数字化转型的一个重要步骤是数字化能力的建设。

与信息化能力相比，数字化能力的要求更高，既要支持企业在全面数字化经营、数字生态的全局场景中具备数字化能力，还要在数字可视、科技左移、弹性合作、数字风险、数字运营等细分场景中将数字场景与业务场景进行融合，确保企业在竞争过程中做到敏捷应对、高效运营与持续创新。

但是大多数企业在数字化转型的过程中，其技术层面的痛点往往导致数字化“底座”出现不稳固的情况。

例如，在企业系统的数字化改造过程中，因原有的系统老旧、管理制度传统、流程复杂，传统的业务系统和数字化系统出现流程、数据、场景不兼容等问题，整体重构成本高昂，同时会影响企业的正常展业。

企业的数字化系统架构需要众多的新技术赋能，而新技术的自主掌控能力对企业来说是一个很大的挑战，同时会出现一系列的技术伦理问题。

01

技术伦理

技术伦理和商业伦理的概念比较类似，是技术管理者很容易忽视的问题。

数字化转型中的技术选型，如人工智能技术、活体检测技术、机器人技术等，不可避免地会涉及业务场景中客户的隐私权和个人信息保护等敏感问题。

此外，数字生态内部的虚假信息泛滥，以及业务场景中数据孤岛和数字鸿沟的问题，也属于技术伦理的范畴。

尤其在远程办公过程中，交付流水线的用户体验不友好、数字可视场景中的数字对象不敏感、数字风险场景中的风险对象识别较弱都是数字化转型会遇到的一些问题。

1. 个人隐私泄露和滥用

由全国信息安全标准化技术委员会等机构发布的《人脸识别应用公众调研报告（2020）》显示，有九成以上的受访者使用过人脸识别。

在具体用途中，“刷脸支付”最为普及，有六成受访者认为人脸识别技术有滥用趋势；还有三成受访者表示，已经因为人脸信息泄露、滥用而遭受到隐私或财产损失。

2. 人工智能技术引发的社会问题

人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产一种新的、以与人类智能相似的方式做出反应的智能机器。

该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。

人工智能从诞生以来，理论和技术日益成熟，应用领域也在不断扩大。可以设想，未来人工智能带来的科技产品将是人类智慧的“容器”。

人工智能可以对人的意识、思维等信息过程进行模拟。人工智能虽然不是人的智能，但能像人那样思考，也可能超过人的智能。

目前，人工智能在实际应用场景（如智慧医疗、智能制造、智能驾驶等）中均取得了较好的效果。

然而，如果智慧医疗的设备由于系统故障或电力供应等问题而导致误诊，进而导致医疗事故且对患者健康造成损害时，该如何判定医疗损害责任？如果具备智能驾驶功能的汽车在行驶过程中由于网络故障或数据异常导致严重的交通事故，该如何判定驾驶员在使用智能驾驶功能时的责任？在人工智能的场景运用过程中，技术是否需要承担责任？这些都是社会问题。

3. 技术伦理的治理薄弱

2022年，中共中央办公厅、国务院办公厅印发了《关于加强科技伦理治理的意见》，其中明确：科技伦理是开展科学研究、技术开发等科技活动需要遵循的价值理念和行为规范，是促进科技事业健康发展的重要保障。

当前，我国科技创新快速发展，面临的科技伦理挑战日益增多，但科技伦理治理仍存在体制机制不健全、制度不完善、领域发展不均衡等问题，已难以适应科技创新发展的现实需要。

同时，相关的抽样调查结果显示，大量的技术从业人员认为我国科技伦理审查监管制度仍不完善，我国对科技伦理失范事件的打击力度仍显不足。

因此，对技术伦理的治理还需较长的时间。

02

数字技术是IT技术的延伸

技术管理者对数字技术的认知通常存在误区，认为“数字技术就是数据技术”或“数字技术就是IT技术”。

其实，数字技术本质上是IT技术的延伸，IT技术通常不具备业务属性，而数字技术具备业务属性。

业务属性体现在数字场景中，如何将企业的商业模式和IT技术进行衔接，企业的IT系统如何被赋予业务的功能角色，都是技术管理者需要思考的内容。

随着数字化转型的深入，企业对IT部门的定位和期望发生了颠覆性变化，比较典型的有从后端到前端的转变、从技术属性到业务属性的转变、从功能化到非功能化的转变、从平台能力到生态能力的转变。

技术管理者需要明确，IT技术依然是基础能力，而数字技术是IT技术的延伸。

因此，企业应该将以业务流程为核心的IT能力转向以企业数字化运营为核心的数字能力。

除了赋能业务和内部管理，企业在将IT能力上升至数字能力的过程中还需要触达更多的用户，包括企业内部员工、企业产品的用户、企业生态上下游的合作伙伴等。向上聚合生态、向下融合资源，充分发挥技术红利，全面赋能数字化商业形态，助力数字化转型战略的达成。

对技术管理者来说，IT技术的最大痛点在于从成本中心向利润中心的转变，通过利用“向上管理”和“价值链管理”等思维方式对IT技术价值进行升华，将价值的边界扩大到企业全域、全流程、全业务。

例如，作者所在的企业将“安全、稳定、高效、低成本”作为IT组织能力的四大象限，安全和稳定能够确保企业的业务在线，高效和低成本能够确保企业的效能提升和价值交付能力。

尽管接近70%的数字化需求来自业务场景，但这些需求均通过业务在线和产品价值交付来实现，所以数字技术对数字场景的洞察能力远比业务需求更强。

尤其随着数字技术的不断发展，相关的数字技术门槛在不断降低，最终IT技术和数字技术的耦合度会不断增加。

IT技术和数字技术的边界在于企业战略的执行力，这也可以概括为技术管理者是否具备向上管理的思维，比如思考企业的技术演进和业务战略的匹配度，IT发展趋势和数据战略的匹配度等。

数字技术是对IT技术的能力增强，让IT技术具备数字属性和业务属性。通过IT技术、数字技术的支撑和驱动，使企业实现业务目标，让企业的业务战略在市场中变得更有竞争力。

03

过早的技术投入

过早地投入数字技术是典型的技术先行，然而对数字化转型而言，这种方式存在较多的弊端。

作者在企业中实践DevOps的过程中曾遇到过类似的情况，投入数字技术主要基于两点考虑：

• 第一，快速将DevOps方法论转化成科技核心生产力；
• 第二，发挥科技的核心价值，促使科技内部快速进行资源整合。

最终，由于DevOps组织尚未成型、DevOps文化尚未被IT组织完全接受等原因，DevOps平台的价值没有得到完全释放。

如果等到DevOps组织组建完成且DevOps文化完全被接受，那么由于“价值交付”需求的变化，最终将不得不重构DevOps平台。

根据《2019中国企业数字化转型及数据应用调研报告》中的描述，众多企业进行数字化转型的最终结果变成了技术转型。

技术转型本没有错，无论是业务驱动型的企业，还是科技驱动型的企业，在企业经营和业务运营方面都需要技术创新和技术支撑，而技术转型和数字化转型的本质是不同的。

因此，技术先行的前提是技术应具备业务属性或数字化属性。

例如，目前很少人会问：“为什么要上云？为什么要使用DevOps？为什么要上数据分析？”而是会问：“为什么不上云？为什么不使用DevOps？为什么不上数据分析？”这就是技术管理者在技术思维上的转变，这种转变的本质是将技术属性和业务场景进行了关联和融合。

目前有很多技术适合在前期投入，如云计算技术、大数据技术、人工智能技术。

一方面，这些技术可以让企业通过技术转型进入数字化领域；另一方面，企业可以通过这些技术革新将产品快速地投放市场，并获得反馈。

技术先行或过早地投入技术需要结合技术自身的特性和技术架构的前瞻性来考虑。

比如，企业可以通过云计算技术减少在基础设施方面的投入；借助云计算技术的快速构建和弹性伸缩能力，保证业务的连续性和稳定性。再比如，当数据作为企业核心资产时，通过大数据技术对数据进行采集、存储和分析，帮助企业对内实现数据可视化管理，对外寻求业务增长方式的可能性。

如果技术管理者盲目地进行技术架构升级和转型，会导致以下两种问题。

1. 投入与产出不成正比

在大多数企业中，技术投资并不能给企业带来直接收益，除非技术自身就是业务，如技术输出型企业。

技术管理者需要思考技术转型或技术变革是否可以解决企业经营及业务运营中的痛点，并思考技术投入的目标、价值、阶段及方式，循序渐进地在技术上进行投入，并根据反馈逐步完善。

2. 技术架构与数字场景不匹配

大多数企业数字化转型失败的一个重要原因就是技术架构与数字场景不匹配。

如果技术管理者过多地关注技术架构，而忽略业务场景，会导致企业的技术架构无法适应企业自身的业务演进和数字场景。

最为严重的是，如果已成型的技术架构与数字场景存在不匹配的问题，那么很难通过转变技术架构来解决问题。

当发生这种问题时，即使投入大量的资源对技术架构进行升级，企业也难以收获数字化转型带来的好处，相反还会挫伤企业管理者对数字化转型的信心。

例如，目前云原生技术在深度融合数据库、开发、运维等云产品，提升这些产品的应用表现可以带来实时性、敏捷性、低成本方面的产品创新。

从数字化转型的角度来看，云原生技术能够在云基础设施的层面推动IT敏捷化和易用化，并直接推进企业在应用与基础架构方面的融合，以及产品创新方面的能力，如图1所示。

图1

04

无法持续地进行技术投入

无法持续地进行技术投入是大多数企业在数字化转型过程中会遇到的问题，这种情况通常出现在数字化转型的中间阶段。

在数字场景的需求比较明确的同时，技术架构能够匹配数字场景。但由于技术管理者或技术团队对技术的理解和储备存在不足，前期的技术架构因技术选型或技术工具的问题，使技术架构在扩展性、稳定性、开源许可证等方面存在约束，因此只能支撑局部的数字化业务场景，无法长期支撑企业的全部数字化转型场景，最终导致企业无法持续地进行技术投入。

1. 可持续的技术投入

技术管理者要明确，对技术的投入不是一次性的，引进的某个技术框架或技术工具并不是一成不变的。同时，技术匹配的数字场景或业务场景肯定不会被某个技术框架和场景绑定，因此技术管理者要对技术和场景进行解耦。

例如，某个业务需求分为产品需求和用户需求，其中产品需求来自内部产品规划和业务战略，用户需求来自市场反馈和竞争对手。通过市场转化的方式，将产品需求投放到市场中运营；针对用户需求，通过用户体验转化的方式，提升用户体验或用户黏性，如图2所示。市场转化主要依托技术输出的方式来体现产品的数字价值，用户体验转化主要依托终端用户或合作伙伴的反馈，以数字赋能的方式对数字产品进行持续优化，最终形成数字生态。

图2

2. 迭代的技术发展趋势

众所周知，当技术架构或技术工具进入了实践阶段，就意味着技术债务开始积累。

这是因为在设计技术架构或引进技术工具之初，随着使用场景和需求的迭代，其缺陷开始暴露甚至逐渐放大，这个过程是不可逆的。

在实际的IT活动中，业务需求的迭代优先于技术框架的迭代。

为了保证产品快速迭代的需要，技术管理者往往需要通过承受技术债务的方式来呈现技术的价值。

因此，技术管理者应该时刻保持对技术的洞察能力，在合适的数字场景中对技术架构或技术工具进行迭代升级。

本文摘自《技术赋能：数字化转型的基石》一书，欢迎阅读本书了解更多相关内容。