PulseAugur
实时 16:29:12
实体 ThoughtWorks

ThoughtWorks

PulseAugur coverage of ThoughtWorks — every cluster mentioning ThoughtWorks across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
8
90 天内 8
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
关系
时间线
  1. 2026-06-04 product_launch Thoughtworks launched a new AI readiness assessment tool. 来源
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/1 页 · 共 8 条
  1. COMMENTARY · CL_132142 ·

    AI 采用使僵化组织失败;容器化为变革提供了模型

    Mphasis 首席执行官 Nitin Rakesh 认为,组织押注于通过投资 AI 来弥补僵化结构是一个错误的策略,他将其比作在未改进底层系统的情况下增加智能。他将此与 Malcolm McLean 的集装箱化创新进行了类比,后者通过标准化货物处理而非仅仅提高船舶速度彻底改变了物流。Rakesh 认为,如果核心架构保持不变,AI 就像之前的技术一样,只会加速现有的组织惯性。Thoughtworks 和 IDC 的一项最新研究发现,虽…

  2. TOOL · CL_103354 ·

    Thoughtworks 和 Databricks 发布关于 AI 治理的数据平台手册

    Thoughtworks 与 Databricks 合作发布了“数据平台手册”。该指南探讨了由智能体驱动的系统内治理不断发展的格局,并提供了行业领袖关于实时问责制和数据架构未来的见解。

  3. TOOL · CL_94767 ·

    Thoughtworks推出Agent/works™以实现企业AI代理治理

    Thoughtworks推出了Agent/works™,这是一个旨在解决企业环境中扩展代理式AI所带来的治理挑战的新平台。该平台为跨各种云平台运行的AI代理提供了一个受治理的运行时、集中可见性和成本控制。此次发布是在Databricks Data + AI峰会上进行的,凸显了随着AI代理在业务运营中日益普及,对强大管理解决方案日益增长的需求。

  4. TOOL · CL_70785 ·

    Thoughtworks推出AI就绪度评估工具

    Thoughtworks推出了一款新的AI就绪度评估工具,旨在帮助组织评估其当前能力。该评估侧重于六个关键维度,以识别优势和劣势。此举旨在指导企业有效扩展其AI项目并实现可持续的业务价值。

  5. TOOL · CL_56596 ·

    Thoughtworks通过Unity Catalog和Backstage简化数据访问

    Thoughtworks发布了一篇博客文章,详细介绍了如何跨多个服务简化访问控制和审计日志记录。文章解释了Unity Catalog如何吸收操作数据库,从而允许Spotify的Backstage从一个位置管理访问策略。此集成提供了数据操作的统一审计跟踪。

  6. TOOL · CL_54955 ·

    AI 开发风险引发对安全编码环境的呼吁

    一篇近期文章强调了使用生成式 AI 进行应用程序开发相关的安全风险,特别是“Vibe Coding”方法,该方法使非技术用户能够快速创建原型。AI 倾向于选择阻力最小的路径,这可能导致不安全的配置,例如暴露数据存储或授予过多的权限。作者强调,虽然 AI 加速了开发,但人工监督至关重要,并且必须辅以技术控制。提出的解决方案包括使用引导和感知机制来指导和验证 AI 输出的“安全环境”工程方法,以及组织变革,以确保 AI 驱动的软件开发中的效率和安全。

  7. COMMENTARY · CL_13467 ·

    Thoughtworks Radar:AI代理通过新实践重塑软件工程

    Thoughtworks最新的Technology Radar报告强调了AI代理驱动的软件工程的重大转变。报告强调了上下文工程、零信任、Harness工程和编码代理质量门等概念日益增长的重要性。这些发展正在重塑工程经理、架构师和技术主管如何进行软件开发及其周边环境。

  8. COMMENTARY · CL_04689 ·

    LLM驱动的传记生成

    Eugene Yan 使用了包括 GPT-4、Claude-v1.2 和 Cohere-xlarge 在内的几款大型语言模型,要求它们生成他的传记。他观察到,尽管模型捕捉到了他职业生涯的大致要点,但关于他的教育和就业历史,模型常常包含事实性错误。Yan 指出,GPT-3.5 和 GPT-4 在测试模型中表现最好,但仍然存在错误,这表明它们的知识仅限于其训练数据。