全球領先的信息技術研究和顧問公司 Gartner 于2020年10月19日發布企業機構在2021年需要深挖的重要戰略科技趨勢。分析師們在本周舉行的 Gartner IT  Symposium/Xpo大會美洲站虛擬會議上展示了自己的發現。

Gartner研究副總裁Brian Burke表示：“各企業職能部門對運營韌性的需求從未像現在這樣強烈。首席信息官們正在努力適應不斷變化的情況，設計未來的業務。這就需要企業機構具有不斷重組與改革的可塑性。Gartner 2021年重要戰略科技趨勢可實現這種可塑性。

唐隆基博士

中國數字化學會特聘終身顧問及羅戈研究院副院長

廣州捷世通物流股份有限公司戰略副總兼IT總監

湖南大學計算機信息工程學院兼職教授

“企業機構正在從應對新冠疫情轉向推動增長，因此它們必須關注形成今年主流趨勢的三個主要領域：以人為本、位置獨立性和韌性交付。這些趨勢在組合后的整體影響大于它們各自的獨立影響，并且專注于滿足全球各地的社會與個人需求來實現最佳交付。”

2021年重要戰略科技趨勢具體如下：

解讀：和以往年發表的十大戰略性技術趨勢不同，今年發表的下年度戰略性技術趨勢只有九項，分成三組，每組三項：

• 以人為本：盡管大流行病改變了許多人與組織的工作和互動，但人仍然是所有業務的中心，他們需要數字化流程才能在當今環境中發揮作用。

• 位置獨立性：COVID-19已經轉移到員工、客戶、供應商和組織生態系統實際存在的地方。位置獨立性要求進行技術轉移以支持這種新版本的業務。

• 韌性交付：無論是大流行還是衰退，世界上都存在波動。

最重要的不同是在充滿不確定性和世界人民正處于艱難的嚴重疫情的環境下強調組合創新（Combinational Innovation）(見下圖):

準備好調整和正在調整的組織將經受住所有類型的中斷。與以往一樣，這些戰略技術趨勢并不是相互獨立的，而是相互促進和發展的。它們共同促進了組織的可塑性，這將有助于指導未來五年的組織。這就是組合創新的力量。它比單個創新要更強大。下面是九項戰略性技術趨勢的簡單介紹和解讀：

行為互聯網（Internet of Behaviors）

行為互聯網（IoB）不斷涌現，許多技術都在捕獲并使用人們日常生活中的“數字塵埃”。IoB匯集了面部識別、位置跟蹤和大數據等當前直接關注個人的技術，并將結果數據與現金購買或設備使用等相關的行為事件相關聯。

企業機構使用該數據來影響人的行為。例如為了在疫情期間監控對健康規定的遵守情況，企業機構可以通過使用IoB計算機視覺來查看員工是否戴著口罩或通過熱成像來識別發熱者

Gartner預測，到2025年末，全球一半以上的人口將至少參加一項商業或政府的IoB計劃。雖然IoB在技術上可成為可能，但社會各界將對各種影響行為的方法展開廣泛的倫理和社會學討論。

解讀：例如，雖然司機可能不反對跟蹤速度、剎車和轉彎，以換取更低的保險費，但他們可能不會接受執法部門也能夠跟蹤這些信息。歸根結底，IoB必須為雙方帶來互惠互利，否則可能被消費者拒絕。

對于某些地理區域，IoB的大部分范圍和執行將取決于當地的隱私法律，這可能會影響數據的使用方式和方式。

全面體驗（Total Experience）

Burke表示：“去年，Gartner將多重體驗定義為一種重要的戰略科技趨勢。而在今年，這一趨勢又進一步發展成為全面體驗（TX），將多重體驗與客戶、員工和用戶體驗相聯系。Gartner預計在未來三年中，提供TX的企業機構在關鍵滿意度指標方面的表現將超越競爭對手。”

由于新冠疫情，移動、虛擬和分布式互動日益盛行，因此企業機構需要有TX策略。TX將改善體驗的各個組成部分，實現業務成果的轉型。這些相互交織的體驗是企業運用創新革命性體驗實現差異化，從而從疫情中恢復的關鍵驅動力。

解讀：全面體驗的案例

一家大型電信公司將其全部經驗轉化為提高安全性和滿意度。

首先，它通過一個現有的應用程序部署了一個預約系統。當顧客到達他們的預約地點，來到離商店不到75英尺的地方時，他們收到了兩件東西：

• 引導他們完成簽入過程的通知。

• 提醒他們需要多長時間才能安全進入商店并保持社交距離。

為了提高員工的安全性，該公司還部署了一項技術，允許員工在不接觸設備的情況下共同瀏覽客戶硬件。

隱私增強計算（Privacy-Enhancing Computation）

隨著全球數據保護法規的成熟，各地區首席信息官所面臨的隱私和違規風險超過了以往任何時候。不同于常見的靜態數據安全控制，隱私增強計算可在確保保密性或隱私的同時，保護正在使用的數據。

Gartner認為，到2025年將有一半的大型企業機構使用隱私增強計算在不受信任的環境和多方數據分析用例中處理數據。企業機構應在開始確認隱私增強計算候選對象時，評估要求個人數據轉移、數據貨幣化、欺詐分析和其他高度敏感數據用例的數據處理活動。

解讀：在使用數據保護技術以實現安全數據處理和數據分析時隱私增強計算包括三種技術：

• 第一種提供了一個可信的環境，在該環境中，敏感數據可以處理或分析。它包括可信的第三方和硬件可信的執行環境（也稱為機密計算）。

• 第二種以分散的方式執行處理和分析。它包括聯合機器學習和隱私感知機器學習。

• 第三種轉換數據和算法，然后再進行處理或分析。它包括差分隱私、同態加密、安全多方計算、零知識證明、私家集交叉和私有信息檢索。

這使得組織能夠在不可信的環境中安全地共享數據，隨著對數據量的需求日益增長，保護數據的需求也與日俱增。

分布式云（Distributed Cloud）

分布式云將公有云分布到不同的物理位置，但服務的運營、治理和發展依然由公有云提供商負責。它為具有低延遲、降低數據成本需求和數據駐留要求的企業機構方案提供了一個靈活的環境，同時還使客戶的云計算資源能夠更靠近發生數據和業務活動的物理位置。

到2025年，大多數云服務平臺至少都能提供一些可以根據需要執行的分布式云服務。Burke先生認為：“分布式云可以取代私有云，并為云計算提供邊緣云和其他新用例。它代表了云計算的未來。”

解讀：分布式云的多種樣式：

• 本地公共云：這是一個受歡迎的供應商產品，但它只提供了提供商完整套件的一小部分，而且還相對不成熟。

• 物聯網（IoT）邊緣云：直接與邊緣設備交互的分布式服務。

• 城域社區云：將云服務分配到城市或大都市區域的節點中，連接多個客戶。

• 5G移動邊緣云：作為5G電信/運營商網絡的一部分提供分布式云服務。

• 全球網絡邊緣云：提供旨在與全球網絡基礎設施（如蜂窩塔、集線器和路由器）集成的云服務。

隨處運營（Anywhere Operations）

隨處運營是一種為全球各地客戶提供支持、賦能全球各地員工并管理各類分布式基礎設施業務服務部署的IT運營模式。它所涵蓋的不僅僅是在家工作或與客戶進行虛擬互動，還能提供所有五個核心領域的獨特增值體驗，分別是：協作和生產力、安全遠程訪問、云和邊緣基礎設施、數字化體驗量化以及遠程運營自動化支持。

到2023年末，40%的企業機構將通過隨處運營提供經過優化與混合的虛擬/物理客戶與員工體驗。

解讀：該技術基礎包括五個構件：

• 協作和生產力：工作流協作、會議解決方案、云辦公套件、數字白板和智能工作區

• 安全遠程訪問：無密碼和多因素身份驗證、零信任網絡訪問（ZTNA）、安全訪問服務邊緣（SASE）和身份作為新的安全邊界

• 云和邊緣基礎設施：分布式云、物聯網、API網關、邊緣人工智能和邊緣處理

• 數字體驗量化：數字體驗監控、工作場所分析、遠程支持和非接觸式交互

• 支持遠程操作的自動化：TAIOps、端點管理、SaaS管理平臺、自助服務和零接觸供應

網絡安全網格（Cybersecurity Mesh）

網絡安全網格使任何人都可以安全地訪問任何數字資產，無論資產或人員位于何處。它通過云交付模型解除策略執行與策略決策之間的關聯，并使身份驗證成為新的安全邊界。到2025年，網絡安全網格將支持超過一半的數字訪問控制請求。

Burke先生認為：“新冠疫情加快了耗時數十年的數字化企業變革過程。我們已經越過了一個轉折點，大多數企業機構的網絡資產現在都已超出傳統的物理和邏輯安全邊界。隨著隨處運營的不斷發展，網絡安全網狀組網將成為從非受控設備安全訪問和使用云端應用與分布式數據的最實用方法。”

解讀：網絡安全網格是一種分布式體系結構方法，用于可擴展、靈活和可靠的網絡安全控制。COVID-19加速了一個現有的趨勢，即大多數資產和設備現在都位于傳統的物理和邏輯安全參數之外。網絡安全網使任何人或事物都能夠安全地訪問和使用任何數字資產，無論它們位于何處，同時提供必要的安全級別。

隨著企業加速數字業務的發展，安全必須跟上快速變化的步伐。網絡安全網格使安全模型能夠保持在當前條件下運營所需的可塑性，并在不妨礙公司發展的情況下提供安全性。這些工具已經由一些主要組織以某種方式部署。

組裝式智能企業（Intelligent Composable Business）

Burke先生表示：“為了提高效率而建立的靜態業務流程非常脆弱，因此在疫情的沖擊下變得支離破碎。首席信息官和IT領導者正在努力收拾殘局，他們開始了解適應業務變化速度的業務能力有多么重要。”

智能組合型業務通過獲取更好的信息并對此做出更敏銳的響應來徹底改變決策。依靠豐富的數據和洞見，未來的機器將具有更強大的決策能力。智能組合型業務將為重新設計數字化業務時刻、新業務模式、自主運營和新產品、各類服務及渠道鋪平道路。

解讀：在重建過程中，領導者必須設計出一個架構：

• 能夠更好地訪問信息

• 可以通過新的見解來補充信息

• 可組合、模塊化，在做出決策時能夠更快地進行更改和響應

人工智能工程化（AI Engineering）

Gartner的研究表明，只有53%的項目能夠從人工智能（AI）原型轉化為生產。首席信息官和IT領導者發現，由于缺乏創建和管理生產級人工智能管道的工具，人工智能項目的擴展難度很大。為了將人工智能轉化為生產力，就必須轉向人工智能工程化這門專注于各種人工智能操作化和決策模型（例如機器學習或知識圖）治理與生命周期管理的學科。

人工智能工程化立足于三大核心支柱：數據運維、模型運維和開發運維。強大的人工智能工程化策略將促進人工智能模型的性能、可擴展性、可解釋性和可靠性，完全實現人工智能投資的價值。

解讀：由于可維護性、可伸縮性和治理問題，人工智能項目經常失敗。然而，一個強大的人工智能工程策略將促進人工智能模型的性能、可擴展性、可解釋性和可靠性，同時實現人工智能投資的全部價值。如果沒有人工智能工程，大多數組織將無法將人工智能項目從概念證明和原型轉移到全面生產。

人工智能工程有三個核心支柱：數據操作（DataOps）、模型操作（ModelOps）和開發操作（DevOps）。

開發操作主要處理高速代碼更改，但AI項目在代碼、模型和數據方面經歷動態變化，所有這些都必須改進。組織必須在數據操作的數據管道和模型操作的機器學習模型管道中應用開發操作原則，以獲得AI工程的好處。

超級自動化（Hyperautomation）

業務驅動型超級自動化是一項可用于快速識別、審查和自動執行大量獲準業務和IT流程的嚴格方法。在過去幾年中，超級自動化一直在持續不斷地發展。而因為疫情，一切事物都被突然要求首先實現數字化，這大大增加了市場的需求。業務利益相關者所積壓的需求已促使70%以上的商業機構實施了數十種超級自動化計劃。

Burke先生表示：“超級自動化是一股不可避免且不可逆轉的趨勢。一切可以而且應該被自動化的事物都將被自動化。”

解讀：超自動化是一個過程，在這個過程中，企業使用人工智能、機器學習、事件驅動軟件、機器人過程自動化和其他類型的決策過程和任務自動化工具，使盡可能多的業務和IT過程自動化。

組織經常被“組織債務”拖累，包括技術債務、流程債務、數據債務、架構債務、人才債務、安全債務和社會債務。總的來說，這種債務會影響價值主張和品牌。究其原因，是一套廣泛而昂貴的業務流程，這些流程由一系列技術拼湊而成，這些技術往往沒有經過優化、精簡、連接或一致。

然而，在一個以數字加速為游戲名稱的世界里，商業領袖們正在呼吁數字運營的卓越性。COVID-19進一步加速了這一進程，它迅速推動企業允許更多遠程、數字化的首選方案。超自動化是企業實現數字化運營卓越性和運營彈性的關鍵。為了實現這一點，組織必須數字化其文檔/工件，并確保其業務和IT流程工作流是數字化的。他們需要自動化任務、流程并協調跨職能領域的自動化。

參考文獻：

【1】  Gartner發布2021年重要戰略科技趨勢https://www.gartner.com/cn/newsroom/press-releases/2021-top-strategic-technologies-cn,2020/10/20

【2】 Top Strategic Technology Trends for 2021， Edited by Brian Burke, Research VicePresident, Gartner, 2020