首页 科技周边 人工智能 重塑IT和业务未来的趋势

重塑IT和业务未来的趋势

May 14, 2023 pm 08:49 PM
人工智能 it

 

重塑IT和业务未来的趋势

加速迭代的新技术正在不断冲击市场,人们很容易对这种冲击力感到麻木。虽然每一项技术都有改变(甚至可以说是“革命”)商业世界的雄心,但我们对一些更有意义的技术趋势的分析,提供了一个令人信服的实据,表明一些重要的事情确实正在发生。 

这些技术趋势总体上加速了定义数字时代的主要特征:粒度、速度和规模。正是这些变化——在计算能力、带宽和分析技术领域——的规模为新的创新、业务和商业模式打开了大门。 

例如,云计算和5G的出现成倍提高了计算能力和网络速度,从而推动实现了更大的创新。增强现实和虚拟现实元宇宙的发展为虚拟研发(例如通过数字孪生和沉浸式学习)打开了大门。人工智能、机器学习和软件2.0(机器编写的代码)的进步带来了一系列新的服务和产品——从自动驾驶汽车到联网家庭,一切都触手可及。 

人们在识别技术趋势上花了很多精力,但却很少关注这些变化的影响。为了帮助理解管理层在未来三到五年内需要如何适应这些技术趋势,我们就这个话题与业务领导者和思想领袖进行了交谈。我们并非在寻找预言,而是希望探索现实的场景,它们的含义,以及高管们可能需要做些什么来迎接挑战。 

此次讨论明确了一些广泛的、相互关联的变化,比如技术的迅猛增长如何对企业产生离心力,将创新推向公司边缘的专家网络;这些创新的速度和扩散如何要求以全新的方法围绕需要的技能构建持续学习;这些民主化的力量如何意味着IT不能再作为技术部署和操作的集中控制器,而是需要成为一个关键的推动者和影响者。 

1. 边缘创新 

关键技术趋势 

我们估计70%的公司将采用混合或多云管理技术、工具和流程。与此同时,5G的网速将比目前4G LTE网络的网速快10倍左右,在4G的基础上,5G上网速度可以提升100倍,达到每秒20Gbps。到2024年,超过50%的用户流量将由人工智能驱动的语音、书面文字或计算机视觉算法增强,而全球数据创建预计将从2020年的64.2 ZB(泽字节,zettabyte)增长到2025年的180 ZB以上。到2030年,低代码开发平台市场的复合年增长率(CAGR)预计约为30%。 

转变1:创新围绕着企业边缘的专家个人网络发展,并得到跨业务扩展能力的支持 

这些技术承诺使用几乎无限的计算能力和海量数据集,以及以低成本实现带宽的巨大飞跃,使测试、发布和快速扩展创新变得更便宜、更容易。由此带来的创新加速将意味着,企业将面临来自更多来源的更多干扰。集中的战略和创新职能不可能指望自己保持步调一致。公司将需要更多地参与企业外部的网络,以发现、投资甚至获得有前景的机会。 

拥有集中式团队(centralized team)的企业风险投资基金(VC)一直在寻找和资助创新,但他们的业绩记录并不理想,这往往是因为团队缺乏必要的技能,而且与各个业务部门不断变化的需求相去甚远。相反地,企业需要弄清楚如何利用他们的“前线人员”,特别是业务领域的专家和技术人员,使他们能够实际上充当公司的风险投资部门。这是因为编写代码和构建解决方案的人通常能很好地融入他们所在领域的强大外部网络,并且具有评估新发现的专业知识。

 例如,一家制药公司在各个领域(例如基因表达)挖掘自己的专家研究人员,这些人非常了解企业外部该领域的优秀人才。 

虽然企业将需要为工程师创造激励机制和机会来建立和参与他们的网络,但关键点必须是授权/赋能团队,以便他们可以按照自己认为合适的方式使用分配的预算,并决定实现其目标的技术(在规定的指导方针内)。 

未来的IT组织可以在建立扩展能力方面发挥重要作用,使创新为业务工作,这在传统上是一个挑战。个人开发人员或小团队往往不会自然地考虑如何扩展应用程序。当跨组织的非技术用户使用低代码/无代码(LC/NC)应用程序设计和构建带有“指向-点击(point-and-click)”或“下拉菜单(pull-down-menu)”界面的程序时,这个问题可能会加剧。 

一家制药公司深谙此道,当一个非标准的创新想法被证实要优于现存方法时,它赋予了业务部门灵活性,让他们可以使用这种创新方式。作为对这种灵活性的回报,业务部门必须致力于帮助企业的其他部门使用这一新想法,并将其构建到公司的标准中。 

在考虑这种扩展能力可能如何工作时,公司可以,例如,指派高级开发人员通过重构代码来“产品化”应用程序,以便它们可以实现扩展。IT领导可以提供工具和平台、易于访问的可重用代码库以及灵活的、基于标准的体系结构,以便更容易地在业务中扩展创新。 

领导者需要思考的问题 

•什么样的激励措施能最好地鼓励工程师和领域专家开发、维护并利用他们的网络? 

•采用什么流程跟踪和管理风险投资活动? 

•你需要什么样的能力来识别创新机会,并将最好的创新机会“产业化”,以便在整个企业中共享? 

2. 持续学习的文化 

关键技术趋势 

人工智能、机器学习、机器人以及其他进步将技术变化的速度提高了十倍。到2025年,我们估计将有500亿台设备连接至工业物联网(IIoT),70%的制造商预计将定期使用数字孪生(到2022年)。到2025年,大约70%的新应用将使用低代码/无代码(LC/NC)技术,2020年这一比例还不到25%。到2024年,全球元宇宙的收入机会可能接近8000亿美元,2020年这一数字约为5000亿美元。企业家、未来学家Peter Diamandis表示,技术创新的扩散意味着,我们有望在未来10年经历比过去100年加起来还要多的进步。 

转变2:技术素养成为每个角色的核心,需要持续的学习,并在需要部署时建立在个人技能的水平上 

随着技术的发展和扩张将创新推向企业的边缘,企业需要准备好从各个前线整合最有前景的选项。这将创造巨大的机会,但只有那些通过“持续学习”文化开发真正技术智能的公司才能把握住这种机会。这项工作的基石包括培训所有级别的员工——从使用LC/NC工具或在元宇宙等全新环境中工作的“公民开发人员”到全栈开发人员和工程师,他们将需要不断发展自己的技能,以跟上不断变化的技术。我们已经看到,缺乏培训的员工使用LC/NC生产出次优产品的情况。 

虽然对于基础学习总是需要更形式化的路径,但我们预计,从定期教学课程到持续学习的加速转变,可以在整个企业中提供不同技术技能。在实践中,这将意味着围绕传授技能来指导员工的发展。这需要将能力分解成最小的组合技能集。例如,一家大型科技公司为其评估的1200项技术技能创建了14.6万个技能数据点。 

关键是这些技能“片段”——比如一段代码或一段特定谈判策略的视频——需要集成到工作流程中,以便在需要时交付。这可能被称为“LearnOps”方法,在这种方法中,学习被构建到操作中。Netflix建立了这种整合心态,数据科学家直接与产品经理、工程团队和其他业务部门合作,设计、执行并从实验/尝试中学习。 

与能够进行学习同样重要的是建立一种学习文化,使持续学习成为预期的和容易做到的事情。顶级工程师的学习方式可能会带来一定的启发意义,它是一个高度意识到需要保持技能更新的社区。他们共享代码的习惯可谓根深蒂固,而且也会随时被新项目吸引。例如,使用开源的一个优点是内置社区可以不断更新和检查代码。本着同样的精神,我们看到企业在开发产品时,会预算额外的时间,让人们尝试新的工具或技术。其他公司也在为“学习缓冲区(learning buffer)”做预算,以应对产品开发过程中的挫折,让团队可以从中学习。 

Netflix将广泛、开放和深思熟虑的信息共享作为核心价值,将Netflix的实验平台构建为一个内部产品,充当解决方案的存储库,供未来的团队重用。它有一个产品经理和创新路线图,目标是让实验成为产品生命周期中简单而完整的一部分。 

为了支持这种持续的学习和实验能力,企业需要能够接受错误,重点在于限制潜在的代价高昂的错误(例如丢失或滥用客户数据)带来的影响。IT将需要构建协议、激励机制和系统,以鼓励良好的行为,减少不良的行为。许多公司开始采用自动化测试等做法,以第一时间防止错误发生;创建空间使错误不会影响其他应用程序或系统,例如云环境中的隔离区;建立弹性协议。 

领导者需要思考的问题 

•你是否列出了公司所需要的最重要的技能? 

•高级用户数据分析和操作者所需的最低学习水平是什么? 

•你如何跟踪员工在学习什么,以及这些学习是否有效并转化为更好的绩效? 

3. IT即服务 

关键技术趋势 

据估计,到2028年,全球云微服务平台市场的收入将从2020年的9.52亿美元增加到42亿美元。GitHub已拥有超过2亿个代码库,预计到2025年软件开发人员将达到1亿人。近90%的开发人员已在使用API。软件2.0创造了编写软件的新方法,降低了复杂性。从2021年到2028年,来自云服务平台、开放存储库和软件即服务(SaaS)的公司采购的软件将以27.5%的年复合增长率增长。 

转变3:IT通过提供小的、可互操作的代码块,成为产品创新的推动者

当创新被推到企业边缘,持续学习文化渗到企业中时,IT的角色就会发生巨大的变化。这就要求IT从传统的“大型技术资产保护者”角色转变为“小代码块的提供者”。IT效率的黄金标准将是它帮助人们将代码片段拼接成有用产品的能力。 

我们已经看到了诸多成功实践案例。例如,G&J百事可乐装瓶公司的员工在软件开发方面几乎没有经验,但他们开发了一款应用程序,可以检查商店货架的图像,识别上面瓶子的数量和类型,然后根据历史趋势自动完成补充。一家制药公司仅用一年时间就将其低代码平台的用户从8个增加到1400个。IT之外的业务用户现在也正在构建每月有数千个会话的应用程序。根据麦肯锡的一项调查显示,那些为“公民开发人员”提供支持的公司在创新方面的得分,要比倒数四分之一未提供这种支持的公司高出33%。 

这些发展更多地指向技术的“自助”方法,IT构建有用的可重用代码块,有时将它们组装到特定的产品中,并通过用户友好型编目系统使它们可用,供企业用来创建所需的产品。IT提供指导方针,例如API标准和关于代码可能最有用的环境的指示;保护最敏感的信息,如客户数据和财务记录;并跟踪他们的采用情况。随着机器人、人工智能、算法和API的激增,这种跟踪能力将变得尤为重要。单是透明度还远远不够。IT将需要通过先进的技术性能和管理能力,以及新角色(数据诊断专家和机器人管理者等)的发展来理解所有的活动。 

这种“IT即服务”(IT-as-a-service)的方法将产品置于运营模型的中心,要求围绕产品管理组织IT。一些公司一直在朝着这个方向发展。但要达到支持快节奏和更广泛的创新所需的规模,还需要对产品所有者做出更深入的承诺,与公司业务方面的领导者合作,管理具有真正损益(P&L)责任的团队。从传统企业到数字原生企业,许多企业都发现,让产品领导者来制定整体产品和投资组合战略,推动执行,并授权产品所有者推动与业务结果和损益指标相一致的创新,可以增加流向技术交付的资金回报,并加快创新的步伐。 

领导者需要思考的问题 

•你对IT组织的角色将如何改变以实现技术民主化有何展望? 

•你将如何提升技术产品管理者的角色,你有发展该角色的路线图吗? 

•你需要建立什么样的系统来管理和跟踪代码的使用、重用和性能? 

4. 扩大信任边界 

关键技术趋势 

据估计,到2022年,几乎100%具有生物识别功能的设备(如智能手机)将在交易中使用生物识别技术。这些技术的有效性已经显著提高,自2014年以来,最好的面部识别算法提高了50倍。这些发展趋势正在加剧技术与技术消费者之间关系的深刻不安。皮尔逊研究所和美联社-NORC公共事务研究中心调查显示,“大约三分之二的美国人非常或极度担心涉及其个人信息、金融机构、政府机构或某些公用事业的黑行为。” 

转变4:信任扩展到涵盖更广泛的涉众关注点,并成为整个企业的责任 

这些技术力量和能力的巨大转变将创造更多的客户接触点。即便IT在企业中的角色变得更像是一个推动者,不断扩大的数字环境也意味着IT必须在安全、隐私和网络方面扩大其信任能力。到目前为止,消费者基本上接受了技术提供的便利——从在线订购产品到远程调节家中温度,再到通过个人设备监测自己的健康状态等。为了换取这些便利,消费者愿意提供一些个人信息。但是,随着技术的深入发展,人们对隐私和信任的担忧正在不断加剧,这也增加了信任这个广泛话题的风险。消费者越来越意识到他们的身份权利,基于价值观做出决定,并要求企业道德地使用数据和负责任的人工智能技术。 

消费者最明显的担忧是网络安全,这是一个持续存在的问题,已经被提上了董事会的议程。但技术驱动的信任问题要广泛得多,由三个特征驱动。其一是公司和政府收集的生物识别等个人数据数量庞大,引发了人们对隐私和数据滥用的担忧;第二,个人安全问题在现实世界中变得越来越普遍。例如,有线家庭、联网汽车和医疗物联网都是可能影响人们生活的进攻载体;第三个问题是,高级分析似乎过于复杂,难以理解和控制,导致人们对人与技术的关系深感不安。这个问题正在推动“可解释AI(explainable AI)”的发展以及消除AI偏见的运动。 

进一步增加这种复杂性的因素是,企业经常需要管理和确保跨整个技术生态系统的信任。以有线家庭为例。虚拟助手、安全、通信、电源管理和娱乐系统等设备的普及,意味着大量的供应商需要就管理家庭互联安全网络的标准达成一致。 

这些趋势都要求进一步扩展信任边界。除非企业重新思考如何管理和培养这种信任,否则许多现有企业享有的重要优势——与客户的现有关系和专有数据——将面临风险。公司需要考虑将身份和信任管理放在客户体验和业务流程的核心位置。只有当公司指派一位具有实权和董事会优先级的专门领导,并在整个信任和安全领域承担全企业范围的责任时,这才能有效地实现。鉴于这种信任环境的技术基础,IT将需要在监控和补救方面发挥关键作用,例如评估新立法对AI算法的影响,跟踪事件,确定高风险数据处理活动和自动化决策的数量和性质,以及监控消费者信任水平和影响它们的问题。 

领导者需要思考的问题 

•谁负责企业范围内的信任和风险状况? 

•你是如何将客户信任与整个网络安全流程相结合的? 

•采用了哪些隐私、信任和安全流程来管理数据的整个生命周期? 

技术变革的步伐将不可避免地继续加快。未来,成功的技术领导者不仅需要采用新技术,还需要建立吸收持续变化的能力,并使之成为竞争优势的来源。

以上是重塑IT和业务未来的趋势的详细内容。更多信息请关注PHP中文网其他相关文章!

本站声明
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover

AI Clothes Remover

用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool

Undress AI Tool

免费脱衣服图片

Clothoff.io

Clothoff.io

AI脱衣机

AI Hentai Generator

AI Hentai Generator

免费生成ai无尽的。

热门文章

R.E.P.O.能量晶体解释及其做什么(黄色晶体)
4 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.最佳图形设置
4 周前 By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O.如果您听不到任何人,如何修复音频
4 周前 By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25:如何解锁Myrise中的所有内容
1 个月前 By 尊渡假赌尊渡假赌尊渡假赌

热工具

记事本++7.3.1

记事本++7.3.1

好用且免费的代码编辑器

SublimeText3汉化版

SublimeText3汉化版

中文版,非常好用

禅工作室 13.0.1

禅工作室 13.0.1

功能强大的PHP集成开发环境

Dreamweaver CS6

Dreamweaver CS6

视觉化网页开发工具

SublimeText3 Mac版

SublimeText3 Mac版

神级代码编辑软件(SublimeText3)

字节跳动剪映推出 SVIP 超级会员:连续包年 499 元,提供多种 AI 功能 字节跳动剪映推出 SVIP 超级会员:连续包年 499 元,提供多种 AI 功能 Jun 28, 2024 am 03:51 AM

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

使用Rag和Sem-Rag提供上下文增强AI编码助手 使用Rag和Sem-Rag提供上下文增强AI编码助手 Jun 10, 2024 am 11:08 AM

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

微调真的能让LLM学到新东西吗:引入新知识可能让模型产生更多的幻觉 微调真的能让LLM学到新东西吗:引入新知识可能让模型产生更多的幻觉 Jun 11, 2024 pm 03:57 PM

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

七个很酷的GenAI & LLM技术性面试问题 七个很酷的GenAI & LLM技术性面试问题 Jun 07, 2024 am 10:06 AM

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

为大模型提供全新科学复杂问答基准与测评体系,UNSW、阿贡、芝加哥大学等多家机构联合推出SciQAG框架 为大模型提供全新科学复杂问答基准与测评体系,UNSW、阿贡、芝加哥大学等多家机构联合推出SciQAG框架 Jul 25, 2024 am 06:42 AM

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

你所不知道的机器学习五大学派 你所不知道的机器学习五大学派 Jun 05, 2024 pm 08:51 PM

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

SOTA性能,厦大多模态蛋白质-配体亲和力预测AI方法,首次结合分子表面信息 SOTA性能,厦大多模态蛋白质-配体亲和力预测AI方法,首次结合分子表面信息 Jul 17, 2024 pm 06:37 PM

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

SK 海力士 8 月 6 日将展示 AI 相关新品:12 层 HBM3E、321-high NAND 等 SK 海力士 8 月 6 日将展示 AI 相关新品:12 层 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)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在

See all articles