Прогнозы и тенденции на IT-рынке. Gartner

В первый день Нового 2018 года  обсудим, что он нам готовит в плане технологий для цифрового бизнеса и всех других сфер нашей жизни и деятельности.
Аналитики Gartner выделили следующие TOP-10 стратегических трендов (рисунок 1), каждый из которых способен стать основой революционных изменений в своем направлении. Уровня зрелости такие технологии достигнут только к 2022 году, но уже сейчас ориентация бизнеса на их применение обеспечит стратегическое преимущество в будущем.

Тренд № 1. Artificial Intelligence (AI) Foundation - Основы искусственного интеллекта.
Практически все реально используемые методы AI относятся к "узкому" AI (Narrow AI), состоящему из высокоуровневых программ машинного обучения, которые ориентированы на решение конкретной задачи с использованием выбранных алгоритмов, оптимизированных на ее решение. Недостижимый сейчас, а может и вообще, "общий" AI (General AI) должен использовать машинное обучение для обработки широкого спектра вариантов использования, при решении любой интеллектуальной задачи (рисунок 2).
Интерес к AI постоянно растет, о чем свидетельствует увеличение на 500% числа поисковых запросов на сайте Gartner по темам, связанных с AI. К тому же, по результатам опроса Gartner, только 59% организаций еще определяются со стратегией в отношении AI-технологий, а остальные уже реализуют пилотные проекты или приняли окончательное решение относительно их использования.
Согласно прогнозу Gartner, создание интеддектуальных систем, которые изучают, адаптируются и потенциально действуют автономно, - основное поле битвы для поставщиков технологий, по крайней мере, до 2020 года. Возможность использовать AI-технологии для повышения эффективности принятия решений, создания новых бизнес-моделей и экосистем, перепрофилирования опыта клиентов приведет к выигрышу в цифровых инициативах в период до до 2025 года.

Тренд № 2. Intelligent Apps and Analytics - Интеллектуальные приложения и аналитика.
Развитие интеллектуальных приложений и сервисов представляется Gartner как долгосрочная тенденция вплоть до 2037 года.
Организации применяют AI-технологии для создания новых категорий приложений (таких как virtual customer assistants (VCA) - виртуальные клиентские помощники) и улучшения традиционных приложений (в таких направлениях, как анализ производительности, продаж и маркетинга, безопасность).
При изучении того, как и где использовать AI, полезно сосредоточиться на трех целевых доменах:
1. Аналитика. AI может использоваться для создания расширенной аналитики, а также прогностической и предписывающей аналитики.
2. Процесс. AI позволяет управлять интеллектуальными действиями приложения, вплоть до выявления моделей работы, из которых можно построить и выполнить модели процессов.
3. Знание пользователя. AI-технологии применяются для общения с пользователем на естественном языке (VPA), распознавания лиц, понимания эмоций пользователя, контекста или намерения и прогнозирования его потребностей.
Augmented Analytics (расширенная аналитика) - наиболее стратегическая парадигма данных и аналитики нового поколения для широкого круга пользователя. К 2020 году она будет доминирующим драйвером для систем анализа данных, в которых машинное обучение будет использоваться для автоматизации подготовки данных, поиска информации и совместного использования информации для широкого круга бизнес-пользователей, оперативных работников и ученых-граждан
На рисунке 3 представлены методы и технологии расширенной аналитики (Natural-Language Generation (NLG) - генерация на естественном языке, Natural-Language Processing (NLP) - обработка на естественном языке, Natural-Language Processing (NLQ) - запрос на естественном языке и другие).

Чем дальше, тем интереснее (рисунок 1).

Тренд № 3. Intelligent Things - Интеллектуальные вещи.

Интеллектуальные вещи используют AI и машинное обучение для более интеллектуального взаимодействия с людьми и окружающей средой.

Они действуют полуавтоматически или автономно в неконтролируемой среде, выполняя конкретную задачу в течение определенного времени.

Также AI-технологии дают расширенные возможности для многих существующих вещей, таких как потребительские и промышленные системы, подключенные к Internet Of Things (IoT) - Интернет вещей (рисунок 2).

Уровень автономии интеллектуальных вещей может быть различным. Так возможно использование полностью автономных транспортных средств в контролируемых условиях (в промышленных условиях). Ожидается, что к 2022 году автономные транспортные средства будут использоваться на дорогах в ограниченных, четко определенных зонах с геотермическим и контролируемым доступом, но доминирующими будут оставаться полуавтономные сценарии, требующие наличие водителя.

Аналитики Gartner также прогнозируют переход от использования автономных интеллектуальных вещей к использованию Swarm of collaborative intelligent things - группы (роя) совместных интеллектуальных вещей. В этой модели несколько устройств будут работать вместе, независимо от людей или с участием человека.

Например, если беспилотный корабль осмотрел большое поле и обнаружил, что оно готов к сбору урожая, он может туда сам отправить «автономный» комбайн.

Тренд № 4. Digital Twins - Цифровые двойники (близнецы).

Цифровой двойник - это цифровое представление реальности или системы реального мира. В контексте IoT цифровые близнецы связаны с объектами реального мира и предоставляют информацию о состоянии двойников, реагируют на изменения, улучшают операции и повышают ценность.

На рисунке 3 представлена схема применения модели Digital Twins (Computer-Aided Design (CAD) - автоматизированное проектирование ; Finite Element Analys (FEA) - анализ на основе метода конечных элементов; Machine Learning (ML) - машинное обучение).

Цифровые двойники дадут множество преимуществ в разные сроки:

1. Краткосрочные. Помощь в мониторинге, оптимизации и улучшении пользовательского опыта, что жизненно важно почти во всех отраслях. Переход от профилактического к прогностическому (на основе условий) обслуживанию - особенно дорогостоящее использование цифровых близнецов. Преимущества для клиентов включают сокращение времени простоя, связанного с техническим обслуживанием и снижение эксплуатационных расходов и расходов на техническое обслуживание.

2. Среднесрочные. Использование для управления заводами и повышения операционной эффективности. В том числе для планирования обслуживания оборудования и прогнозирования его отказа и для улучшения разработки новых продуктов за счет имитации их поведения. Появляется возможность использования бизнес-моделей, ориентированных на гарантированные результаты, такие как конкретные гарантии эффективности активов.

3. Долгосрочные. Помощь в инновациях с предоставлением информации о том, как используются продукты и услуги, и как их можно улучшить, и упреждающих советах. Модели Digital Twins могут сосредоточиться на потенциальных новых рынках для цифровых близнецов, разработке интерфейсов и поиска подходящих наборов данных.

В перспективе модели Digital Twins будут расширяться до более, чем просто вещей (рисунок 4), прежде всего за счет связи с другими цифровыми сущностями. Цифровые близнецы будут объединять огромные объемы информации об отдельных объектах и их группах, обеспечивая контроль над ними. Потом они уже будут общаться друг с другом, чтобы создать «digital factory» модели множественных связанных двойных двойников. Цифровые двойники объектов будут связаны с цифровыми двойниками людей (цифровые персоны), процессов (правоохранительных органов) и прстранств (цифровых городов). Понимание связей между этими цифровыми объектами, выделение элементов, где это необходимо, и отслеживание взаимодействий будут жизненно важны для поддержки безопасной цифровой среды.

https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-technology-trends-for-2018/

https://www.gartner.com/doc/3811368?ref=clientFriendlyURL

Источник: www.gartner.com

Комментарии: