XiaoMi-AI文件搜索系统
World File Search SystemMaturity
负责任的人工智能成熟度模型
我们对自己开发的人工智能系统负责。政府即将出台人工智能系统的监管规定。但是，在政策出台之前，负责任地开发和部署人工智能系统的责任完全落在构建和使用这些技术的组织身上。因此，企业采用 RAI 原则作为一种自我监管形式激增。然而，研究表明，有效地将这些原则转化为实践具有挑战性（Mittelstadt，2019 年；Sanderson 等人，2022 年；Schiff、Rakova、Ayesh、Fanti 和 Lennon，2020 年）。为了克服这一挑战，出现了广泛的努力，包括工具包、清单、实用指南和指标。然而，这些方法通常面向个人人工智能从业者，而不是组织。这些努力往往是零碎的，缺乏如何融入组织更大的 RAI 战略的明确性。在尚未就许多最佳实践或成熟的含义达成共识的情况下，我们认识到需要评估和绘制这个未知的新领域。 RAI MM 是下一步的重要工作，它的作用就是确定组织的 RAI 成熟度的核心组件以及它们如何组合在一起。
网络安全成熟度模型 - HHS.gov
• 2014 年首次发布。2017 年和 2018 年更新。• 由美国国家标准与技术研究所 (NIST) 协调的行业、学术界和政府的合作努力。• 由 2014 年网络安全增强法案 (CEA) 授权。• 带来行业和政府的最佳实践，但实践直接源自 NIST 800-53，联邦信息系统和组织的安全和隐私控制，2013 年 4 月。• 旨在改善关键基础设施的网络安全风险管理，但可供任何部门或社区使用。[2]
CELENT：银行数字化成熟度
今年早些时候，Celent 在题为《银行业数字化成熟度：与一级银行对话》的报告中对一级银行进行了一系列探讨数字化成熟度的访谈。这些机构的资产规模（>2500 亿美元）属于一级银行，但却不是四大“巨型银行”。我们的研究清楚地表明，银行高管认为美国最大银行与地区性/超地区性银行之间的差距越来越大。这些机构最关心的是实现大规模的需要、变革速度以及转型所需的资源。有些机构甚至使用“有”（大型银行）和“无”（地区性/超地区性银行）一词来描述一种竞争态势，在这种竞争态势中，大型银行与大型银行处于同样的竞争视角，但在运营方面却处于明显劣势。这就引出了一个问题：小型银行呢？
订单到现金 - 流程成熟度扫描
我们的评估工具围绕八个关键主题构建，这些主题对于全面的订单到现金流程分析至关重要。每个主题至少通过八个有针对性的问题进行探讨。答案按从 1（表示某个领域不适用或需要显著改进）到 7（表示完全控制或流程完善）的等级进行评分。这些分数的累积平均值标志着您的最终入学分数，为您当前的 O2C 流程成熟度提供清晰的指标。
劳动力发展成熟度模型
•投资劳动力发展作为满足组织技能需求的主要手段•确保在劳动力发展中对重要性和投资优先级（具有安全，社区投资和组织对公平和归属的承诺的重要性）•建立跨职能团队）•建立跨职能团队 - 超越HR（包括运营，社区参与，Philanthropy等）优先考虑熟练，多样化的人才管道的发展•遵守DOL/DOC良好的工作原则，或者关注工作质量和公平性和公平性和公平性•减轻就业障碍，包括学位和认证要求，任意或不公开的测试实践，任意或不发布的测试实践，语言要求，对工作级别的限制和限制性范围（以较高的态度）•在官方范围内进行官方的限制（所有人）（在遇到的范围）（各有责任）（均为官方的社区）（各自遇到的社区）退休（候选员工）•在招聘人员和雇用经理之间建立可信赖的合作伙伴关系•通过定期测量或TA指标进行有效评估和人才选择（例如，关闭时间，离职的时间）•与绩效管理（PM），奖励和对多样性，公平性以及在策略上的工作 - 劳动力的承诺以及在策略上的工作 - 与绩效管理的承诺以及在策略上的工作 - • •利用AI和机器学习来更好地合格候选人并优化采购渠道
第三季度退休期限策略
管理人摘要 退休策略基金由 WSIB 提供。WSIB 已选择 AllianceBernsteinL.P.(AB) 来帮助管理这一系列目标日期基金。WSIB 按年龄确定退休策略基金中的总分配投资组合 (TAP) 分配，然后 AB 利用剩余的资产类别完成资产分配设计。此外，AB 积极管理短期债券、高收益债券、全球房地产投资信托基金和美国中小型股票投资成分。贝莱德机构信托公司 (BTC) 被动管理美国大盘股和全球股票（不包括美国股票）成分。在 WSIB 的指导和监督下，TAPass 资产主要由外部投资专业人士和合伙人管理。TAP 的固定收益投资组合由 WSIB 员工内部管理。 WSIB 的内部固定收益员工也积极管理中期债券部分并被动管理通货膨胀保值证券部分。
评估医院的数字成熟度
数字成熟度评估可以为战略决策提供信息。但是，评估卫生系统数字成熟的国家方法仍处于起步阶段，并且对与此类评估相关的上下文和过程的见解有限。此观点文章描述并比较了评估医院数字成熟度的国家方法。我们回顾了5种评估昆士兰州（澳大利亚），德国，荷兰，挪威和苏格兰医院数字成熟的国家方法，探索了环境，驱动因素和衡量每个国家数字成熟的方法。我们观察到对互操作性的普遍关注，并使用评估结果来塑造国家数字健康策略。指标被广泛对准，但是5个国家 /地区中有4个开发了自己量身定制的指标集。各个国家的关键主题领域包括互操作性，能力，领导力，治理和基础设施。指标的分析是集中的，但与参与组织共享数据。只有1个设置进行了学术评估。数字成熟度评估的主要挑战包括数据收集所需的高成本和时间，有关测量准确性的问题，始终如一的长期跟踪指标的困难以及由于自我报告而引起的潜在偏见。我们还观察到该过程的实际可行性与主题复杂性所需的深度和广度之间的紧张关系，以及国家和地方数据需求之间的紧张关系。在评估全国医院的数字成熟度方面存在一些关键挑战，这些挑战影响了产出的有效性和可靠性。在做出评估告知并随着时间的流逝而进行监控时，需要明确确认这些这些。
迈向以人为本的人工智能成熟度模型
本文讨论了人工智能在工作场所的实施，同时提出了以人为本的人工智能成熟度模型，该模型详细阐述了现有的成熟度模型。该大纲涉及当前人工智能实施的典型用例，因此超出了工业领域。核心重点在于基于人工智能的功能，例如提高精度、支持质量控制或决策、保护安全等，这些功能对于某些行业的高科技环境中的各种工作设置都很重要。这种多样性用例还增加了人工智能实施过程中涉及的学科数量，并导致了对以人为本的确切含义和对工作设计的影响的不同且共存的解释。这就是为什么蓝图包括并结合了某些维度和标准，表明如何实现以人为本的人工智能，并探索了蓝图的扇形结构，以便在实施过程中设定与特定情境需求相关的焦点。