Топ-10 стратегических технологических тенденций в 2018 году

Введение

Цифровизация бизнеса размывает физический и виртуальный миры, преобразуя бизнес-проекты, отрасли, рынки и организации. Продолжающаяся эволюция бизнеса использует новые технологии для интеграции физического и виртуального миров, создания совершенно новых бизнес-моделей. Будущее будет определяться умными устройствами, предоставляющими всё большее проникновение цифровых услуг во все аспекты жизни. Gartner называет взаимодействие людей, устройств, контента и услуг "интеллектуальной цифровой группой" (intelligent digital mesh). Это обеспечивается цифровизацией бизнес-платформ, предоставляющих богатый интеллектуальный набор услуг для поддержки бизнеса.

Gartner выделяет 10 основных технологических тенденций, которые можно объединить в три группы – искусственный интеллект (ИИ), цифровизация, построение mesh-сетей (см. Рис. 1).

Рисунок 1. Top 10 Strategic Technology Trends for 2018

Рисунок 1. Top 10 Strategic Technology Trends for 2018

"Интеллектуальный тренд" исследует, как ИИ проникает практически во все существующие технологии и создает совершенно новые направления. Применение ИИ станет основным направлением для поставщиков технологий до 2022 года. Использование ИИ будет способствовать появлению всё более гибких автономных систем.

  1. Использование ИИ
  2. Интеллектуальные приложения и аналитика
  3. Интеллектуальные вещи

"Цифровой тренд" фокусируется на смешении физического и цифрового миров. В связи с тем, что поток данных, генерируемый вещами растет экспоненциально, вычислительные мощности смещаются к границам сетей для обработки этого потока информации и на центральные узлы отправляются только сводные данные. Цифровые тенденции, наряду с возможностями, предоставляемыми ИИ, являются драйверами нового этапа цифровизации бизнеса и создания экосистемы цифрового бизнеса.

  1. Цифровые модели
  2. Граничные облачные вычисления
  3. Диалоговые системы
  4. Технологии погружения (Immersive Experience)

"Тренд построения mesh-сетей" относится к использованию связей между всё увеличивающимся количеством людей и компаний, а также устройств, контента и услуг, для достижения результатов цифрового бизнеса. Ячеистая топология (mesh) требует использования новых возможностей, которые обеспечат глубокую безопасность и смогут реагировать на возникающие события в этих соединениях.

  1. Блокчейн
  2. Событийно-управляемая модель (Event-driven model)
  3. Непрерывная оценка риска и степени доверия (Continuous Adaptive Risk and Trust, CARTA)

В данном списке представлены направления развития, которые еще не получили широкого распространения, но имеют значительное отраслевое воздействие. До 2022 года технологии, связанные с этими тенденциями, достигнут достаточного уровня зрелости.

Тренд 1. Использование ИИ

Создание систем, которые обучаются, адаптируются и потенциально действуют автономно, станет основным направлением разработок, по крайней мере, до 2020 года. Возможность использования ИИ для повышения эффективности принятия решений, создания новых бизнес-моделей и экосистем приведет к выигрышу в цифровых инициативах до 2025 года. Развитие ИИ строится на многочисленных технологиях, которые развивались на протяжении многих лет. Это приводит к тому, что:

  • используются всё более продвинутые алгоритмы машинного обучения – контролируемые, неконтролируемые и алгоритмы обучения с подкреплением;
  • для машинного обучения доступны огромные массивы данных;
  • для обработки большого объема данных и сложных алгоритмов используются аппаратные средства, обеспечивающие практически безграничные вычислительные мощности.

При этом сегодняшние задачи подразумевают использование «узкого ИИ» - см. Рис. 2.

Рисунок 2. Narrow AI's Place in the Long History of AI

Рисунок 2. Narrow AI's Place in the Long History of AI

«Узкий ИИ» состоит из высокоуровневых программ машинного обучения, ориентированных на решения конкретных задач (например, понимание человеческого языка или управление транспортным средством в контролируемой среде). Используемые алгоритмы оптимизированы для конкретной заданной задачи. Все имеющиеся примеры реальных реализаций или разработок ИИ являются примерами «узкого ИИ». С другой стороны, общий искусственный интеллект (General AI) использует машинное обучение для решения широкого спектра задач. Такие системы ИИ, если бы они существовали, успешно выполняли бы любую интеллектуальную задачу, которую мог бы выполнять человек, и постоянно обучались, как это делают люди. Подобные системы, вероятно, не будут созданы, но интерес к ним не утихает.

Технологии ИИ быстро развиваются. Успешное использование этих технологий требует значительных инвестиций. Недостаточное развитие науки о данных, вероятно, затруднит применение ИИ в краткосрочной перспективе. К 2020 году 30% новых проектов будут развивать ИИ совместными командами ученых и программистов.

Прикладное применение ИИ приводит к ряду интеллектуальных реализаций. К ним относятся как физические устройства (такие как роботы, автономные транспортные средства и бытовая электроника), так и приложения, и услуги (виртуальные персональные помощники и интеллектуальные консультанты). Эти реализации ИИ будут позиционироваться как новый класс явно интеллектуальных приложений и вещей. Они обеспечат встроенный интеллект в широкой спектр взаимодействующих между собой устройств, а также в существующие программные и сервисные решения. Для создания подобных систем используется сложная научная база. Это означает, что многие организации будут использовать ИИ в основном уже в готовых интеллектуальных приложениях и вещях, в том числе по принципу «модель как сервис» (models as a service, MaaS).

Тренд 2. Интеллектуальные приложения и аналитика

Компании применяют методы ИИ для создания новых категорий систем, например, виртуальные клиентские помощники, VCA, а также для улучшения традиционных приложений (таких как системы анализа производительности, системы анализа продаж и маркетинга, системы безопасности). Интеллектуальные приложения смогут трансформировать характер работы и структуру рабочего места. При изучении того, как и где возможно использовать ИИ, целесообразно сосредоточиться на трех целевых доменах:

  • Аналитика: ИИ может использоваться для создания более предиктивной или предписывающей аналитики. ИИ также используется для расширенной аналитики;
  • Процесс: ИИ может управлять более интеллектуальными действиями приложения. Например, вы можете использовать ИИ для интеллектуального сопоставления счетов или анализа документов электронной почты для улучшения качества обслуживания;
  • Пользовательский опыт: взаимодействие на человеческом языке, используемое для создания VPA, распознавание лиц или другие приложения ИИ для понимания эмоций пользователя, контекста или намерения и прогнозирования потребностей.

В течение следующих нескольких лет практически каждое приложение или сервис будут включать ИИ в каком-либо объеме. Некоторые из этих приложений станут интеллектуальными приложениями в явном виде и не могут существовать без ИИ и машинного обучения. Другие будут использовать ИИ незаметно для пользователя.

VPA, такие как Google Now, Microsoft Cortana, Apple Siri, Алиса от Яндекс, чат-боты (например, Facebook Messenger) быстро развиваются и могут работать с ИИ (например, Wit.ai). Приложения могут создавать новый интеллектуальный промежуточный уровень для взаимодействия между людьми и системами. Например, в здравоохранении online-консультанты, оснащенные ИИ, могут улучшить понимание проблемы врачами, что позволит предоставлять более персонализированные методы лечения.

Расширенная аналитика позволит больше времени уделять исследованиям

Расширенная аналитика - это стратегическая парадигма данных и аналитики нового поколения, на которую оказывает влияние ИИ – см. Рис. 3. ИИ использует машинное обучение для автоматизации процесса подготовки данных и предварительной подготовки информации. Расширенная аналитика позволит специалистам сосредоточиться на решении специализированных проблем. Пользователи будут тратить меньше времени на подготовку данных и больше времени на анализ наиболее важных идей.

Рисунок 3. Augmented Analytics for Citizen and Professional Data Scientists

Рисунок 3. Augmented Analytics for Citizen and Professional Data Scientists

Как небольшие стартапы, так и крупные компании теперь предлагают приложения с расширенными возможностями аналитики с использованием ИИ. К 2020 году расширенная аналитика станет доминирующим драйвером для систем анализа данных, и автоматизация задач в области информатики позволит непрофессиональным ученым производить больший объем расширенного анализа, чем сегодня специализированным ученым-исследователям.

Тренд 3. Интеллектуальные вещи

Интеллектуальные вещи - это системы, которые выходят за рамки жестко заданных программных моделей, и используют ИИ для расширения модели поведения, что приводит к более естественному взаимодействию с окружающей средой и людьми. ИИ способствует развитию новых интеллектуальных решений, таких, как беспилотные транспортные средства, роботы и дроны, а также предоставляет расширенные возможности для множества существующих платформ, потребительских и промышленных систем, подключенных к IoT (см. Рис. 4).

Рисунок 4. Intelligent Things Span Many Sectors

Рисунок 4. Intelligent Things Span Many Sectors

Интеллектуальные вещи являются либо полу-, либо полностью автономными. Слово "автономный", когда оно используется для описания интеллектуальных систем, необходимо интерпретировать. В понимании Gartner "автономный" означает свободу от внешнего контроля или влияния человека. Имеется в виду, что эти интеллектуальные вещи могут функционировать без надзора в течение определенного периода времени для решения поставленной задачи. Интеллектуальные вещи могут иметь различные уровни автономии, о чем свидетельствуют следующие примеры:

  • Роботы-пылесосы, которые имеют ограниченную автономность и ограниченный интеллект;
  • Дроны, которые в полете могут автономно уклоняться от препятствий;
  • Беспилотные летательные аппараты, которые могут летать в зданиях, в том числе через окна и двери.

Автономные дроны и роботы претерпят значительную техническую эволюцию, основанную на моделях и алгоритмах машинного обучения. Достижения в одной области будут доступны приложениям из других областей.

Использование беспилотных транспортных средств в контролируемых условиях (например, сельское хозяйство, добыча полезных ископаемых или складирование) является растущей областью интересов интеллектуальных вещей. В промышленных условиях транспортные средства могут быть полностью автономными. При этом к 2022 году, по оценке Gartner, будут доминировать полуавтономные сценарии, требующие участия водителя и такие автономные транспортные средства будут использоваться на дорогах в ограниченных, четко определенных контролируемых зонах (пример - использование беспилотных такси в рамках технопарка Сколково).

ИИ будет все чаще внедряться в повседневные вещи - умная бытовая техника, умные колонки, оборудование для больниц. Это явление тесно связано с появлением диалоговых платформ, расширением IoT и тенденцией к разработки цифровых моделей.

Другие рынки будут иметь аналогичный потенциал для реализации встроенного интеллекта. Например, современный цифровой стетоскоп может записывать и сохранять звуки пульса и дыхания. Сбор и хранение таких данных, связывание этих данных с диагностической и лечебной информацией, а также создание приложений, использующих ИИ, позволит врачам получать помощь в диагностировании пациентов в режиме реального времени. Однако, при реализации более сложных сценариях необходимо учитывать такие важные вопросы, как конфиденциальность пациентов и нормативные ограничения. Gartner считает, что эти не технические проблемы и сложность создания узкоспециализированных помощников замедлят внедрение ИИ в промышленных IoT и других бизнес-сценариях. Организации, которые смогут устранить эти барьеры, будут иметь значительные конкурентные преимущества.

Рой умных вещей будет работать вместе

По мере того как количество интеллектуальных систем будет разрастаться, Gartner ожидает перехода от автономных интеллектуальных вещей к рою интеллектуальных вещей. При такой реализации несколько устройств будут работать вместе, независимо от людей или с управлением одним человеком. Например, если дрон произвел осмотр полей и обнаружил, что какие-то из них готовы к уборке, он может отправить в нужное место «автономный комбайн». На логистическом рынке наиболее эффективным решением может быть использование беспилотных автомобилей для перевозки грузов до перевалочных складов. Роботы и дроны, находящиеся на борту этих беспилотных автомобилей, смогут затем произвести окончательную доставку товара покупателю. Военные проводят работы в данной области и изучают возможность использования роев дронов для нападения или защиты военных целей.

Тренд 4. Цифровые модели

Цифровая модель - это цифровое представление реальной сущности или системы – Рис. 5.

CAD = computer-aided design; FEA = finite element analysis; ML = machine learning

Рисунок 5. Digital Twins Are Digital Representations of Real-World Objects

Рисунок 5. Digital Twins Are Digital Representations of Real-World Objects

Реализация цифровой модели представляет собой программный модуль, который отражает уникальный физический объект. Данные из нескольких цифровых моделей могут быть агрегированы для составного представления о нескольких реальных объектах. Понятие цифрового представления реальных объектов или систем не ново. При этом, в рамках последних разработок:

  • обеспечивается надежность моделей;
  • обеспечивается связь цифровых моделей с реальным миром, потенциально в режиме реального времени;
  • используются big data и ИИ;
  • обеспечивается возможность взаимодействия моделей и оценка сценариев «что, если».

Построение цифровых моделей в рамках проектов IoT сегодня представляет определенный интерес. Хорошо продуманные цифровые модели активов могут значительно упростить и ускорить принятие решений на предприятиях. Модели связаны с их реальными аналогами и используются для понимания состояния вещей или системы, реагирования на изменения, улучшения операций. Сначала организации будут внедрять простые цифровые модели. Они будут развивать эти модели, улучшая их способность собирать и визуализировать правильные данные, применять нужную аналитику и различные наборы правил. После 2027 года использование цифровых моделей будет применяться уже не только инженерами-технологами и учеными-исследователями.

Цифровые модели могут повысить понимание данных и улучшить принятие решений, и в конечном итоге будут помогать в разработке новых бизнес-сценариев. Их использование принесет множество преимуществ в различные сроки, в том числе:

  • Краткосрочный период: цифровые модели будут применяться в мониторинге, оптимизации и улучшении пользовательского опыта, что важно почти во всех отраслях. Переход от превентивного к предиктивному обслуживанию - это наиболее ценное использование цифровых моделей систем и механизмов. Преимущества для клиентов включают сокращение времени простоя и снижение эксплуатационных расходов.
  • Среднесрочный период: организации будут использовать цифровые модели для управления компаниями и повышения операционной эффективности. Цифровые модели будут использоваться для планирования периодов обслуживания оборудования и прогнозирования отказа, на основе полученных данных о состоянии систем, что позволит ремонтировать оборудование в нужные моменты (предиктивно), чтобы предотвратить его отказ. Организации также будут использовать цифровые модели для улучшения процесса разработки, используя их для имитации поведения новых продуктов на основе понимания цифровой модели предыдущих реализаций с учетом их стоимости, оказания воздействия на окружающую среду и производительности.
  • Долгосрочные период: цифровые модели будут способствовать развитию инноваций, путем предоставления информации о том, как использовать и улучшать продукты и услуги. Новые бизнес-модели могут сосредоточиться на упреждающих советах. Например, инженеры-автомобилестроители могут использовать цифровые модели совместно с инструментом аналитики для анализа того, как будет управляться конкретный автомобиль, чтобы предложить новые функции для снижения аварийности. Инженеры смогут также предлагать новые решения для обслуживания машины с точки зрения водителя.

Цифровые модели будут связаны с другими цифровыми объектами

Цифровые модели объединяют огромные объемы информации об отдельных активах и группах, часто обеспечивая контроль над ними. По мере развития, модели будут «общаться друг с другом», например, чтобы создать модель «цифрового завода» из множества связанных цифровых моделей отдельных цехов, сборочных линий и т.д. Цифровые модели активов будут связаны с другими цифровыми объектами для людей (цифровые персоны), процессов (правоохранительных органов) и пространств (цифровых городов). Понимание этих связей, выделение отдельных элементов, где это необходимо, и отслеживание взаимодействий будет важно для поддержки безопасной цифровой среды.

Хотя сегодня большое внимание уделяется цифровым моделям активов в области Интернета вещей, более сложные цифровые модели реального мира оказывают гораздо большее влияние. Цифровые модели построены на концепции, что виртуальные модели активов сосуществуют и связаны с реальными активами - они являются двойниками. Однако эта концепция не ограничивается активами (или вещами). Создание цифровых аналогов реальных элементов развивается по различным направлениям. Подобно цифровым моделям, эти цифровые аналоги объектов часто создаются из структур метаданных и моделей вещей, не связанными, или незначительно связанными с реальными объектами.

Тренд 5. Граничные облачные вычисления

Граничные вычисления (edge computing) описывают вычислительную топологию, в соответствии с которой сбор, обработка и доставка контента располагаются ближе к источникам и потребителям информации. Граничные вычисления основаны на концепциях mesh-сетей и распределенных вычислений. В этой концепции данные стараются обрабатывать локально, с целью сократить трафик в сети и задержку при доставке контента. По сути, понятие граничных вычислений существует уже много лет. Маятник «где обрабатывать данные» качался между централизованным подходом (например, мэйнфреймом или централизованным облаком) и более децентрализованными подходами (такими, как ПК и мобильные устройства). Проблемы со связностью и задержкой, ограничения полосы пропускания стандартных подходов построения сети, а также большая функциональность, заложенная в концепцию граничных вычислений, благоприятствуют развертыванию распределенных моделей. Пока данная топология, приложения и сетевые архитектуры не получили широкого применения. Платформы для управления системами и сетями необходимо будет расширить, включив в них особенности технологий граничных вычислений. К данным технологиям относятся прореживание, сжатие и защита данных, локальная аналитика. Edge computing решает многие насущные проблемы, такие как высокая стоимость WAN-сети и неприемлемые задержки. Топология граничных вычислений позволит в ближайшем будущем однозначно определить особенности цифрового бизнеса и ИТ-решений.

Edge Computing привносит распределенные вычисления в облачные системы

Большинство специалистов рассматривают облачные и граничные вычисления как конкурирующие подходы построения сетей. Развертывание публичных облаков рассматривается как существенная экономия, централизация точек обработки данных, в том числе с выполнением вычислений, которые более оптимально было бы выполнять на границе сети. Но это неправильное понимание обоих понятий. Облачные вычисления - это стиль вычислений, в котором гибко масштабируемые технологические возможности поставляются как услуга с использованием интернет-технологий. Облачные вычисления не требуют централизации. Граничные вычисления привносят аспекты распределенных вычислений в облачную модель. Необходимо рассматривать облачные и граничные вычисления как взаимодополняющие, а не конкурирующие концепции – Рис. 6.

Рисунок 6. Cloud and Edge Computing Are Complementary Concepts

Рисунок 6. Cloud and Edge Computing Are Complementary Concepts

В некоторых реализациях "облаков" уже используется подход, который распределяет функциональные возможности к границе сети (например, Microsoft Office 365 и AWS Greengrass). Gartner ожидает, что этот подход будет использоваться чаще, поскольку поставщики облачных технологий продвигаются дальше на рынок IoT, а поставщики IoT систем используют построение "облаков" для более эффективного управления своими решениями. Несмотря на то, что IoT является сильным драйвером для подхода «от облака к границе», эта тенденция также принесет пользу для мобильных устройств или стационарных PC. Вероятнее всего, появятся другие решения, подобные «Office 365».

Тренд 6. Диалоговые системы

Диалоговые системы приведут к новому большому сдвигу парадигмы в том, как люди взаимодействуют с цифровым миром. Сложность перевода намерения (определения задачи) пользователя будет перемещаться от человека к компьютеру. Система получит вопрос или команду от человека обычным языком. Система ответит человеку, выполнив функцию, предоставив контент или запрашивая дополнительные данные.

Диалоговая система обеспечивает высокоуровневую модель проектирования и механизм выполнения, в котором происходит взаимодействие человека и машины. Как предполагает термин «диалоговая», интерфейсы взаимодействия реализуются в основном на устном или письменном языке пользователя. Со временем будут добавлены и другие механизмы взаимодействия – зрение, вкус, запах, прикосновения. Использование расширенных сенсорных каналов будет поддерживать расширенные возможности, такие как обнаружение эмоций посредством анализа выражения лица или состояния здоровья человека посредством анализа запахов.

В течение следующих нескольких лет диалоговые системы, основанные на естественном (вербальном или письменном) языке, станут основной целью для взаимодействия с пользователем. Gartner прогнозирует, что к 2019 году 20% взаимодействия пользователей со смартфонами будут проходить через VPA (виртуальный личный помощник, virtual personal assistant). Исследование Gartner показало, что уже сейчас четверть пользователей смартфонов используют VPA ежедневно или еженедельно.

Диалоговые платформы наиболее узнаваемы в следующих форматах:

  • VPA, такие как Amazon Alexa, Apple Siri, Google Assistant и Microsoft Cortana;
  • VCA (виртуальное вычислительное устройство, virtual compute appliance), такие как IPsoft's Amelia, Watson Virtual Agent, Artificial Solutions, Interactions, Next IT и Nuance;
  • Структуры Chatbot, такие как Amazon Lex, API.AI от Google, IBM Watson Conversation и Microsoft Bot Framework.

Взаимодействие в диалоговых системах обычно неформально и двунаправленно. Взаимодействие может быть простым запросом или вопросом (например, «какая погода на улице?» или «сколько времени?») с простым ответом. В ином случае, это может быть структурированное взаимодействие, например, необходимое для бронирования столика в ресторане или номера в гостинице. По мере развития технологии возможно будет реализовывать чрезвычайно сложные запросы, что приведет к получению достаточно сложных результатов. Например, диалоговая система сможет собрать устные показания свидетелей преступления, и на основании их составит образ подозреваемого.

Рисунок 7. Conversational Platforms Include New User Experience Design Elements

Рисунок 7. Conversational Platforms Include New User Experience Design Elements

Тренд 7. Технологии погружения (Immersive Experience)

В то время как диалоговые платформы меняют способ взаимодействия людей с цифровым миром, виртуальная реальность (virtual reality, VR), дополненная реальность (augmented reality, AR) и смешанная реальность (mixed reality, MR) меняют то, как люди воспринимают цифровой мир. Этот комбинированный сдвиг в моделях восприятия и взаимодействия приведет к реализации впечатляющего пользовательского интерфейса.

VR и AR - это отдельные, но связанные технологии. MR расширяет оба подхода, чтобы более надежно подключить физический мир. Визуальный аспект взаимодействия важен, но существуют также и другие модели взаимодействия, такие как сенсорная (тактильная обратная связь) и звуковая (пространственный звук). В большей степени это касается MR, в которой пользователь сможет взаимодействовать с цифровыми и реальными объектами, сохраняя при этом присутствие в физическом мире.

VR обеспечивает компьютерную 3D-среду, которая окружает пользователя и естественным образом реагирует на действия человека. Обычно это происходит с помощью шлема виртуальной реальности (head-mounted display, HMD), который занимает все поле зрения пользователя. Контроллеры распознавание жестов или миниатюрные контроллеры отслеживают положения рук и тела, позволяя использовать сенсорную обратную связь. Стационарные контроллеры обеспечивают более глубокое чувство погружения в виртуальную реальность, с возможностью организации трехмерного изображение сразу для нескольких участников.

AR - это использование в режиме реального времени информации в виде текстовых, графических, видео и других виртуальных дополнений, интегрированных с объектами реального мира. Дополненная реальность реализуется посредством использования шлема виртуальной реальности или мобильного устройства. Наложение элементов виртуального мира на фон реального мира отличает дополненную реальность (AR) от виртуальной (VR). AR стремится улучшить взаимодействие пользователей с реальной физической средой, а не отделять их от нее. Это определение также относится и к смешенной реальности (МР), которая дополнительно объединяет элементы многих видов технологий погружения.

Рынок VR и AR является молодым и разрозненным. Однако инвестиции в эту область не уменьшаются. В 2016 году было выделено 2.09 млрд. долларов США, в 2017 году планировалось увеличение на 3% до 2,16 млрд. долларов. Большая часть инвестиций предназначена для разработки базовых технологий, или для технологий, позволяющих совершить технологический скачок в данной области. В 2017 году Apple представила ARKit 15, а Google – ARCore. Эти технологические платформы виртуальной реальности предназначены для мобильных вычислительных устройств компаний, и они указывают на значительный долгосрочный интерес со стороны лидеров рынка. ARCore и ARKit, Google Cardboard и Daydream, Samsung Gear VR используют смартфон в качестве вычислительной платформы для VR и AR.

VR и AR могут повысить производительность

Интерес к технологиям высок, что приводит к многочисленным новым приложениям для виртуальной реальности. Многие из них не представляют никакой реальной ценности для бизнеса, помимо организации дополнительных развлечений, таких как видеоигры и 360-градусные сферические видеоролики. Для компаний это означает, что рынок хаотичен. AR и VR часто используются как новинка для взаимодействия с клиентами. Обычно дополненная реальность реализуется через смартфон (как у Pokémon Go). Иногда это вариант использования шлема виртуальной реальности (например, Everest VR на HTC Vive, который позволяет зрителям наслаждаться просмотром, когда они практически поднимаются на Эверест). Однако 40% организаций, использующих или использующих AR, считают, что технология превосходит их ожидания.

До 2021 года потребительский и деловой контент, а также и приложения для виртуальной реальности будут быстро развиваться. В 2018 году рынок виртуальной реальности достигнет 67,2 млн. устройств. До 2021 год технология head-mounted display (HMD) будет значительно улучшаться, но наиболее широко будет распространена технология AR на мобильных устройствах.

Дальнейшим развитием является смешанная реальность - Рис. 8. Она реализует технологию, которая оптимизирует интерфейс, более соответствующий тому, как люди взаимодействуют со своим миром. MR использует шлемы виртуальной реальности, смарфоны и планшеты, умные зеркала, системы отображения информации на лобовом стекле автомобиля и проекторы. Смешанная реальность выходит за рамки использования только визуальной информации, в ней также используются звуковые, тактильные и другие сенсорные каналы ввода/вывода. MR также включает в себя маяки и датчики, встроенные в среду вокруг пользователя.

Рисунок 8. The Future of the User Experience (UX)

Рисунок 8. The Future of the User Experience (UX)

Интеграция VR и AR с различными системами (мобильными, носимыми, IoT, множеством датчиков, диалоговыми платформами) расширит возможности приложений. Помещения и окружающее пространство станут взаимодействовать с вещами, и работать вместе с виртуальными мирами. Представьте себе склад, который может не только определять присутствие рабочих, но также помогать им понять состояние обслуживаемого оборудования и визуально показывать детали, требующие замены. При этом, хотя потенциал VR и AR впечатляет, для широкого внедрения и использования предстоит еще решить много сложных задач.

Тренд 8. Блокчейн

Блокчейн развился из цифровой валютной инфраструктуры в платформу для цифровой трансформации. Блокчейн и другие технологии с распределенной базой данных обеспечивают доверие к ненадежным средам, устраняя необходимость в едином центре аутентификации. В этом исследовании Gartner используется термин «блокчейн» как общий термин для всех технологий с распределенной базой данных. Технологии блокчейн предлагают радикальный отход от текущих централизованных транзакций и механизмов учета.

По своей сути, блокчейн является общей, распределенной, децентрализованной и токенизированной базой данных. Блокчейн - мощный инструмент для цифрового бизнеса и обеспечивает:

  • Устранение сложностей взаимодействия в бизнесе и технике;
  • Возможность создания собственного актива и его распространение;
  • Создание управляемую доверительную модель.

Рисунок 9. Key Elements of Blockchain

Рисунок 9. Key Elements of Blockchain

Блокчейн набирает популярность, поскольку он предлагает возможности преобразования операционной модели отрасли. Финансирование проектов блокчейн продолжает расти, и одной из интересных разработок является использование первичного размещения (initial coin offerings, ICO) в качестве источника финансирования. Повышенный интерес к блокчейну первоначально находился в финансовой отрасли. Но блокчейн имеет много потенциальных реализаций помимо финансовых услуг, включая государственные приложения, здравоохранение, производство, логистику, распространение контента, проверку подлинности и патентное право.

Критическим аспектом технологии блокчейн является нерегулируемое государством создание и перевод денежных средств, примером которых является биткоин. Эта возможность финансирует большую часть развития блокчейна, но в связи с этим беспокоит государственных регуляторов и правительство. Дискуссии о разрешенных, не разрешенных, гибридных и частных экосистемах и управлении этими системами приведут к более надежному анализу распределенных баз данных. Рабочие решения появятся в 2021 году по мере завершения этого анализа.

Блокчейн потенциально предлагает значительные долгосрочные преимущества, несмотря на имеющиеся проблемы

К основным потенциальным преимуществам блокчейна относятся:

  • Улучшенный денежный поток
  • Снижение транзакционных издержек
  • Сокращение расчетного времени
  • Происхождение активов
  • Создание собственного актива
  • Новые модели доверия

Использование открытого блокчейна может устранить необходимость использования доверенных центров аутентификации в записях транзакций и арбитражных спорах. Это связано с тем, что доверие встроено в модель через неизменные записи в распределенной базе данных. Потенциал этой технологии для радикального преобразования экономических взаимодействий должен поднять ряд важных вопросов для общества, правительств и компаний. Пока нет четких ответов на эти вопросы.

Блокчейн сталкивается с другими важными вопросами, которые не позволят реализовать надежные масштабируемые решения в срок до 2022 года. Технологии и концепции блокчейн являются незрелыми, плохо понятными и недоказанными в критически важных бизнес-операциях.

Тренд 9. Событийно-управляемая модель (Event-Driven Model)

Бизнес всегда ощущает и готов использовать новые аспекты цифровых технологий. Это центральное место в цифровизации бизнеса. Бизнес-события отражают начало определенных состояний или изменения состояний. Некоторые бизнес-события или комбинации событий представляют собой бизнес-моменты - выявленные ситуации, которые требуют определенных бизнес-действий. Наиболее важные бизнес-моменты имеют последствия для нескольких сторон (например, отдельные приложения, бизнес-направления или партнеры).

Более крупные бизнес-события можно обнаружить быстрее и проанализировать более подробно, используя брокеры событий, IoT, облачные вычисления, блокчейн, управление данными в памяти и ИИ. Но технология сама по себе не может обеспечить полную ценность событийно-управляемой модели. Для этого требуется внесение изменений в культуру и лидерство: ИТ-руководители, планировщики и архитекторы должны использовать «событийное мышление». К 2020 году для 80% цифровых бизнес-решений потребуется ситуационная осведомленность о событиях в реальном времени. И 80% новых бизнес-экосистем потребуется поддержка для обработки событий.

Событийно-управляемая архитектура оптимизирована для гибкости, отказоустойчивости, расширяемости, более низкой стоимости изменений, открытого дизайна. Для достижения целей пользователями в диалоговых платформах необходимо обеспечить динамический подход, основанный на событиях. Пользовательский интерфейс с диалоговыми платформами становится более интеллектуальным, реагируя на динамический и изменяющийся контекст пользователя и интегрируя различные системные элементы. Потоки данных из систем IoT представляют собой потоки событий. Принятие решений в режиме реального времени и ситуационная осведомленность требуют постоянного мониторинга и оценки событий.

События станут более важными в интеллектуальной цифровой mesh-сети

Модели проектирования приложений, управляемые запросами и событиями, являются взаимодополняющими – Рис. 10. Обе модели являются полезными, в зависимости от выполняемого бизнес-процесса. Модель, управляемая запросами, с ее командным и структурированным подходом обеспечивает большую уверенность и контроль взаимодействия между службами. Эта модель относительно жесткая, с ограниченным параллелизмом и созданием зависимостей. Подход, основанный на событиях, более гибкий, поддерживающий потоки событий и масштабирование в реальном времени. Но для этого требуется введение промежуточного уровня, брокера событий (event broker). Разработчики процессов, архитекторы и программисты должны рассматривать оба подхода как равные. Событийно-управляемая модель постепенно станет предпочтительным подходом из-за её гибкости.

Рисунок 10. Event-Driven and Request-Driven Application Design Models Are Complementary

Рисунок 10. Event-Driven and Request-Driven Application Design Models Are Complementary

Тренд 10. Непрерывная оценка риска и степени доверия (Continuous Adaptive Risk and Trust, CARTA)

Интеллектуальная цифровая mesh-сеть и связанные с ней цифровые технологические платформы и архитектура приложений создают все более сложный мир для построения систем обеспечения безопасности. Продолжающаяся эволюция «индустрии взлома» и использование в ней всё более сложных инструментов, включая те же самые передовые технологии, которые доступны для «добросовестных» компаний, значительно повышают потенциал угрозы. Надеяться на защиту периметра на основе статических правил уже некорректно и несовременно. Это особенно важно, поскольку организации всё чаще используют мобильные устройства, облачные сервисы и открытые API в процессе создания бизнес-экосистем для клиентов и партнеров. ИТ-руководители должны сосредоточиться на обнаружении угроз и реагировании на них, а также использовать традиционные меры, такие как блокировка, для предотвращения атак и других злоупотреблений. В то же время для цифрового бизнеса потребуется более совершенная защита доступа, когда системы и информация находятся в цифровой mesh-сети. Руководители по вопросам безопасности и управления рисками должны применять стратегический подход, основанный на непрерывной оценке риска и степени доверия (continuous adaptive risk and trust assessment, CARTA). Это жизненно важно для безопасного доступа к цифровым бизнес-инициативам в мире продвинутых таргетированных атак и позволит принимать решения в режиме реального времени, основанного на оценке риска и использовании доверительной модели.

Необходимо устранять барьеры между командами безопасности и разработчиков приложений

В рамках подхода CARTA организации должны устранять барьеры между командами разработчиков и безопасности. Аналогией данной ситуации является то, как инструменты и процессы DevOps преодолевают разрыв между разработкой и эксплуатацией. Команды безопасности не могут позволить себе дожидаться окончания процесса сборки и выпуска приложения для проведения подробного сканирования на наличие уязвимостей. Требования безопасности должны быть четко обозначены и легко интегрированы в процессы разработчиков, а не наоборот. Архитекторы информационной безопасности совместно с DevOps должны интегрировать процедуру тестирования в необходимые точки рабочих процессов. Организация работ должна быть прозрачной для разработчиков, обеспечивать совместную работу и гибкость среды разработки. Это приведет к созданию DevSecOps модели, показанной на Рис. 11.

Рисунок 11. The DevSecOps Model

Рисунок 11. The DevSecOps Model

Все платформы информационной безопасности должны предоставлять полную функциональность через API. Таким образом, процессы могут быть интегрированы в процесс DevOps и автоматизированы в предпочтительную инструментальную цепочку разработчика.

Выводы

Искусственный интеллект (ИИ) обеспечивает ценность для каждой отрасли, позволяя создавать новые бизнес-модели, поддерживая основные направления, такие как взаимодействие с клиентами, цифровое производство, умные города, беспилотные автомобили, управление рисками, компьютерное зрение и распознавание речи.

Поскольку люди, места, процессы и «вещи» становятся все более цифровыми, они будут представлены цифровыми моделями. Это обеспечит благодатную почву для новых событийно-управляемых бизнес-процессов, а также бизнес-моделей и цифровых экосистем.

Способ взаимодействия с цифровыми технологиями будет претерпевать радикальные преобразования в течение следующих пяти – десяти лет. Диалоговые платформы, дополненная реальность, виртуальная реальность и смешанная реальность обеспечат более естественное и захватывающее взаимодействие с цифровым миром.

Цифровой бизнес событийно-ориентирован, что означает, что он должен постоянно адаптироваться к новым вызовам. То же самое относится и к инфраструктуре безопасности и оценке рисков, которые ее поддерживают.