Gartner發佈2021年重要戰略科技趨勢 包括人工智能工程化
2020年10月20日09:14

原標題:Gartner發佈2021年重要戰略科技趨勢 包括人工智能工程化

【TechWeb】10月20日消息,信息技術研究和顧問公司Gartner今日發佈了企業機構在2021年需要深挖的重要戰略科技趨勢。

Gartner認為2021年重要戰略科技趨勢具體如下:

行為互聯網(Internet of Behaviors)

行為互聯網(IoB)不斷湧現,許多技術都在捕獲並使用人們日常生活中的“數字塵埃”。IoB彙集了面部識別、位置跟蹤和大數據等當前直接關注個人的技術,並將結果數據與現金購買或設備使用等相關的行為事件相關聯。

企業機構使用該數據來影響人的行為。例如為了在疫情期間監控對健康規定的遵守情況,企業機構可以通過使用IoB計算機視覺來查看員工是否戴著口罩或通過熱成像來識別發熱者。

Gartner預測,到2025年末,全球一半以上的人口將至少參加一項商業或政府的IoB計劃。雖然IoB在技術上可成為可能,但社會各界將對各種影響行為的方法展開廣泛的倫理和社會學討論。

全面體驗(Total Experience)

去年Gartner將多重體驗定義為一種重要的戰略科技趨勢。今年,這一趨勢又進一步發展成為全面體驗(TX),將多重體驗與客戶、員工和用戶體驗相聯繫。Gartner預計在未來三年中,提供TX的企業機構在關鍵滿意度指標方面的表現將超越競爭對手。”

由於新冠疫情,移動、虛擬和分佈式互動日益盛行,因此企業機構需要有TX策略。TX將改善體驗的各個組成部分,實現業務成果的轉型。這些相互交織的體驗是企業運用創新革命性體驗實現差異化,從而從疫情中恢復的關鍵驅動力。

隱私增強計算(Privacy-Enhancing Computation)

隨著全球數據保護法規的成熟,各地區首席信息官所面臨的隱私和違規風險超過了以往任何時候。不同於常見的靜態數據安全控制,隱私增強計算可在確保保密性或隱私的同時,保護正在使用的數據。

Gartner認為,到2025年將有一半的大型企業機構使用隱私增強計算在不受信任的環境和多方數據分析用例中處理數據。企業機構應在開始確認隱私增強計算候選對象時,評估要求個人數據轉移、數據貨幣化、欺詐分析和其他高度敏感數據用例的數據處理活動。

分佈式雲(Distributed Cloud)

分佈式雲將公有雲分佈到不同的物理位置,但服務的運營、治理和發展依然由公有雲提供商負責。它為具有低延遲、降低數據成本需求和數據駐留要求的企業機構方案提供了一個靈活的環境,同時還使客戶的雲計算資源能夠更靠近發生數據和業務活動的物理位置。

到2025年,大多數雲服務平台至少都能提供一些可以根據需要執行的分佈式雲服務。分佈式雲可以取代私有雲,並為雲計算提供邊緣雲和其他新用例。它代表了雲計算的未來。

隨處運營(Anywhere Operations)

隨處運營是一種為全球各地客戶提供支援、賦能全球各地員工並管理各類分佈式基礎設施業務服務部署的IT運營模式。它所涵蓋的不僅僅是在家工作或與客戶進行虛擬互動,還能提供所有五個核心領域的獨特增值體驗,分別是:協作和生產力、安全遠程訪問、雲和邊緣基礎設施、數字化體驗量化以及遠程運營自動化支援。

到2023年末,40%的企業機構將通過隨處運營提供經過優化與混合的虛擬/物理客戶與員工體驗。

網絡安全網格(Cybersecurity Mesh)

網絡安全網格使任何人都可以安全地訪問任何數字資產,無論資產或人員位於何處。它通過雲交付模型解除策略執行與策略決策之間的關聯,並使身份驗證成為新的安全邊界。到2025年,網絡安全網格將支援超過一半的數字訪問控制請求。

新冠疫情加快了耗時數十年的數字化企業變革過程。我們已經越過了一個轉折點,大多數企業機構的網絡資產現在都已超出傳統的物理和邏輯安全邊界。隨著隨處運營的不斷髮展,網絡安全網狀組網將成為從非受控設備安全訪問和使用雲端應用與分佈式數據的最實用方法。

組裝式智能企業(Intelligent Composable Business)

為了提高效率而建立的靜態業務流程非常脆弱,因此在疫情的衝擊下變得支離破碎。首席信息官和IT領導者正在努力收拾殘局,他們開始瞭解適應業務變化速度的業務能力有多麼重要。

智能組合型業務通過獲取更好的信息並對此做出更敏銳的響應來徹底改變決策。依靠豐富的數據和洞見,未來的機器將具有更強大的決策能力。智能組合型業務將為重新設計數字化業務時刻、新業務模式、自主運營和新產品、各類服務及渠道鋪平道路。

人工智能工程化(AI Engineering)

Gartner的研究表明,只有53%的項目能夠從人工智能(AI)原型轉化為生產。首席信息官和IT領導者發現,由於缺乏創建和管理生產級人工智能管道的工具, 人工智能項目的擴展難度很大。為了將人工智能轉化為生產力,就必須轉向人工智能工程化這門專注於各種人工智能操作化和決策模型(例如機器學習或知識圖)治理與生命週期管理的學科。

人工智能工程化立足於三大核心支柱:數據運維、模型運維和開發運維。強大的人工智能工程化策略將促進人工智能模型的性能、可擴展性、可解釋性和可靠性,完全實現人工智能投資的價值。

超級自動化(Hyperautomation)

業務驅動型超級自動化是一項可用於快速識別、審查和自動執行大量獲準業務和IT流程的嚴格方法。在過去幾年中,超級自動化一直在持續不斷地發展。而因為疫情,一切事物都被突然要求首先實現數字化,這大大增加了市場的需求。業務利益相關者所積壓的需求已促使70%以上的商業機構實施了數十種超級自動化計劃。

超級自動化是一股不可避免且不可逆轉的趨勢。一切可以而且應該被自動化的事物都將被自動化。

視頻精選
更多新聞