Кривая развития технологий (или Hype Cycle) - это концептуальный продукт, разработанный американской компанией Gartner, специализирующейся на исследованиях и консультировании в области информационных технологий. Он представляет собой прогноз развития новых, прорывных технологий, которые, согласно прогнозам, будут динамично развиваться в течение ближайшего десятилетия.
Методология этого цикла проливает свет на зарождающиеся технологии, которые появились недавно и уже вызывают большой резонанс. Кривая развития прогнозирует их прогресс во времени и потенциальную значимость для решения реальных бизнес-задач: она служит ориентиром для принятия решения о создании стартапов на их основе, инвестировании значительных средств в их развитие в надежде на отдачу через несколько лет.
По определению Gartner, “прорывные технологии” - это технологии, которые по своей сути являются революционными, но их жизнеспособность и конкурентные преимущества еще не доказаны. Для построения этого графика и нанесения на него 30 точек аналитики компании отбирают тысячи уникальных технологий, которые, по их мнению, в течение 5-10 лет окажут глубокое влияние на общество и бизнес.
S-образная кривая состоит из пяти сегментов, каждый из которых представляет собой фазу цикла.
На графике представлены технологии, которые, как ожидается, окажут существенное влияние на бизнес и общество в горизонте 2-10 лет и позволят ИТ-директорам и руководителям предприятий осуществить цифровую трансформацию своего бизнеса.
Однако новые технологии, не имеющие доказанных конкурентных преимуществ, по своей сути являются разрушительными. Чтобы использовать открывающиеся перед ними возможности, необходимо понимать потенциальные сценарии использования и пути массового внедрения. Внедрение этих технологий может занять от двух лет до нескольких десятилетий.
По словам Мелиссы Дэвис, вице-президента Gartner по аналитике, все эти технологии находятся на ранних стадиях развития, а некоторые еще в зачаточном состоянии, что приводит к большой неопределенности в отношении траектории их развития. Технологии, находящиеся на стадии зарождения, несут существенные риски при внедрении, но потенциально могут дать больше преимуществ тем, кто примет их на ранней стадии, что отличает их от основных стратегических технологических трендов.
Три темы текущего цикла развития технологий, которые необходимо рассмотреть в 2024 году
В августе 2023 года компания обновила свой прогноз. В нем были выделены 25 новых технологий, о которых стоит знать, если вы следите за технологическими новинками и не хотите пропустить важные развивающиеся тенденции.
Перспективные технологии, которые аналитики выделили в 2024 году, делятся на три группы:
1. Расширение возможностей иммерсивности;
2. Ускорение автоматизации и внедрение искусственного интеллекта (ИИ);
3. Инновации в области оптимизации доставки технологий.
*Иммерсивность (от английского "immersive" - "присутствие, погружение") - это способ восприятия, создающий эффект погружения в искусственно созданную среду. Различные примеры эффекта погружения мы наблюдаем в кино, театральных постановках, постоянном взаимодействии с виртуальным сообществом в социальных сетях или многопользовательских играх.
Тема 1: Развитие/расширение иммерсивного опыта
Преимущество этих технологий заключается в том, что они дают людям больше контроля над своей идентификацией и данными, а также расширяют спектр их возможностей за счет виртуальных платформ и экосистем, которые могут быть интегрированы с цифровыми валютами. Кроме того, такие технологии предлагают новые способы взаимодействия с клиентами для расширения или открытия новых потоков доходов.
● Цифровой двойник клиента (DToC) это динамическое виртуальное представление клиента, которое моделирует возможное поведение и учится его имитировать.
Суть технологии заключается в том, что она позволяет тестировать продукт, процесс или бизнес-модель "в цифре", сокращая тем самым расходы на проведение множества экспериментов в реальных условиях.
Цифровые двойники позволяют моделировать и предсказывать поведение клиентов на основе их персональных характеристик и могут использоваться для повышения качества обслуживания клиентов (CX) и поддержки усилий по оцифровке продуктов и услуг. Например, сокращение очередей в магазинах или пробок на дорогах, применение принципиально иного подхода к организации процессов в розничной торговле, здравоохранении и других областях.
Процесс внедрения этой технологии займет от пяти до десяти лет, прежде чем она станет массовой и изменит организации.
Рассмотрим несколько актуальных технологий, основанных на иммерсивном опыте:
● Децентрализованная идентификация (DCI) позволяет субъекту (обычно пользователю-человеку) контролировать свою цифровую идентификацию с помощью таких технологий, как блокчейн или другие технологии распределенного управления (DLT), а также цифровые кошельки.
● Цифровые персоны - это интерактивные представители, управляемые искусственным интеллектом, которые обладают некоторыми характеристиками, знаниями и мышлением человека.
● Внутренний рынок кадров или рынок персонала помогает подобрать сотрудников внутри компании или сформировать пул временных работников, занятых в проектах, без участия рекрутера.
● Метавселенная представляет из себя коллективное виртуальное 3D-пространство, образованное в результате слияния расширенной физической и цифровой реальностей. Оно предлагает бесконечный опыт погружения, выходящий за рамки традиционных границ.
●SuperApp - это инновационная серия приложений, обладающая расширенным набором функций. Они объединяют в себе возможности интернет-банкинга, сервисы, ориентированные на образ жизни, возможности рынка, встроенный голосовой помощник и персонализированные услуги. То, что раньше было разбросано по нескольким приложениям, теперь объединено в одну надежную платформу.
● Web3 представляет собой новый технологический стек для разработки децентрализованных веб-приложений, позволяющих пользователям контролировать свою идентификацию и данные.
Тема 2. Ускорение автоматизации и внедрения искусственного интеллекта
Расширенное внедрение искусственного интеллекта (ИИ) является важнейшим направлением развития продуктов, услуг и решений. Это предполагает ускорение создания специализированных моделей ИИ, использование ИИ для разработки и обучения моделей ИИ, а также их развертывание для создания продуктов, услуг и решений.
Эти меры позволяют более точно прогнозировать и принимать решения, ускоряют достижение поставленных целей. Роль человека в таких технологиях заключается в том, что он выступает в роли пользователя, оценщика и наблюдателя.
● Автономные системы служат примером ускоренной автоматизации ИИ. Они способны моделировать высокосложные явления, которые невозможно изобразить с помощью классических математических моделей или нейронных сетей - например, движение городского транспорта.
В автономной системе мы наделяем человека, автомобиль или любой другой объект определенными свойствами и инициируем предсказание их действий в рамках обучаемой модели, которая обладает свободой действий.
Клиенты тоже в некотором смысле являются автономными системами. Каждый человек обладает поведенческими характеристиками. Автономные системы могут вычислить поведенческую модель клиента в контексте любого отраслевого объекта, например медицинской организации или банка, и тем самым предсказать его реакцию на планируемое организацией изменение.
Автономные программные системы демонстрируют три фундаментальные характеристики: автономность, обучаемость и самостоятельность. В условиях, когда традиционные методы искусственного интеллекта не обладают достаточной адаптивностью и гибкостью, автономные системы могут успешно помогать в выполнении бизнес-задач.
По прогнозам Gartner, широкое распространение следующих систем в организациях произойдет в горизонте от 5 до 10 лет.
● Причинный искусственный интеллект (ИИ) выявляет и использует причинно-следственные связи для выхода за рамки корреляционных моделей прогнозирования и перехода к системам ИИ, которые могут более эффективно предписывать действия и работать автономно.
● Фундаментальные модели или базовые модели функционируют как "суперархитектура", в которой для обучения массивной модели используются миллиарды разнообразных типов данных - тексты, изображения, аудио, десятки типов графов и т.д. Такой подход позволяет решать огромный объем прикладных задач с помощью одной системы. Идея заключается в том, что после обучения гигантской мегамодели с множеством входных данных ее можно "нарезать" на различные части (дистиллировать).
Например, умение генерировать текст на основе ключевых слов может быть доработано для создания ИИ-копирайтера для описания товаров в интернет-магазинах. Или способность генерировать изображения из текстов может быть использована для создания рекламных баннеров. Эта технология уже работает: Журнал Cosmopolitan опубликовал первую в мире обложку журнала, созданную искусственным интеллектом. По сути, большая модель при небольшом обучении может быть использована для решения множества специализированных задач.
● Генеративный дизайн ИИ предполагает использование технологий ИИ, машинного обучения (ML) и обработки естественного языка (NLP) для автоматического создания и проектирования пользовательских потоков, дизайна экрана, контента и кода в цифровых продуктах.
● Средства генерации кода Machine Learning (ML) включают в себя облачные модели машинного обучения, подключаемые к профессиональным интегрированным средам разработки (IDE). Эти среды представляют собой расширения, предлагающие предложенный код на основе либо описаний на естественном языке, либо частичных фрагментов кода.
Тема 3. Технологизация разработки
Совокупность технологий этой группы ориентирована на ключевые компоненты построения цифрового бизнеса: сообщества разработчиков продуктов, услуг и решений и используемые ими платформы. Эти технологии обеспечивают обратную связь и понимание, что позволяет оптимизировать и ускорить выпуск продуктов, услуг и решений, а также повысить отказоустойчивость бизнес-операций.
Облачные экосистемы данных представляют собой интегрированную среду управления данными, которая обеспечивает эффективную поддержку всего спектра рабочих нагрузок с данными - от исследований в области науки о данных до хранения производственных данных. Облачные экосистемы данных обеспечивают оптимизированную доставку и комплексную функциональность, которую легко развернуть, оптимизировать и поддерживать. Их повсеместное внедрение может занять от двух до пяти лет и будет очень выгодным для пользователей.
К этой группе технологий также относятся:
● Augmented Financial Operations автоматизирует традиционные концепции DevOps, такие как гибкость, непрерывная интеграция и развертывание, а также обратная связь с конечными пользователями, с помощью методов искусственного интеллекта и машинного обучения (ML) в области финансового управления, бюджетирования и оптимизации затрат.
● Облачная устойчивость - это использование облачных сервисов для достижения преимуществ устойчивости в экономических, экологических и социальных системах.
● Вычислительное хранилище (CS) разгружает обработку хоста от основной памяти центрального процессора (ЦП) к запоминающему устройству.
● Cellular Security Management Architecture (CSMA) - это новый подход к разработке композитных распределенных средств управления безопасностью, повышающих общую эффективность защиты.
● Наблюдаемость данных - это способность понимать состояние ландшафта данных организации, конвейеров данных и инфраструктуры данных посредством непрерывного мониторинга, отслеживания, оповещения, анализа и разрешения инцидентов.
● Динамическое управление рисками (Dynamic Risk Governance, DRG) - это новый подход к решению важнейшей задачи определения ролей и ответственности за управление рисками. DRG адаптирует управление рисками к каждому риску, позволяя организациям лучше управлять рисками и снижать затраты на аудит.
● Отраслевые облачные платформы используют фундаментальные облачные сервисы SaaS, "Платформа как услуга" (PaaS) и "Инфраструктура как услуга" (IaaS), чтобы предложить соответствующие отраслевым связкам бизнес- и технические возможности для конкретной вертикали в виде интегрированного продукта.
● Минимально жизнеспособная архитектура (MVA) - это стандартизированная структура, используемая командами разработчиков для обеспечения своевременной и соответствующей требованиям разработки и итерации продукта.
● Разработка с учетом наблюдаемости (Observability-Driven Development, ODD) - это практика разработки программного обеспечения, обеспечивающая детальную видимость и контекст состояния и поведения системы путем проектирования систем, которые можно наблюдать.
● OpenTelemetry - это набор спецификаций, инструментов, интерфейсов прикладного программирования (API) и комплектов для разработки программного обеспечения (SDK), которые описывают и поддерживают реализацию платформ инструментария и наблюдаемости для программного обеспечения с открытым исходным кодом.
● Платформенный инжиниринг - это дисциплина, связанная с созданием и эксплуатацией внутренних платформ самообслуживания разработчиков (IDP) для доставки и управления жизненным циклом программного обеспечения.
Резюме
Цикл Gartner Hype Cycle™ for Emerging Technologies 2023 включает 25 "обязательных" инноваций для конкурентной дифференциации и устойчивости.
Лишь немногие из них могут получить широкое распространение всего за два года, остальные будут развиваться в течение десяти и более лет.
В связи с тем, что эти технологии находятся на начальной стадии развития, их внедрение сопряжено с определенным риском, однако потенциальные преимущества для тех, кто внедряет их на ранних стадиях, более значительны.
Автор: Thomas Bennett
Предыдущая статья: 4 совета от экспертов в маркетинге ценообразования