个答案。一个是，让我夜不能寐的是，合同和绩效合同仍然需要太长时间，因为它们只是，没有足够的人尽可能进步地去做。然后我想回答这个问题。所以，我看到的解决方案是，如果私营部门的人带来一个更成熟的解决方案，这就不公平了，对吧？就像我们想要不公平的优势。嗯，这需要不公平的行动。所以，嗯，就像，仅仅满足我们 50/50 是不够的，因为有很多人我正在看着，他们非常有能力。所以，将一笔交易做到 20 码线仍然意味着五次会议。如果人们能把交易做到一码线，说，“嘿，这是我们可以更快做出决定的方式，并摆脱系统，我所要做的就是共享这些数据，你必须这样写合同。”我们比我 27 年来的任何时候都更愿意接受这一点。所以，我的意思是，如果有一个银盘活动，由私营部门领导，我们仍然可以，就像，我们可以修改它，我们可以编辑它，但我只是认为你们比我们更有创造力，很多时候，所以，这就是让我夜不能寐的原因，人们给我们一些东西，就像在七码线，我看着说，啊，这看起来很好，但有十个东西在七码线上，现在是晚上 11 点，我还可以再做一件，然后回复你，或者如果它们在一码线上，我们可以做三笔交易。所以，能够更快地缩小成本和价值差距。嗯，那就是我看到的瓶颈。>> 是的。嗯，我们的首席人工智能科学家 Jonathan Frankle 让我问你这个问题。你在整个海军的 AI 整合策略是什么？>> 他是这么说的。他很想听听。>> 好的。>> 在两分钟内，因为我有一个有趣的快速迭代。>> 是的，太好了。嗯，所以，第一个是，谁认为我们擅长数据共享？好的。嗯，所以，这个策略有几个部分。嗯，第一，命名企业服务。嗯，所以我们有 50 个业务管理区域数据环境。嗯，如果我们有一个整体的，这是我们正在使用的企业服务。这是我们透明地向人们展示已迁移或有迁移困难的时钟，然后我们将用胡萝卜或大棒来帮助他们。这是第一项企业服务和透明度可见性。第二是任何阻碍我们数据共享或其他方面的政策，我们希望有更多的公开讨论。所以，我们起草了一些新的政策变更。嗯，第三是，我们衡量成果，这不像，嘿，这是系统或这是流程。这迫使我们解决大问题，这有点更多地落在少数能够非常快速地升级问题的人身上。但我们已经转向谈论成果。我们已经原型化了。我们准备好扩展了。所以，我认为这就是我们做得不同的三个方面。然后重复。>> 这是个好答案。好的。接下来的几个问题是快速迭代。嗯，技术债务还是文化债务？>> 嗯，每个人可能都见过创新扩散曲线，对吧？嗯，我们不需要 100% 的人像以前那样拼命划船。嗯，我们已经有了 3% 的人有一段时间了。嗯，我认为我们处于那 12% 到 15% 的私营和公共部门，他们能够带来巨大的胜利。如果我们将其扩展到整个钟形曲线的左侧，那就足以解决这两个问题。>> 回答。好的。你在乔治城大学教研究生。一个 22 岁的学生对科技的未来有什么理解，而一位资深的政府领导者可能会错过？嗯，它每周都在变化。所以，所以从，嗯，你必须关注。嗯，我看到，人们学习新技巧的速度比以前快。嗯，所以，我现在这样想，不是关于 Molly 或我，而是关于我加上 AI，以及你从中获得什么结果。所以，我认为年轻人对这一点有很高的认识。我需要一个三人团队。这实际上比一个 15 人的团队更有效。政府中仍然有些人认为，我认为我们需要再增加 30 个人。布鲁克斯法则已经有 40 年了。更多的人不再能解决那么多问题。嗯，所以，我认为这在行业中已经得到了很好的理解，收入除以员工。我认为如果我们能降低这一点，或者如果行业通过胜利教会我们降低政府员工的价值，或者合同的价值，那么我们绝对会赢。>> 好的，这引出了这个问题。嗯，我们在一个行业人士的房间里。如果，你能完成这句话吗？如果你想与海军合作开发 AI，不要给我们幻灯片。给我们>> 一个精简的商业案例，它展示了，嗯，要么是一个撤资机会。这不公平，因为我们了解我们的业务。你可能不了解。嗯，请帮助我们了解我们的业务。向我们展示我们可以撤资的地方，然后展示或估计基线，并展示你比基线好多少。嗯，如果你们已经获得了像这样的胜利，我们可以为你吹嘘。这是交易。对每个人都有好处，让这成为公共与私营部门的黄金时代，有足够的数据来说明胜利的故事。我们知道从关系中，你需要比你需要听到坏消息多得多听到好消息，因为它会留下深刻的印象。历史上，大多数政府采购或交付故事都偏向于坏消息。我们需要把它炸飞。我们需要量化的成功故事。所以，如果你有那些 2159179497，关于累积成功故事的数量超过我们以前所做的，让我们讲述那些故事三到十二次，比任何坏消息故事都多。我们可以一起做到这一点，然后我们再也不用回到瀑布式操作了。>> 我喜欢。好的，最后一个问题。如果你的工作是一部 Netflix 剧集，它会叫什么名字，谁会扮演你？这需要一点思考。>> 这是个难题。所以，嗯，就我而言，>> 嗯，我看到了我没有胡子的照片。嗯，我正在模仿，我想让 Steve Carell 扮演我，希望他不会太刻薄。嗯，[笑声] 嗯，[哼哧] 让我们看看。我将让时间流逝，然后让它自然发展。嗯，适应和采纳。嗯，这真的是关于让伟大的美国人在伟大的公司帮助重塑政府整体运作方式的故事。>> 太棒了。各位，Justin Finelli，谢谢。 [掌声]