10 trendów technologicznych Gartnera na 2024 rok

Opublikowany: 5 miesięcy temu

Mariia Nikolaieva

Instytut Badawczy Gartnera co roku ujawnia dziesięć kluczowych trendów technologicznych. Te przewidywania stanowią nie tylko fascynującą wizję przyszłości, ale także potężne narzędzie mogące przyspieszyć realizację celów biznesowych. W czasach, kiedy sztuczna inteligencja nabiera rozpędu, rekomendacje Gartnera stają się bezcennym przewodnikiem dla firm, które chcą być na czasie.

Jesteśmy tutaj, aby zapewnić kompleksowe spojrzenie na te trendy czwarty rok z rzędu. W poprzednich latach zgłębialiśmy wiedzę na temat fascynujących horyzontów technologii, a nasze artykuły z lat 2021-23 można przeczytać tutaj:

Oto 10 trendów Gartnera na 2024 rok:

Spis treści

AI Trust, Risk and Security Management (AI TRiSM), czyli zarządzanie zaufaniem, ryzykiem i bezpieczeństwem AI

AI TRiSM to nie tylko skrót, to filozofia zarządzania sztuczną inteligencją, opracowana przez Instytut Badawczy Gartnera. Koncentruje się na trzech kluczowych aspektach: zaufaniu, ryzyku i bezpieczeństwie AI. Jej celem jest zapewnienie niezawodności, sprawiedliwości, skuteczności i prywatności w obszarze sztucznej inteligencji.

Istotą AI TRiSM jest interpretowalność i wyjaśnialność modeli, ochrona danych AI, operacje na modelach oraz odporność na ataki. Gartner przewiduje, że do 2026 roku przedsiębiorstwa, które skorzystają z kontroli TRiSM, zwiększą dokładność podejmowania decyzji, eliminując aż 80% błędnych i nielegalnych informacji.

Ten trend wskazuje na nową rolę sztucznej inteligencji jako partnera biznesowego. AI zostaje wprowadzane do procesów firm z jednoczesnym uwzględnieniem faktu, że wiążą się z tym pewne ryzyka, które trzeba skutecznie eliminować. Przykładem jest firma Fidelity Investments, która z powodzeniem wdrożyła setki modeli sztucznej inteligencji poprzez strukturę operacji na modelach. Działania te umożliwiły monitorowanie wdrożeń w celu wykrywania potencjalnych problemów, takich jak dryf, co z kolei skróciło czas wyszukiwania i rozwiązywania problemów o 80%, czyli z tygodni na godziny.

Cztery filary AI TRiSM:

Wyjaśnialność/Monitorowanie modelu (wytłumaczone niżej)
ModelOps = model operations = to zestaw funkcjonalności, które koncentrują się przede wszystkim na zarządzaniu i pełnym cyklu życia wszystkich modeli sztucznej inteligencji i modeli decyzyjnych.
Bezpieczeństwo aplikacji AI
Prywatność

Warto pamiętać, że jesteśmy dopiero na początku rozwoju AI. Poniżej przedstawiamy kluczowe kwestie związane z ryzykiem implementacji sztucznej inteligencji, które trzeba wziąć pod uwagę i w miarę możliwości wyeliminować:

Większość osób napotyka trudności w przekazaniu menedżerom, użytkownikom i konsumentom jasnego zrozumienia tego, czym są modele sztucznej inteligencji oraz jakie konkretne zadania są w stanie wykonywać. Zjawisko to, znane jako “wyjaśnialność”, uwidacznia konieczność posiadania świadomości funkcji i mechanizmów działania modeli AI, zwłaszcza tych, które są używane w kontekście korporacyjnym.
Dostęp do narzędzi generatywnej sztucznej inteligencji, takich jak ChatGPT, stał się łatwy dla każdego.Rozwój tych technologii, zwanych GenAI, może znacząco przekształcić sposób, w jaki przedsiębiorstwa konkurują i realizują swoje zadania. Jednakże, wraz z nowymi możliwościami pojawiają się również nowe zagrożenia, których nie da się skutecznie zwalczyć za pomocą tradycyjnych środków kontroli. Szczególnie istotnym obszarem ryzyka są oparte na chmurze aplikacje generatywnej sztucznej inteligencji.
Z tego wynika kolejny punkt – zewnętrzne narzędzia sztucznej inteligencji stwarzają zagrożenie dla poufności danych.
Modele i aplikacje AI wymagają stałego monitorowania.Monitorowanie modeli i aplikacji sztucznej inteligencji jest niezbędne do zapewnienia ich niezawodności i skuteczności. Wymaga to zintegrowania specjalistycznych procesów zarządzania ryzykiem, znanych jako ModelOps, w operacjach na modelach AI. Ten proces zapewnia zgodność z przepisami, promuje uczciwość i dba o etykę w wykorzystaniu sztucznej inteligencji.W kontekście ograniczonej dostępności gotowych narzędzi, konieczność opracowywania niestandardowych rozwiązań dla AI staje się rzeczywistością. To wyzwanie wymaga kreatywności i dostosowywania kontroli w sposób ciągły, obejmujący każdy etap – od tworzenia modeli po ich testowanie, wdrażanie i codzienne operacje.
Wykrywanie i powstrzymywanie ataków na sztuczną inteligencję wymaga nowych metod.W obliczu rosnącego zagrożenia ataków na sztuczną inteligencję, konieczne staje się opracowanie nowych, skutecznych metod wykrywania i powstrzymywania takich incydentów. Te ataki, zarówno własne jak i osadzone w modelach innych firm, mogą przynieść dotkliwe szkody organizacjom, obejmujące aspekty finansowe, wizerunkowe oraz związane z własnością intelektualną, danymi osobowymi czy zastrzeżonymi danymi.Aby skutecznie bronić się przed tymi zagrożeniami, konieczne jest wprowadzenie wyspecjalizowanych mechanizmów kontroli. Ponadto, istotne jest wdrożenie praktyk obejmujących testowanie, walidację i ciągłe doskonalenie niezawodności przepływów pracy sztucznej inteligencji. Te środki muszą wykraczać poza standardowe praktyki stosowane w przypadku innych rodzajów aplikacji, aby efektywnie chronić systemy oparte na sztucznej inteligencji przed potencjalnymi zagrożeniami.
Przepisy wkrótce zdefiniują, jak powinna wyglądać kontrola zgodności.Obecnie obowiązujące regulacje, takie jak unijna ustawa o sztucznej inteligencji oraz ramy regulacyjne w Ameryce Północnej, Chinach i Indiach, nakładają przepisy dotyczące zarządzania ryzykiem związanym z aplikacjami sztucznej inteligencji. W związku z tym, organizacje korzystające z technologii opartej na sztucznej inteligencji muszą być gotowe na spełnienie wymogów, które wykraczają poza standardowe regulacje dotyczące ochrony prywatności.

Wdrażanie skutecznych procedur zarządzania ryzykiem staje się kluczowe, aby dostosować się do nowych wymogów prawnych i zminimalizować potencjalne konsekwencje związane z naruszeniem przepisów. Przedsiębiorstwa powinny skoncentrować się na ścisłej zgodności z obowiązującymi przepisami, a jednocześnie przygotować się na przyszłe zmiany w regulacjach dotyczących sztucznej inteligencji.

Continuous Threat Exposure Management (CTEM), czyli ciągłe reagowanie na potencjalne zagrożenia.

Program ciągłego reagowania na potencjalne zagrożenia (CTEM) jest kluczowym narzędziem do wykrywania i aktywnego nadawania priorytetów czynnikom, które mogą najbardziej zagrażać Twojej firmie. Tworzenie efektywnego programu CTEM obejmuje pięć kluczowych etapów, które stanowią kompleksowy proces zarządzania ryzykiem i bezpieczeństwem organizacji:

Określanie zakresu działań CTEM jest krokiem, który należy wykonać w pierwszej kolejności przeciwdziałając cyberzagrożeniom – zwłaszcza tym pochodzącym z zewnętrznych źródeł oraz wynikających z korzystania z usług typu SaaS (Software as a Service). Na tym etapie potrzebne jest zdefiniowanie tzw. vulnerable entry points, czyli wrażliwych punktów wejścia, które odgrywają istotną rolę w identyfikacji potencjalnych zagrożeń.
Gartner zaleca szczególne skupienie uwagi na ocenie stanu bezpieczeństwa systemów SaaS, które w obliczu wzmożonego korzystania z pracy zdalnej stają się coraz popularniejsze. Jednocześnie przechowuje się w nich sporo kluczowych danych biznesowych.
Odkrywanie.
Procesy odkrywania, choć pierwotnie są skoncentrowane na obszarach wyszczególnionych podczas określania zakresu (patrz: punkt 1.), powinny również rozpoznawać widocznych i ukryte zasobów, wrażliwe punkty, błędne konfiguracje oraz inne potencjalne zagrożenia.
Warto podkreślić, że pomylenie określenia zakresu (scoping) z procesem odkrywania (discovery) jest częstym błędem podczas budowy programu CTEM. Celem ma być nie ilość zidentyfikowanych zasobów i podatności, ale precyzyjne określenie zakresu w oparciu o ryzyko biznesowe i potencjalny wpływ na organizację.
Ustalanie priorytetów: na tym etapie priorytetyzuje się zagrożenia, na które jest narażona firma.
Walidacja: sprawdzenie, jak mogą działać ataki i jakie opcje reagowania mają systemy.
W pierwszej kolejności należy potwierdzić, że atakujący mogą faktycznie wykorzystać lukę w zabezpieczeniach, przeanalizować wszystkie potencjalne ścieżki ataku na zasób i określić, czy obecny plan reagowania jest wystarczająco szybki i skuteczny, aby chronić firmę.
Kluczowym etapem programu ciągłego reagowania na potencjalne zagrożenia jest mobilizacja ludzi i procesów. Obejmuje ona nie tylko zautomatyzowaną naprawę, która może być stosowana w przypadku oczywistych problemów, ale przede wszystkim przekazywanie planu CTEM zespołowi ds. bezpieczeństwa oraz interesariuszom biznesowym, zapewniając im zrozumienie działań.

Współczesne zarządzanie cyberbezpieczeństwem w przedsiębiorstwie skupia się głównie na reakcji na konkretne zdarzenia. Na dłuższą metę nie jest to jednak optymalne rozwiązanie. Podejście taktyczne, polegające na wdrożeniu programu ciągłego reagowania na potencjalne zagrożenia, staje się więc niezbędne, by nadawać priorytety identyfikacji i minimalizacji zagrożeń najistotniejszych dla firmy. Przechodzenie od reaktywnego do proaktywnego modelu, opartego na ciągłym monitorowaniu i dostosowywaniu się do dynamicznego krajobrazu cyberbezpieczeństwa, stanowi fundamentalny krok w kierunku skuteczniejszej ochrony przed zagrożeniami.

Sustainable Technology, czyli zrównoważona technologia

Zrównoważona technologia ponownie znajduje się w centrum uwagi, zwłaszcza usługi informatyczne. Koncepcja zrównoważonego IT zakłada selektywny wybór narzędzi, sprzętu i dostawców w celu osiągnięcia maksymalnej wydajności przy minimalnym zużyciu zasobów. Kluczowe cele zrównoważonego IT obejmują redukcję emisji gazów cieplarnianych (GHG) z zakresu 2 i 3. Ta kwestia odnosi się zarówno do pośrednich emisji związanych z energią elektryczną używaną przez IT, a także emisji poza bezpośrednią kontrolą przedsiębiorstwa, takich jak te związane z węglem zawartym w wycofanym sprzęcie IT. Dodatkowo, powinno się poświęcić więcej uwagi sprawom związanym z prawami człowieka, etycznym pozyskiwaniem i transparentnością w łańcuchu dostaw.

Klienci coraz bardziej dążą do osiągania własnych celów zrównoważonego rozwoju, co wymaga dostarczania produktów, które są zrównoważone i nie tracą przy tym na jakości. Ostatecznym celem jest harmonijne połączenie postępu technologicznego z odpowiedzialnym podejściem do środowiska, co powoli staje się priorytetem w dzisiejszym dynamicznym świecie technologii.

Platform Engineering, czyli Inżynieria platformowa

Inżynieria platformowa to dziedzina obejmująca projektowanie i budowę kompleksowych łańcuchów narzędzi oraz przepływów pracy. Jej celem jest stworzenie infrastruktury umożliwiającej organizacjom inżynierii oprogramowania korzystanie z samoopłacających się usług w epoce natywnych chmur. Inżynierowie platform dostarczają zintegrowane produkty, z których najczęściej korzysta się pod nazwą “wewnętrzna platforma deweloperska”. Taka platforma obejmuje pełen zakres potrzeb operacyjnych przez cały cykl życia aplikacji.

Przykładem takiej zaawansowanej platformy jest NAVIGATOR, umożliwiający budowę własnych aplikacji.

Prognozuje się, że do 2026 roku aż 80% dużych organizacji zajmujących się inżynierią oprogramowania utworzy dedykowane zespoły inżynierii platform, które będą działały jako wewnętrzni dostawcy wielokrotnego użytku usług, komponentów i narzędzi wspomagających proces dostarczania aplikacji. Inżynieria platformowa ma na celu rozwiązanie istotnych problemów współpracy między twórcami oprogramowania a operatorami, co przyczyni się do efektywniejszego procesu wytwarzania i wdrażania aplikacji.

AI-Augmented Development, czyli Rozwój oparty o sztuczną inteligencję

Ten nowy trend skupia się na sztucznej inteligencji, oferując inżynierom oprogramowania liczne możliwości natychmiastowego wykorzystania tej technologii w kluczowych obszarach cyklu życia oprogramowania. Poniżej przedstawiamy pięć sposobów, jak przyszłościowo myślący developerzy i programiści mogą szybko włączać sztuczną inteligencję w swoją pracę na różnych etapach procesu tworzenia oprogramowania.

Używanie generatywnej sztucznej inteligencji do pisania i rozumienia kodu oprogramowania.
Wdrożenie generatywnej sztucznej inteligencji jako narzędzia do modernizacji aplikacji.
Wykorzystanie generatywnej sztucznej inteligencji do wyjaśniania, wykrywania i mierzenia długu technicznego i jego wpływu.
Spełnianie oczekiwań użytkowników wobec produktów i usług opartych na sztucznej inteligencji.
Wykorzystanie sztucznej inteligencji w całym cyklu życia testowania oprogramowania.

Dodatkowo, liderzy inżynierii oprogramowania mogą przygotować swoje zespoły do trwałej integracji sztucznej inteligencji. Działania te pozwalają na bardziej efektywne i zaawansowane procesy tworzenia oprogramowania, zwiększając jednocześnie wartość dodaną dla przedsiębiorstwa.

Podsumowując, generatywna sztuczna inteligencja oraz asystenci kodowania stanowią wsparcie dla procesów obejmujących cały cykl życia oprogramowania (od projektowania po testowanie). Sztuczna inteligencja zwiększa skuteczność testowania i skraca cykl dostarczania produktu. Aby w pełni wykorzystać potencjał AI jako partnera w procesie tworzenia oprogramowania, konieczne są zmiany w modelu operacyjnym, kulturze oraz umiejętnościach zespołu. Wdrożenie tych innowacji może zwiększyć efektywność działań związanych z rozwojem oprogramowania.

Industry Cloud Platforms, czyli branżowe platformy oparte na chmurze

Branżowe platformy oparte na chmurze (Industry Cloud Platforms, ICP), dostosowane do konkretnych sektorów, oferują kompleksowe rozwiązania obejmujące zarządzanie danymi, narzędzia analityczne i programistyczne. Ich popularność wzrasta, gdyż przewyższają one ogólne platformy pod względem personalizacji, dostosowania do potrzeb branżowych i przyspieszania adopcji chmury.

Według ankiety przeprowadzonej przez Gartnera, prawie 39% firm w Ameryce Północnej i Europie już wdrożyło platformy ICP, a dodatkowe 14% jest w fazie pilotażowej. Dynamika rozwoju jest silna, a przewiduje się, że do 2026 roku 17% przedsiębiorstw planuje wdrożenie tych platform. Gartner prognozuje ogromną zmianę, przewidując, że ponad 70% firm skorzysta z ICP do przyspieszenia inicjatyw biznesowych do 2027 roku, co stanowi znaczny wzrost w porównaniu z zaledwie 15% odnotowanymi w 2023 roku.

Intelligent Applications, czyli Inteligentne aplikacje

Inteligentne aplikacje to nie tylko te, które wydają się inteligentne, ale rzeczywiście posiadają tę cechę. Są zdolne do nauki, dostosowywania się, generowania nowych pomysłów i wyników, a także wspomagają zautomatyzowane i dynamiczne podejmowanie decyzji dzięki zastosowaniu sztucznej inteligencji.

Więcej informacji na temat inteligentnych aplikacji można znaleźć na https://archman.pl/artificial-intelligence/.

Prognozuje się, że do 2026 roku aż 30% nowych aplikacji będzie korzystać ze sztucznej inteligencji do obsługi spersonalizowanych, adaptacyjnych interfejsów użytkownika, co stanowi znaczny wzrost w porównaniu z obecnym poziomem, który wynosi mniej niż 5%.

Democratized Generative AI, czyli Zdemokratyzowana generatywna sztuczna inteligencja

Zdemokratyzowana generatywna sztuczna inteligencja (GenAI) stanowi potężne narzędzie, które ma potencjał rewolucyjnie zmienić charakter pracy w firmach, umożliwiając im szybszy wzrost i osiąganie celów.

Liderzy IT muszą zdawać sobie sprawę z transformacyjnych zdolności GenAI i równocześnie opracować zasady, które kontrolują związane z nim ryzyko. Otwiera to drzwi do różnorodnych zastosowań, począwszy od automatyzacji rutynowych zadań po generowanie kreatywnych rozwiązań dla skomplikowanych problemów. W rezultacie firma może efektywniej wykorzystać potencjał sztucznej inteligencji.

Augmented Connected Workforce, czyli rozszerzona i połączona siła robocza

Koncepcja rozszerzonej i połączonej siły roboczej stanowi zintegrowane podejście, łączące technologie augmentacyjne (czyli technologie integrujące rzeczywistość z środowiskiem cyfrowym) ze środowiskiem pracy, co umożliwia pracownikom rozszerzenie swoich możliwości, zwiększenie produktywności oraz usprawnienie ogólnych procesów i operacji biznesowych. W ramach tej koncepcji wykorzystuje się różnorodne technologie, w tym:

Rzeczywistość rozszerzona (AR)
Rzeczywistość mieszana (MR)
Wizja komputerowa
Internet rzeczy (IoT)
Sztuczna inteligencja (AI)
Egzoszkielety
Połączone platformy pracownicze
Roboty współpracujące

Ten trend przewiduje synergiczną współpracę między ludźmi a nowoczesnymi rozwiązaniami technologicznymi w celu osiągnięcia optymalnej efektywności i innowacyjności w miejscu pracy.

Machine Customers, czyli klienci-maszyny

Machine Customers, czyli klienci-maszyny, to rozwijający się trend, w którym sztuczna inteligencja wchodzi w interakcję z kontrahentami i negocjuje z nimi warunki współpracy. AI w tym kontekście charakteryzują się większą racjonalnością i logicznością niż ludzie. Firmy będą musiały więc dostosować strategie biznesowe, obsługę klienta i strategie marketingowe, aby sprostać unikalnym potrzebom klientów-maszyn. Automatyzacja, personalizacja ofert i tworzenie wartości są kluczowe dla utrzymania konkurencyjności. Brak dostosowania się do tego trendu niesie ryzyko utraty przychodów i pozycji na rynku. Obsługa klientów-maszyn staje się kluczowym wyzwaniem, wymagającym innowacyjnych podejść do relacji biznesowych.

Dowiedz się więcej o obiegach dokumentów, AI, Business Intelligence oraz aplikacjach komponowalnych w systemie NAVIGATOR

Czytaj więcej

Podsumowanie

Dzięki temu przeglądowi najnowszych trendów technologicznych według Gartnera, zauważamy, że zrównoważona technologia, inteligentne aplikacje z AI, inżynieria platformowa, demokratyzacja GenAI i zintegrowana praca z wykorzystaniem technologii augmentacyjnych zmieniają krajobraz biznesowy.

Zrównoważona technologia i inteligentne aplikacje stają się normą, a rozwijające się platformy inżynieryjne i GenAI otwierają nowe możliwości. Jednak koncepcja rozszerzonej i połączonej siły roboczej i klientów-maszyn także zwracają uwagę na zmieniającą się dynamikę pracy i relacji z klientami.

Ponadto, Instytut podzielił trendy na 3 obszary: ochrona i zachowanie przeszłych i przyszłych inwestycji, tworzenie właściwych rozwiązań dla właściwych interesariuszy we właściwym czasie oraz dostarczanie wartości dla zmieniającego się środowiska zarówno klientów wewnętrznych jak i zewnętrznych.

Obszar 1: Chroń swoją inwestycję. Do tego obszaru zaliczono następujące trendy:

Obszar 2: Wzrost kostruktorów. Do tego obszaru zaliczono następujące trendy:

Obszar 3: Dostarczanie wartości. Do tego obszaru zaliczono następujące trendy:

Źródła:

5/5 (2)

Mariia Nikolaieva

+ posts

Absolwentka kierunku Tourism and Leisure Management w IMC Fachhochschule Krems. Po ukończeniu studiów postanowiła, że jej powołaniem jest digital marketing. W Archman pełni rolę specjalisty do spraw marketingu, gdzie codziennie pogłębia swoją wiedzę w zakresie SEO i SEM. Mariia interesuje się storytellingiem, a w wolnym czasie najczęściej sięga po powieści Stephena Kinga.