首頁 科技週邊 人工智慧 重塑IT和業務未來的趨勢

重塑IT和業務未來的趨勢

May 14, 2023 pm 08:49 PM
人工智慧 it

 

重塑IT和業務未來的趨勢

加速迭代的新技術正在不斷衝擊市場,人們很容易對這種衝擊力感到麻木。雖然每一項技術都有改變(甚至可以說是「革命」)商業世界的雄心,但我們對一些更有意義的技術趨勢的分析,提供了一個令人信服的實據,表明一些重要的事情確實正在發生。 

這些科技趨勢大致上加速了定義數位時代的主要特徵:粒度、速度和規模。正是這些變化——在運算能力、頻寬和分析技術領域——的規模為新的創新、業務和商業模式打開了大門。 

例如,雲端運算和5G的出現倍增了運算能力和網路速度,從而推動了更大的創新。擴增實境和虛擬實境元宇宙的發展為虛擬研發(例如透過數位孿生和沈浸式學習)打開了大門。人工智慧、機器學習和軟體2.0(機器編寫的程式碼)的進步帶來了一系列新的服務和產品——從自動駕駛汽車到連網家庭,一切都觸手可及。 

人們在辨識科技趨勢上花了很多精力,但卻很少關注這些變化的影響。為了幫助理解管理階層在未來三到五年內需要如何適應這些技術趨勢,我們就這個主題與業務領導者和思想領袖進行了交談。我們並非在尋找預言,而是希望探索現實的場景,它們的意義,以及高階主管可能需要做些什麼來迎接挑戰。

這次討論明確了一些廣泛的、相互關聯的變化,例如技術的迅猛增長如何對企業產生離心力,將創新推向公司邊緣的專家網絡;這些創新的速度和擴散如何要求以全新的方法圍繞著需要的技能構建持續學習;這些民主化的力量如何意味著IT不能再作為技術部署和操作的集中控制器,而是需要成為一個關鍵的推動者和影響者。

1. 邊緣創新 

關鍵技術趨勢 

我們估計70%的公司將採用混合或多雲管理技術、工具和流程。同時,5G的網路速度將比目前4G LTE網路的網路速度快10倍左右,在4G的基礎上,5G上網速度可以提升100倍,達到每秒20Gbps。到2024年,超過50%的用戶流量將由人工智慧驅動的語音、書面文字或電腦視覺演算法增強,而全球數據創建預計將從2020年的64.2 ZB(澤字節,zettabyte)增長到2025年的180 ZB以上。到2030年,低程式碼開發平台市場的複合年增長率(CAGR)預計約為30%。

轉變1:創新圍繞著企業邊緣的專家個人網絡發展,並得到跨業務擴展能力的支持 

這些技術承諾使用幾乎無限的運算能力和海量資料集,以及以低成本實現頻寬的巨大飛躍,使測試、發布和快速擴展創新變得更便宜、更容易。由此帶來的創新加速將意味著,企業將面臨更多來源的更多幹擾。集中的策略和創新職能不可能指望自己保持步調一致。公司將需要更多地參與企業外部的網絡,以發現、投資甚至獲得有前景的機會。

擁有集中式團隊(centralized team)的企業創投基金(VC)一直在尋找和資助創新,但他們的業績記錄並不理想,這往往是因為團隊缺乏必要的技能,而且與各個業務部門不斷變化的需求相去甚遠。相反地​​,企業需要弄清楚如何利用他們的“前線人員”,特別是業務領域的專家和技術人員,使他們能夠實際上充當公司的風險投資部門。這是因為編寫程式碼和建立解決方案的人通常能很好地融入他們所在領域的強大外部網絡,並且具有評估新發現的專業知識。

 例如,一家製藥公司在各個領域(例如基因表現)挖掘自己的專家研究人員,這些人非常了解企業外部該領域的優秀人才。

雖然企業將需要為工程師創造激勵機制和機會來建立和參與他們的網絡,但關鍵點必須是授權/賦能團隊,以便他們可以按照自己認為合適的方式使用分配的預算,並決定實現其目標的技術(在規定的指導方針內)。 

未來的IT組織可以在建立擴展能力方面發揮重要作用,使創新為業務工作,這在傳統上是一個挑戰。個人開發人員或小團隊往往不會自然地考慮如何擴展應用程式。當跨組織的非技術使用者使用低程式碼/無程式碼(LC/NC)應用程式設計和建構帶有「指向-點擊(point-and-click)」或「下拉式選單(pull-down-menu)」介面的程序時,這個問題可能會加劇。 

一家製藥公司深諳此道,當一個非標準的創新想法被證實要優於現存方法時,它賦予了業務部門靈活性,讓他們可以使用這種創新方式。作為對這種靈活性的回報,業務部門必須致力於幫助企業的其他部門使用這個新想法,並將其建置到公司的標準中。 

在考慮這種擴展能力可能如何運作時,公司可以,例如,指派高級開發人員透過重構程式碼來「產品化」應用程序,以便它們可以實現擴展。 IT領導可以提供工具和平台、易於存取的可重複使用程式碼庫以及靈活的、基於標準的體系結構,以便更容易在業務中擴展創新。

領導者需要思考的問題 

•什麼樣的激勵措施能最好地鼓勵工程師和領域專家開發、維護並利用他們的網絡? 

•採用什麼流程追蹤和管理創投活動? 

•你需要什麼樣的能力來識別創新機會,並將最好的創新機會“產業化”,以便在整個企業中分享? 

2. 持續學習的文化  

關鍵科技趨勢  

人工智慧、機器學習、機器人以及其他進步將技術變化的速度提高了十倍。到2025年,我們估計將有500億台設備連接至工業物聯網(IIoT),70%的製造商預計將定期使用數位孿生(到2022年)。到2025年,大約70%的新應用將使用低代碼/無代碼(LC/NC)技術,2020年這一比例還不到25%。到2024年,全球元宇宙的收入機會可能接近8,000億美元,2020年這數字約為5,000億美元。企業家、未來學家Peter Diamandis表示,技術創新的擴散意味著,我們預計在未來10年經歷比過去100年加起來還要多的進步。

轉變2:技術素養成為每個角色的核心,需要持續的學習,並在需要部署時建立在個人技能的水平上 

#隨著技術的發展和擴張將創新推向企業的邊緣,企業需要準備好從各個前線整合最有前景的選項。這將創造巨大的機會,但只有那些透過「持續學習」文化開發真正技術智慧的公司才能掌握這種機會。這項工作的基石包括培訓所有級別的員工——從使用LC/NC工具或在元宇宙等全新環境中工作的「公民開發人員」到全端開發人員和工程師,他們將需要不斷發展自己的技能,以跟上不斷變化的技術。我們已經看到,缺乏訓練的員工使用LC/NC生產出次優產品的情況。 

雖然對於基礎學習總是需要更形式化的路徑,但我們預計,從定期教學課程到持續學習的加速轉變,可以在整個企業中提供不同技術技能。在實踐中,這將意味著圍繞著傳授技能來指導員工的發展。這需要將能力分解成最小的組合技能集。例如,一家大型科技公司為其評估的1,200項技術技能創建了14.6萬個技能數據點。 

關鍵是這些技能「片段」——例如一段程式碼或一段特定談判策略的影片——需要整合到工作流程中,以便在需要時交付。這可能被稱為“LearnOps”方法,在這種方法中,學習被建構到操作中。 Netflix建立了這種整合心態,資料科學家直接與產品經理、工程團隊和其他業務部門合作,設計、執行並從實驗/嘗試中學習。 

與能夠進行學習同樣重要的是建立學習文化,使持續學習成為預期的、容易做到的事情。頂尖工程師的學習方式可能會帶來一定的啟發意義,它是一個高度意識到需要保持技能更新的社群。他們共享程式碼的習慣可謂根深蒂固,而且也會隨時被新專案吸引。例如,使用開源的一個優點是內建社群可以不斷更新和檢查程式碼。本著同樣的精神,我們看到企業在開發產品時,會預算額外的時間,讓人們嘗試新的工具或技術。其他公司也在為「學習緩衝區(learning buffer)」做預算,以應對產品開發過程中的挫折,讓團隊可以從中學習。 

Netflix將廣泛、開放和深思熟慮的資訊共享作為核心價值,將Netflix的實驗平台建構成一個內部產品,作為解決方案的儲存庫,供未來的團隊重複使用。它有一個產品經理和創新路線圖,目標是讓實驗成為產品生命週期中簡單而完整的一部分。 

為了支持這種持續的學習和實驗能力,企業需要能夠接受錯誤,重點在於限制潛在的代價高昂的錯誤(例如丟失或濫用客戶資料)帶來的影響。 IT將需要建立協議、激勵機制和系統,以鼓勵良好的行為,減少不良的行為。許多公司開始採用自動化測試等做法,以第一時間防止錯誤發生;創建空間使錯誤不會影響其他應用程式或系統,例如雲端環境中的隔離區;建立彈性協議。

領導者需要思考的問題 

•你是否列出了公司所需的最重要的技能? 

•進階使用者資料分析和操作者所需的最低學習程度是什麼? 

•你如何追蹤員工在學習什麼,以及這些學習是否有效並轉化為更好的績效? 

##3 . IT即服務 

關鍵技術趨勢 

#據估計,到2028年,全球雲端微服務平台市場的收入將從2020年的9.52億美元增加到42億美元。 GitHub已擁有超過2億個程式碼庫,預計到2025年軟體開發人員將達到1億人。近90%的開發人員已在使用API​​。軟體2.0創造了編寫軟體的新方法,降低了複雜性。從2021年到2028年,來自雲端服務平台、開放儲存庫和軟體即服務(SaaS)的公司所購買的軟體將以27.5%的年複合成長率成長。

轉變3:IT透過提供小的、可互通的程式碼區塊,成為產品創新的推動者

當創新被推到企業邊緣,持續學習文化滲透到企業時,IT的角色就會發生巨大的變化。這就要求IT從傳統的「大型技術資產保護者」角色轉變為「小程式碼區塊的提供者」。 IT效率的黃金標準將是它幫助人們將程式碼片段拼接成有用產品的能力。 

我們已經看到了許多成功實踐案例。例如,G&J百事可樂裝瓶公司的員工在軟體開發方面幾乎沒有經驗,但他們開發了一款應用程序,可以檢查商店貨架的圖像,識別上面瓶子的數量和類型,然後根據歷史趨勢自動完成補充。一家製藥公司僅用一年時間就將其低程式碼平台的用戶從8個增加到1400個。 IT以外的業務用戶現在也正在建立每月有數千個會話的應用程式。根據麥肯錫的一項調查顯示,那些為「公民開發人員」提供支援的公司在創新方面的得分,比倒數四分之一未提供這種支持的公司高出33%。

這些發展更多地指向技術的「自助」方法,IT建立有用的可重用程式碼區塊,有時將它們組裝到特定的產品中,並透過用戶友好型編目系統使它們可用,供企業用來創造所需的產品。 IT提供指導方針,例如API標準和關於代碼可能最有用的環境的指示;保護最敏感的信息,如客戶數據和財務記錄;並跟踪他們的採用情況。隨著機器人、人工智慧、演算法和API的激增,這種追蹤能力將變得尤為重要。單是透明度還遠遠不夠。 IT將需要透過先進的技術性能和管理能力,以及新角色(數據診斷專家和機器人管理者等)的發展來理解所有的活動。 

這種「IT即服務」(IT-as-a-service)的方法將產品置於營運模式的中心,要求圍繞產品管理組織IT。一些公司一直朝著這個方向發展。但要達到支持快節奏和更廣泛的創新所需的規模,還需要對產品所有者做出更深入的承諾,與公司業務方面的領導者合作,管理具有真正損益(P&L)責任的團隊。從傳統企業到數位原生企業,許多企業都發現,讓產品領導者來製定整體產品和投資組合策略,推動執行,並授權產品所有者推動與業務結果和損益指標一致的創新,可以增加流向技術交付的資金回報,並加快創新的步伐。

領導者需要思考的問題 

•你對IT組織的角色將如何改變以實現技術民主化有何展望? 

•你將如何提陞技術產品管理者的角色,你有發展該角色的路線圖嗎? 

•你需要建立什麼樣的系統來管理和追蹤程式碼的使用、重用和效能? 

4. 擴大信任邊界 

關鍵技術趨勢 

據估計,到2022年,幾乎100%具有生物辨識功能的設備(如智慧型手機)將在交易中使用生物辨識技術。這些技術的有效性已經顯著提高,自2014年以來,最好的臉部辨識演算法提高了50倍。這些發展趨勢正在加劇科技與科技消費者之間關係的深刻不安。皮爾森研究所和美聯社-NORC公共事務研究中心調查顯示,「大約三分之二的美國人非常或極度擔心涉及其個人資訊、金融機構、政府機構或某些公用事業的黑行為。」 

轉變4:信任擴展到涵蓋更廣泛的涉眾關注點,並成為整個企業的責任 

這些技術力量和能力的巨大轉變將創造更多的客戶接觸點。即便IT在企業中的角色變得更像是個推動者,不斷擴大的數位環境也意味著IT必須在安全、隱私和網路方面擴大其信任能力。到目前為止,消費者基本上接受了技術提供的便利性——從線上訂購產品到遠端調節家中溫度,再到透過個人設備監測自己的健康狀態等。為了換取這些便利,消費者願意提供一些個人資訊。但是,隨著技術的深入發展,人們對隱私和信任的擔憂正在不斷加劇,這也增加了信任這個廣泛主題的風險。消費者越來越意識到他們的身份權利,基於價值觀做出決定,並要求企業道德地使用數據和負責任的人工智慧技術。 

消費者最明顯的擔憂是網路安全,這是一個持續存在的問題,已經被提上了董事會的議程。但技術驅動的信任問題要廣泛得多,由三個特徵驅動。其一是公司和政府收集的生物識別等個人資料數量龐大,引發了人們對隱私和資料濫用的擔憂;第二,個人安全問題在現實世界中變得越來越普遍。例如,有線家庭、連網汽車和醫療物聯網都是可能影響人們生活的進攻載體;第三個問題是,高階分析似乎過於複雜,難以理解和控制,導致人們對人與科技的關係深感不安。這個問題正在推動「可解釋AI(explainable AI)」的發展以及消除AI偏見的運動。 

進一步增加這種複雜性的因素是,企業經常需要管理和確保整個技術生態系統的信任。以有線家庭為例。虛擬助理、安全、通訊、電源管理和娛樂系統等設備的普及,意味著大量的供應商需要就管理家庭互聯安全網路的標準達成一致。 

這些趨勢都要求進一步擴展信任邊界。除非企業重新思考如何管理和培養這種信任,否則許多現有企業享有的重要優勢——與客戶的現有關係和專有數據——將面臨風險。公司需要考慮將身分和信任管理放在客戶體驗和業務流程的核心。只有當公司指派一位具有實權和董事會優先級的專門領導,並在整個信任和安全領域承擔全企業範圍的責任時,這才能有效地實現。鑑於這種信任環境的技術基礎,IT將需要在監控和補救方面發揮關鍵作用,例如評估新立法對AI演算法的影響,追蹤事件,確定高風險數據處理活動和自動化決策的數量和性質,以及監控消費者信任程度和影響它們的問題。

領導者需要思考的問題 

•誰負責企業範圍內的信任與風險狀況? 

##•你是如何將顧客信任與整個網路安全流程結合的? 

•採用了哪些隱私、信任和安全流程來管理資料的整個生命週期? 

技術變革的步伐將不可避免地繼續加快。未來,成功的技術領導者不僅需要採用新技術,還需要建立吸收持續變化的能力,並使之成為競爭優勢的來源。

以上是重塑IT和業務未來的趨勢的詳細內容。更多資訊請關注PHP中文網其他相關文章!

本網站聲明
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
1 個月前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳圖形設置
1 個月前 By 尊渡假赌尊渡假赌尊渡假赌
威爾R.E.P.O.有交叉遊戲嗎?
1 個月前 By 尊渡假赌尊渡假赌尊渡假赌

熱工具

記事本++7.3.1

記事本++7.3.1

好用且免費的程式碼編輯器

SublimeText3漢化版

SublimeText3漢化版

中文版,非常好用

禪工作室 13.0.1

禪工作室 13.0.1

強大的PHP整合開發環境

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)

位元組跳動剪映推出 SVIP 超級會員:連續包年 499 元,提供多種 AI 功能 位元組跳動剪映推出 SVIP 超級會員:連續包年 499 元,提供多種 AI 功能 Jun 28, 2024 am 03:51 AM

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

使用Rag和Sem-Rag提供上下文增強AI編碼助手 使用Rag和Sem-Rag提供上下文增強AI編碼助手 Jun 10, 2024 am 11:08 AM

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

微調真的能讓LLM學到新東西嗎:引入新知識可能讓模型產生更多的幻覺 微調真的能讓LLM學到新東西嗎:引入新知識可能讓模型產生更多的幻覺 Jun 11, 2024 pm 03:57 PM

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

七個很酷的GenAI & LLM技術性面試問題 七個很酷的GenAI & LLM技術性面試問題 Jun 07, 2024 am 10:06 AM

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

你所不知道的機器學習五大學派 你所不知道的機器學習五大學派 Jun 05, 2024 pm 08:51 PM

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

為大模型提供全新科學複雜問答基準與評估體系,UNSW、阿貢、芝加哥大學等多家機構共同推出SciQAG框架 為大模型提供全新科學複雜問答基準與評估體系,UNSW、阿貢、芝加哥大學等多家機構共同推出SciQAG框架 Jul 25, 2024 am 06:42 AM

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

SOTA性能,廈大多模態蛋白質-配體親和力預測AI方法,首次結合分子表面訊息 SOTA性能,廈大多模態蛋白質-配體親和力預測AI方法,首次結合分子表面訊息 Jul 17, 2024 pm 06:37 PM

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

SK 海力士 8 月 6 日將展示 AI 相關新品:12 層 HBM3E、321-high NAND 等 SK 海力士 8 月 6 日將展示 AI 相關新品:12 層 HBM3E、321-high NAND 等 Aug 01, 2024 pm 09:40 PM

本站8月1日消息,SK海力士今天(8月1日)發布博文,宣布將出席8月6日至8日,在美國加州聖克拉拉舉行的全球半導體記憶體峰會FMS2024,展示諸多新一代產品。未來記憶體和儲存高峰會(FutureMemoryandStorage)簡介前身是主要面向NAND供應商的快閃記憶體高峰會(FlashMemorySummit),在人工智慧技術日益受到關注的背景下,今年重新命名為未來記憶體和儲存高峰會(FutureMemoryandStorage),以邀請DRAM和儲存供應商等更多參與者。新產品SK海力士去年在

See all articles