新火種
2023-11-27 
當AI創新走入深水區人們會迎來哪些新的變化？
身處高度不確定的市場格局中，盡管技術變革的浪潮風起云涌，但很多企業還是希望找到相對確定的投資，以獲得較好的 ROI 表現。可以說，在當今的時代，創新的理念和工具并不缺乏，企業更需要的是一條通往商業成功的正確路徑和策略。在 Gartner 公布的 2024 年十大戰略技術趨勢中，就給出了一些有價值的參考建議。Gartner 研究副總裁高挺介紹稱：" 此次的‘十大戰略技術趨勢’分為三個主題，即保護你的投資、開發者的崛起、交付價值，這些趨勢背后還有一個共性，那就是 AI。"
Gartner 2024 年十大戰略技術趨勢
十大趨勢分布在上述三大主題，既有相關聯的部分，也有獨立的部分。在 " 保護你的投資 " 中，AI Trism（AI Trust，Risk，Security Management/AI 信任、風險和安全管理）的提出恰逢其時，如今，每個組織都在 AI 的發展中爭先恐后，但只有少數企業會系統性的思考其背后的風險。這正是 Gartner 擔心的問題。在沒有護欄的情況下，AI 模型可能會迅速產生脫離控制的多重負面效應，抵消 AI 所帶來的一切正面績效和社會收益。AI TRiSM 提供用于模型運維（ModelOps）、主動數據保護、AI 特定安全、模型監控（包括對數據漂移、模型漂移和 / 或意外結果的監控），以及第三方模型和應用輸入與輸出風險控制的工具。
Gartner 預測，到 2026 年，采用 AI TRiSM 控制措施的企業將通過篩除 80% 的錯誤和非法信息來提高決策的準確性。據了解，AI TRiSM 架構包括六個模塊，分別是：內容異常檢測、數據保護、AI 應用安全、可解釋性 / 透明度，、模型管理（ModelOps），以及對抗攻擊的防御，旨在從早期數據訓練可能遭遇的 " 惡意引導 "，到應用生成式 AI 時的 " 提示詞攻擊 "，提供全生命周期的 "AI Trust" 框架。
CTEM（Continuous Threat Exposure Management/ 持續威脅暴露面管理）是一套對于安全態勢的修復和改進的框架，可以幫助企業持續且統一地評估數字與物理資產的可訪問性、暴露情況和可利用的務實系統性。該架構不止是發現漏洞，然后去修補，而是更關注業務層面的風險暴露面，先進行識別，然后對其以業務為導向進行風險的優先級管理，根據威脅載體或業務項目（而非基礎設施組件）調整 CTEM 評估和修復范圍不僅能發現漏洞，還能發現無法修補的威脅。Gartner 預測，到 2026 年，根據 CTEM 計劃確定安全投資優先級別的企業機構將減少三分之二的漏洞。
CTEM 包括五個模塊，分別是 Scoping、Discovery、prioritization、Validation、Mobilizatlon，每個模塊擁有各自的方法論、技術工具和實踐。威脅暴露面所指的不止是網絡安全漏洞，而是涉及風險范圍、風險敞口，以及應用程序、社交賬戶、IT 設備等，還要考慮風險暴露后被利用的可能性，以及對業務的影響程度等因素。當然，風險控制并不能做到完全的自動化，Gartner 認為，接受與風險共存、同時提高業務韌性是更為實際的做法。這也是 CTEM 的理念，即很多風險需要花費大量的資源去控制或消除，要結合業務優先級來處理。
社會數字化水平的提升，伴隨著電力等資源的大量消耗，尤其是暴力計算的加劇，人們更需要考慮一種可持續的技術路徑。Gartner 預測，到 2025 年時 75% 的組織會面臨持續的電力短缺，到 2027 年時 25% 的 CIO 的個人薪酬將與他們對可持續技術的影響掛鉤。可持續技術（Sustainable Technology）是一個數字解決方案框架，其用途是實現能夠支持長期生態平衡與人權的環境、社會和治理（ESG）成果。提高使用 IT 時的效率、循環性與可持續性變得更加重要。
踐行可持續技術減少碳排放
那么，要如何找到資源使用和能源節約的平衡點呢？首先要 Sustainability of IT，IT 部門要可持續，提高資產利用率，把這種理念貫穿于工作流程、供應鏈等各個方面，促進循環經濟，其次是 Sustainability with IT，IT 要對可持續性進行賦能的地方，也就是相關的數據，企業要搜集、管理、分析能耗數據，說要心中有數，高效管理。
在開發者的崛起部分，平臺工程（Platform Engineering）是第二年入選這一趨勢，指的是構建和運營自助式內部開發平臺的一門學科，通過一系列的工具和流程為企業的軟件開發團隊提供了自助開發門戶 / 內部開發平臺，該平臺涵蓋應用程序生命周期中的所有操作，由專門的產品團隊創建和維護，并通過與工具和流程對接來支持用戶需求層，目標是優化生產力和用戶體驗并加快業務價值的實現。相較之下，傳統的項目開發制容易造成重復開發等資源浪費，而平臺工程可以提供可組裝、可重用、可配置的服務，能夠根據不同應用場景的需求提供相應的模塊，包括基礎設施、開發工具、數據管理、安全與身份管理、運維管理、服務目錄等平臺能力。
借助 AI 增強開發，可以強化整個開發的生命周期，使用生成式 AI、機器學習等 AI 技術協助軟件工程師進行應用設計、編碼和測試，例如，對樣板代碼、重構代碼，以及舊的框架或編程語言進行學習等場景帶來了較大的幫助，同時，像單元測試、系統集成測試、UAT 測試、回歸測試等傳統環節會被 AI 開發取代，重點體現在編寫測試代碼、生成測試數據、生成單元測試中的 " 測試樁 "。可以說，AI 輔助軟件工程提高了開發人員的生產力，使開發團隊能夠滿足業務運營對軟件日益增長的需求。這些融入了 AI 的開發工具能夠減少軟件工程師編寫代碼的時間，使他們有更多的時間開展更具戰略意義的活動，比如設計和組合具有吸引力的業務應用等。
Gartner 預測，到 2027 年將有超過 70% 的企業使用行業云平臺（ICP）加速其業務計劃，而 2023 年的這一比例還不到 15%。ICP 通過可組合功能將底層 SaaS、PaaS 和 IaaS 服務整合成全套產品，推動與行業相關的業務成果。這些功能通常包括行業數據編織、打包業務功能庫、組合工具和其他平臺創新功能。ICP 是專為特定行業量身定制的云方案，可以進一步滿足企業機構的需求。進一步來看，行業云平臺具備可組裝和模塊化兩大特征，可以把一些通用的業務能力模塊化之后放在公有云的架構上，之后進行重新的排列組裝。除了會放在公有云上，行業云平臺還添加了針對行業的 " 業務能力封裝（PBC）"，可以支持特定行業需求。根據 Gartner 的估算，當前在 20 多個行業中有超過 270 個 " 行業云平臺 "。
在交付價值部分，智能應用（Intelligent Applications）是時下比較流行的一種概念，Gartner 將智能應用中的 " 智能 " 定義為自主做出適當響應的習得性適應能力。在許多用例中，這種智能被用于更好地增強工作或提高工作的自動化程度。作為一種基礎能力，應用中的智能包含各種基于 AI 的服務，如機器學習、向量存儲和連接數據等。因此，智能應用能夠提供不斷適應用戶的體驗。這種智能可以體現在手機上的電量管理，也可以體現在自動駕駛、機器人等場景，系統可以通過自學習去改善用戶體驗。
目前，已經存在對智能應用的明確需求，在 2023 年 Gartner 首席執行官（CEO）和業務高管調查中，26% 的 CEO 認為對企業機構破壞力最大的風險是人才短缺。吸引和留住人才是 CEO 在人力資源方面的首要任務，而 AI 被認為是未來三年對他們所在行業影響最大的技術。Gartner 預測，到 2026 年超過 80% 的獨立軟件開發商，都會把生成式 AI 的能力嵌入到企業當中去，這一比例在 2023 年只有 1%。
經過大規模預訓練的模型、云計算與開源的融合正在推動生成式人工智能（生成式 AI）的全民化，使這些模型能夠被全球工作者所用。到 2026 年，Gartner 預測超過 80% 的企業將使用生成式 AI 的 API 或模型，或在生產環境中部署支持生成式 AI 的應用，而在 2023 年初這一比例不到 5%。也就是說，生成式 AI 的使用門檻將會越來越低，幾乎可以為所有人提供 " 生成、創造、編寫數字內容和內容 " 的能力，相應的應用成本同樣會降低。
生成式 AI 應用可以讓企業用戶訪問并使用大量內部和外部信息源，這意味著生成式 AI 的快速采用將極大地促進企業知識和技能的全民化。大型語言模型使企業能夠通過豐富的語義理解，以對話的形式將員工與知識相連接。由于人們可以隨時隨地獲取更多的知識和技能，意味著全新的生產力浪潮也會隨之到來，云和開源的融合將加速生成式 AI 的民主化，同時，相應的風險治理同樣值得重視。
智能化帶來的改變不僅體現在技術上，也影響了團隊協作的方式。增強型互聯員工隊伍（ACWF）是一種優化員工價值的戰略，利用 AI 聯接了員工，加強了協作性，帶來了數字化的員工體驗，通過使用智能應用和員工隊伍分析提供了助力員工隊伍體驗、福祉和自身技能發展的日常環境與指導。同時，ACWF 還能為關鍵的利益相關方帶來業務成果和積極影響。通過 " 增強 "，可以對從終端應用知識庫，甚至是員工情緒中提取出來的數據進行接近實時的處理和反饋，例如企業可以從員工的工作時間、郵件信息、訪問數據等分析出其當前的工作狀態和壓力，以改善工作流程和效率。到 2027 年底，25% 的首席信息官（CIO）將使用增強型互聯員工隊伍計劃將關鍵崗位的勝任時間縮短 50%。
機器客戶（也被稱為 " 客戶機器人 "）是一種可以自主協商并購買商品和服務以換取報酬的非人類經濟行為體。Gartner 預測，到 2027 年會有超過 50% 的銷售和服務中心配備接聽機器客戶的電腦。高挺表示，機器客戶的進化過程分為三個階段——人類主導，由機器通過一定的規則去購買特定商品；人類和機器共同主導，優化購買的選擇，最終由機器根據規則執行購買操作；機器推測人類的需求，根據規則、場景和偏好進行自主化購買。目前，已經進入了第二階段，像沃爾瑪曾開發了一款 "AI 談判軟件 " 用于和不同的供應商談判采購自用商品，最終達成了 68% 的交易。
高挺引述了一則處于 " 機器客戶 " 第二階段的事例：某人能夠用 ChatGPT 和 Dall-E 準備晚餐菜單，然后通過 Dall-E 把菜單的文字轉化為圖片請柬，并且可以用 ChatGPT 創建 " 購物清單 "，在美國 Instacart（食品和雜貨的配送平臺）通過說出要買的東西，或上傳原材料，最后由系統完成自動下單。同時，還可以把請柬同步在社交平臺上。Gartner 預測，到 2028 年將有 150 億臺聯網產品具備成為客戶的潛力，這一數字還將在之后的幾年增加數十億。到 2030 年，該增長趨勢將帶來數萬億美元的收入，其重要性最終將超過數字商務的出現。在戰略上應考慮為這些算法和設備提供便利乃至創造新型客戶機器人的機會等。" 我們認為‘機器客戶’將會越來越多的走向成熟。" 高挺說。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
