政府以未能达成关键里程碑为由,终止了与Capita就皇家邮政养老金计划所签订的合同。此次公告发布之际,Capita正面临外界对其自去年12月接手公务员养老金计划(CSPS)管理以来所造成混乱局面的强烈质疑。
内阁办公室部长尼克·托马斯-西蒙兹在议会表示,合同终止的原因是该外包服务商"未能完成多项里程碑任务"。他补充道:"由于未能达成关键过渡里程碑,且对Capita能否及时实施并完成新运营模式过渡缺乏信心,我今日向议会宣布,已终止与Capita签订的皇家邮政法定养老金计划新合同。"
他进一步指出:"Capita拥有18个月的准备窗口期用于过渡。然而他们未能完成多项里程碑任务,包括未能实施所要求的IT自动化系统。内阁办公室已多次就过渡里程碑的延误问题提出警示。"
内阁办公室发言人表示:"由于Capita未能达成关键交付里程碑,我们已终止与其就皇家邮政法定养老金计划所签订的合同。目前会员的服务水平未受任何影响,我们将确保在过渡至新合同期间,相关项目持续稳定运行。"
似曾相识的困局
Capita今年因接管公务员养老金计划管理工作而饱受批评。由于延误问题,数千名前公务员陷入了经济困难。
2023年,内阁办公室向Capita授予了一份为期七年、价值2.39亿英镑的CSPS管理合同,该计划共有170万名成员。合同交接自前任管理机构MyCSP于2025年12月1日正式完成。此后一个月内,由于延误和问题频发,一名来自英国税务海关总署的紧急事务协调员被派驻,负责主导"紧急恢复计划"。
早在去年10月,即Capita接管工作启动前夕,公共账目委员会(PAC)发布的一份报告就已指出,Capita存在"无法按时完成接管"的切实风险,并将人员配置不足、自动化目标不切实际以及IT里程碑未能完成列为主要隐患。
今年2月,在公共账目委员会的一次听证会上,Capita向议员表示,延误部分源于其接手合同时遗留的1.6万封未读邮件和2000万条数据库错误。
面对议员的质询,Capita公共服务部门董事总经理克里斯·克莱门茨被问及该公司是否曾被就积压情况进行误导。他表示:"上线之后,积压问题的实际规模令我们深感意外。"
然而,MyCSP首席执行官邓肯·沃森在致议员的信函中表示,该公司没有任何关于Capita在公共账目委员会听证中所提及的数据库错误的记录。他同时指出,Capita提到的1.6万封未读邮件,实为"封锁期"内MyCSP可以记录但无法处理的邮件所致。MyCSP于2012年作为政府与私营企业的合资机构成立。
他还补充称,Capita在合同交接方面的准备工作(如演练排练)远远不够充分:"第二个关键教训是,在新管理机构'切换'前后,必须对相关阶段进行详尽、严密的规划。我们认为,这些工作并未达到如此重大过渡所要求的细致程度和彻底性。因此,在过渡前,未能对缺乏稳健过渡/切换流程所带来的风险进行充分评估和有效缓释。"
Q&A
Q1:政府为什么终止与Capita的皇家邮政养老金合同?
A:内阁办公室部长尼克·托马斯-西蒙兹表示,Capita未能完成多项关键过渡里程碑,包括未能实施所要求的IT自动化系统。尽管Capita拥有18个月的准备期,内阁办公室也多次就延误问题发出警示,但情况未得到改善,政府最终决定终止合同。
Q2:Capita接管公务员养老金计划后出现了哪些问题?
A:自2025年12月Capita正式接管公务员养老金计划管理工作以来,由于严重延误,数千名前公务员陷入了经济困难。Capita将部分责任归咎于接手时遗留的1.6万封未读邮件和2000万条数据库错误,但前任管理机构MyCSP对此说法予以否认,并指出Capita的过渡准备工作存在明显不足。
Q3:公共账目委员会对Capita的接管工作有何预警?
A:早在2024年10月,即Capita正式接管前,公共账目委员会发布报告指出,Capita存在无法按时完成接管的切实风险,主要隐患包括人员配置不足、自动化目标不切实际以及IT里程碑未能按期完成。然而,这些警示并未有效推动相关问题的解决。
好文章,需要你的鼓励
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
谷歌在Android Show发布会上宣布,将Gemini更深度整合至Android系统,推出名为"Gemini Intelligence"的升级功能。该功能可跨应用处理日常任务,包括自动填写表单、安排日程、生成购物清单及自定义小组件等,无需用户频繁切换应用。此外,Gboard新增"Rambler"功能,可自动过滤语音输入中的口误和填充词。Gemini Intelligence将率先登陆三星Galaxy和谷歌Pixel手机,并支持Android Auto、Wear OS及智能眼镜。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。