随着人工智能工具的能力，联邦采购中对人工智能准备的需求将继续增长。政府可以采取具体措施，确保人工智能相关法律、法规和行政部门政策的所有制定和实施都包括适当的考虑因素。

2月初，似乎最持久的数字护城河之一终于要被攻破了。在宣布对大型语言模型聊天机器人ChatGPT的开发商OpenAI投资100亿美元后，微软公开表示，它打算迅速推出包含聊天机器人的必应搜索引擎版本，并开创互联网搜索的新时代。，没有什么比谷歌在搜索领域的主导地位更能代表数字市场竞争挑战的了。在许多国家，谷歌占据了超过90%的搜索市场份额，并在十多年的时间里一直保持着这种优势。尽管一些观察人士表示，该公司的核心服务一直在稳步下降，但它的控制仍在继续。随着越来越多的伪装广告在有机搜索结果中不断出现，以及人们对搜索结果质量下降的抱怨，竞争对手介入并使这家巨头失去平衡的时机似乎已经成熟。，除了服务质量不断恶化之外，谷歌的搜索引擎也受到了反竞争行为的指控。人们的担忧主要集中在该公司努力保持其在搜索领域的主导地位，以及所谓的自我偏好——即引导用户使用谷歌自己的内容，并免费使用他人的内容。，除了克服谷歌为巩固其主导地位所做的反竞争努力外，潜在的竞争对手还需要克服谷歌作为全球大部分地区的首选搜索引擎所能实现的个性化程度，存储并从过去的用户搜索中学习。正如广告在搜索结果中日益突出所表明的那样，谷歌在抑制竞争和通过其在搜索领域的主导地位所取得的成功为该公司创造了一条巨大的竞争护城河，使其能够在不造成用户大量损失的情况下降低服务质量。这不仅反映了谷歌在该领域的市场实力，也表明广告在有机搜索结果中的比例，至少在一定程度上，并不一定会阻止用户使用底层搜索产品。，到目前为止，无论是出于意愿还是缺乏替代方案，用户都准备用个人隐私来换取这种个性化，个人隐私越来越被视为数字市场竞争的一个相关方面。与谷歌不同的是，DuckDuckGo等竞争对手试图通过构建一种不以个性化为代价收集或共享用户个人数据的搜索产品来为自己创造空间。虽然DuckDuckGo代表了注重隐私的用户多样化的重要来源，但迄今为止，它还未能摆脱谷歌对搜索市场的控制。，但即使假设谷歌的搜索垄断未来会受到破坏，无论是竞争对手还是正在进行的反垄断行动，关于看门人权力限制的重要问题仍然存在。如果搜索产品越来越依赖聊天机器人式的信息传递方法，人们对这些公司将用户留在自己的围墙花园内的能力的担忧将加剧。

在最近的2023年国情咨文中，乔·拜登总统发表了两项重要声明，我们在过去几年里没有从加拿大政策制定者那里听到足够响亮的声音。，首先，他承诺加强反垄断监管，以控制大型科技公司的权力，这样科技巨头就不能在我们日益数字化的经济中继续从“不公平优势”中获益。，其次，他发誓要对大型科技公司“收集到的我们所有人的个人数据”制定“更严格的限制”。作为一个起点，我们必须认识到个人数据是一种资产，即使在公司资产负债表上找不到。根据《国际会计准则》，资产被定义为由企业等实体控制的可识别资源，该实体可以从中获得未来利益。个人数据反映了这些标准：它可以被识别和控制，未来的利益来自这种控制。，欧盟委员会已经将个人数据视为竞争案件中的一种资产，这反映出人们对数据进一步集中在少数大公司手中的担忧。世界各地越来越多的其他竞争主管机构也对这种数据集中的影响表示担忧。我们在约克大学技术科学与社会研究所发表的一份新报告中分析了这些担忧。这些担忧可以分为三个主要问题。，首先，个人数据的大规模收集和集中会产生网络效应，使数据持有者受益，而对其他人不利，尤其是竞争对手和新兴创新者。（网络效应是指当更多用户加入同一网络（例如Facebook或其他社交媒体）时，网络用户所获得的额外好处。随着更多用户加入网络，它对用户变得更有用，创造了一个自我强化的循环，在这个循环中，用户越来越多地加入一个网络，而不是所有其他网络，从而导致赢家通吃，或大多数情况下的结果。）

我们将平台竞争与内生数据生成、收集和共享相结合，从而为评估数据相关监管和反垄断政策提供了一个统一的框架。数据是由用户的经济活动和平台对数据基础设施的投资共同产生的。数据提高了服务质量，形成了一个倾向于集中市场力量的反馈回路。分散的用户没有内化其数据贡献对（i）其他用户的服务质量、（ii）市场集中度和（iii）平台投资数据基础设施的激励的影响，导致数据收集效率低下。数据共享提案、用户隐私保护、平台承诺和数据市场无法完全解决这些低效问题。我们介绍并分析了代表和协调用户的用户联盟，作为数字时代反垄断和消费者保护的潜在选择。

这项工作采用了一种新的方法来识别和描述采用人工智能（AI）的公司，使用不同来源的大型微观数据。该分析以英国为重点，首次结合了知识产权、网站信息、在线招聘信息和公司层面的财务数据。这表明，很大一部分人工智能使用者活跃在信息和通信技术以及专业服务领域，并且位于英国南部，尤其是伦敦周围。采用者往往比其他公司生产力高、规模大，而年轻的采用者往往更密集地雇佣人工智能工作者。人力资本似乎发挥着重要作用，不仅对人工智能的采用，而且对企业的生产力回报也起着重要作用。当区分进行人工智能创新的公司、拥有人工智能核心业务的公司和寻找人工智能人才的公司时，人工智能采用者的特征会出现显著差异。

The strategy gives effect to the national agenda of accelerating the development of human capital (HC) that underpins entrepreneurship and builds a competitive digital economy that links the public, private and academic sectors of the country. Download this document for more information.

反垄断破坏了大石油。美国参议员认为，它现在可以粉碎硅谷剥削性的科技巨头。欧盟也是如此。但反垄断可能是错误的解决方案。，市场平台是一种自然垄断；政府应该敢于思考如何为公民和当地企业推出一个替代版本。是时候建立一个新的公共事业，充分发挥当今经济基础设施的潜力了。，这一点最好从美国工业鼎盛时期的事后来看。当洛克菲勒的石油和天然气帝国被拆除时，一位孤独的先驱正在构建汽车时代的第二个重要组成部分：道路。意识到自己正在处理的是一种自然垄断，他将重点放在了政府可以煽动的可能性上，而不是遏制滥用权力的行为。

假设你在一家银行工作，该银行使用自动化系统来决定贷款申请、招聘或内部晋升。这些系统包括根据一系列标准设计的机器学习工具，根据历史数据集进行训练，然后自由地进行神秘的工作。也许你个人没有得到晋升。，现在，想象一下，过一段时间，你会发现做出这个决定的人工智能是有缺陷的。也许用于训练它的数据有偏差，或者模型设计得不好。也许系统“漂移”了，就像机器学习模型所做的那样（漂移发生在模型的预测能力因现实世界的变化而随时间衰减时）。被一个你可以挑战的人拒绝是一回事。但人工智能有很多灰色地带。不可能总是看到决策是如何做出的。，这一事实是对值得信赖的人工智能的广泛呼吁的基础，也就是说，在开发和使用人工智能解决方案时要透明、公平和负责任。尽管这些工具前景广阔，但负面结果的风险并不牵强。人工智能偏见是有据可查的。这就是为什么现在是组织认真采取具体措施实现有效人工智能治理的时候了。

尽早发现潜在的承包商履约风险和合同执行问题对于积极的采购管理至关重要。当承包商面临无法达到合同性能目标的危险时，空军部（DAF）采购管理层可能不会完全意识到短缺，直到错过了时间表的最后期限，政府测试表明系统的技术性能较差，或者成本超出预期。人们继续对采购的成本和进度增长表示担忧，专家们认为对采购计划的现状缺乏了解。在本报告中，作者将重点放在比传统的收购监督系统更早发现新出现的执行问题的指标上，以实现更积极的风险和绩效管理。他们总结了他们的发现，其中包括承包商相对风险的分类、主要绩效指标、相关数据源、风险度量和方程，以及使用真实数据源实现其中一些发现的原型。这项研究应该引起采购专业人员和领导层的兴趣，他们正在寻找通过早期识别潜在的相对承包商风险和执行问题来提高采购绩效的方法，为积极的项目管理和风险缓解提供信息。采购官员（从项目经理到里程碑决策机构）应该对原型感兴趣，以帮助他们以易于理解的方式访问更多数据，从而将有限的时间集中在需要加强管理关注的领域。这种方法在采购过程的任何阶段都应该是有用的。

空军专业（AFSs）初始技能培训（IST）的最新趋势表明，近年来，美国空军（USAF）入伍人员重新分类到其他职业专业的人数有所增加，2013财年至2017财年期间稳步增加。职业领域的重新分类可能会导致一系列负面结果，包括成本增加、人员配备延迟、培训计划挑战和士气下降。为了理解和应对IST重新分类的挑战，作者考虑了改进流程的选项，以对入伍的现役、非现役飞行员进行IST分类和重新分类。在这份报告中，他们概述了2019年一项研究的关键发现，该研究采用了定性和定量分析，包括机器学习（ML）模型，来评估IST成功（和失败）的预测因素。他们还描述了他们对优化模型的测试，该模型旨在确定修改重新分类决定的机会，以便不仅减少重新分类的飞行员人数，而且提高飞行员的工作满意度和生产力，并提高美国空军的保留率。