2019年十大战略技术趋势

2019年十大战略技术趋势关键发现■人工智能（AI）为数字业务开辟了新的前沿。

这是因为几乎每个应用程序、服务和物联网（IOT）对象都包含一个智能方面，以自动化或增强应用程序流程或人类活动。

我们对技术的感知和互动方式正在发生根本性的转变。

对话平台、增强现实、虚拟现实和混合现实将在数字世界中提供更自然、更沉浸的环境体验。

■事物和组织过程的数字表示越来越多地用于监测、分析和控制现实环境。

这些数字双胞胎结合了人工智能和沉浸式体验，为开放、连接和协调的智能空间奠定了基础。

■确定技术趋势的正式机制，并优先考虑那些对业务具有最大潜在影响的机制，从而创造竞争优势。

建议企业架构（EA）和技术创新领导者通过技术创新推动业务转型必须：■探索在组织或客户环境中，任何物理设备都可以通过人工智能驱动的自主功能提供动力的方法。

■就其战略相关优先事项以及人工智能可以自动化或增强人类活动的地方，向高级商业领袖进行教育、参与和思考。

■开发和部署混合平台，将对话式交互与虚拟、增强和混合现实结合起来，为目标用例创造沉浸式用户体验。

自主的事物使用人工智能来自动化以前由人类执行的功能。

他们的自动化超越了刚性编程模型提供的自动化，他们利用人工智能提供更自然地与周围环境和人互动的高级行为。

自主的事物有多种类型，它们在不同的能力、协调和智能水平的环境中运行。

在自主事物框架中跟踪技术的整体演进（参见图2）。

此外，使用这个框架来考虑特定用例场景的技术需求。

趋势1：自主的物理事物和自主的虚拟事物自主的事物——通常以在现实世界中运行的物理设备的形式出现。

例子包括机器人、无人机和自动车辆。

人工智能驱动的物联网元素，如工业设备和消费电器，也是一种自主的东西。

自主的事物可以在陆地、空中或海上运行，但每个物理设备都有一个与人类有关的操作焦点。

例如：■机器人在一定程度上独立于人类运行■人工智能驱动的物联网元件独立于人类运行，通常很少或没有移动■无人驾驶飞机由人类远程操作■自动车辆可能有人类乘客或车辆探索人工智能驱动的自主能力实际上可以为组织或客户环境中的任何物理设备供电的方式。

尽管自主的事物提供了许多令人兴奋的可能性，但它们无法与人脑的智力广度和动态的通用性学习相匹配。

相反，他们关注范围很广的目的，特别是自动化日常人类活动。

创建业务场景和客户旅程图，以确定和发掘能够带来令人信服的业务成果的机会。

寻求在传统手工和半自动化任务中结合使用智能事物的机会。

业务场景的示例包括：通过自动巡逻机器人预防犯罪。

微软、Uber和其他科技巨头正在使用K5型奈特窥镜机器人，通过自主机器人、分析和参与来预测和预防犯罪。

■先进农业。

美国国家机器人倡议（National Robotics Initiative）等项目正在将农业自动化推向下一个层次。

2个例子包括：为机器人创建计划算法，以自主经营农场；让无人驾驶飞行器（UAV）与人类侦察员合作，以研究特种作物农民的解决方案；以及垂直农业。

■更安全的汽车运输。

高科技公司（如Alphabet、Tesla、Uber、Lyft和Apple）和传统汽车公司（如梅赛德斯-奔驰、宝马、日产、丰田和福特）希望通过消除人为错误因素，自动驾驶汽车将减少汽车事故的数量。

到2021年，10%的新车将具备自主驾驶能力，而2017年这一比例不到1%。

自主的事物包括只在数字世界中运行而没有任何物理表现的事物。

我们预测，随着通信变得多维和多模式，包括虚拟助理和独立代理在内的新形式的交互将有助于信息和数据的交换。

使用自然语言处理来协调跨业务部门和地点的通信的能力将个性化并扩展协作。

这不仅会影响传统的工作环境，还会影响一线工人和工业环境。

到2022年，在工业4.0生态系统合作的所有人中，超过50%的人将使用虚拟助理或独立代理与周围环境和人进行更自然的互动：虚拟助理在用户的显式或隐式方向（例如，虚拟个人助理[vpas]和聊天机器人）操作，而不是完全自主地从用户操作。

它们可以在短期内实现常规任务的自动化。

随着时间的推移，更复杂的任务将被自动化。

独立代理在后台运行，不由用户直接调用。

例如，独立代理可能会监视系统的运行状况并主动更改软件配置。

一系列的自主能力——自主的事物——从半自主到完全自主——在一系列的自主范围内运作。

“自主”一词用于描述自主的事物时，应加以解释。

当Gartner使用这个术语来描述自主事物时，我们的意思是这些事物可以在定义的上下文中无监督地运行，或者完成一项任务。

自主的事物可能有不同程度的自主性。

例如，自导式真空吸尘器的自主性和智能性有限，而无人机则可以自动避开障碍物，通过门窗飞入建筑物。

在考虑机器人、无人机、人工智能驱动物联网设备和代理的使用案例时，最好使用通常用于评估自动车辆的自治级别：■人工辅助■部分自动化■条件自动化■高度自动化■全自动化智能和协调随着自主事物的激增，我们期望从独立的智能事物转变为一组协作的智能事物。

在这个模型中，多个设备将一起工作，不管是独立于人还是有人输入。

例如，如果一架无人驾驶飞机检查了一个大的场地，发现它已经准备好收割，它可以派遣一个“自动收割机”。

在运输市场上，最有效的解决方案可能是使用自动车辆将包裹移动到目标区域。

然后，车上的机器人和无人机就可以完成包裹的最终交付。

军方在这一领域处于领先地位，正在研究使用无人机群攻击或防御军事目标。

其他4个例子包括：英特尔在20185年冬季奥运会开幕式上使用无人机群■迪拜计划使用能够部署自己无人机进行监控的自动警车■本田和其他汽车制造商的合作合并方案，其中车辆相互通信以优化交通流。

评估协作自主事物的潜在用途，不仅是在自主物理事物协同工作的背景下，而且在自主虚拟事物的背景下。

这种级别的交互处于早期阶段，但是随着虚拟助理和独立代理的使用的增加，跨自主事物网络协调行动的需求将显著增加。

到2021年，蜂群智能将成为至少30%部署人工智能增强系统的组织的核心设计元素。

示例用例包括：多个虚拟助理在数字工作场所工具和通用环境（例如移动性）之间协调交互，以执行涉及多个系统的复杂用户请求■基础设施中跨自动化流程操作的多个级别独立代理之间的协调数据切换和操作实时管理、应用程序和安全性，确保IT操作的顺利和安全趋势2：增强分析增强分析侧重于增强情报的特定领域（见注1）。

增强分析使用自动机器学习来转换分析内容的开发、使用和共享方式。

它包括：■增强数据准备，利用机器学习自动化增强数据分析和数据质量、协调、建模、操作、丰富、元数据开发和编目。

这一趋势也正在改变数据管理的各个方面，包括自动化数据集成、数据库和数据湖管理。

■作为分析和商业智能（BI）的一部分，增强分析功能，使商业用户和公民数据科学家无需构建模型或编写算法即可自动查找、可视化和叙述相关发现。

这些发现可能包括相关性、异常、集群、段、异常值和预测。

用户通过自动生成的可视化和对话界面探索数据，包括自然语言查询和自然语言生成的结果叙述。

■增强型数据科学和机器学习，它使用人工智能自动化数据科学和机器学习/人工智能建模的关键方面，如功能工程、模型选择（自动机器学习[automl]）、模型操作、解释、调整和管理。

这就减少了生成、操作和管理高级分析模型的专业技能的需要。

增强分析是数据和分析平台功能的第三大浪潮（见图3）。

现代分析和商务智能平台在帮助业务用户生成分析洞察方面具有变革性。

数据科学和机器学习平台也使得建立机器学习和人工智能模型变得更加容易。

然而，许多与准备数据、发现数据模式、在大型和复杂数据上构建机器学习模型以及共享和根据见解行事相关的活动仍然是高度密集的活动。

随着要分析的变量数量的增加，手动探索每种可能的模式组合并确定结果是否最相关、最重要和最可行变得不可能。

通常情况下，用户默认去探索他们自己有偏见的假设，遗漏关键的发现，并得出自己不正确或不完整的结论。

这可能会对决策和结果产生不利影响。

增强的分析可以探索更多的假设和识别隐藏的模式。

它还消除了个人偏见。

但是，必须注意不要无意中在人工智能算法本身中引入新的偏差。

作为数据准备、数据管理、现代分析、业务流程管理、流程挖掘和数据科学平台的一项关键功能，增强的分析功能将在宣传周期中迅速发展成为主流应用。

增强分析的自动化洞察力也将嵌入到企业应用程序中。

例如，它们将嵌入到人力资源、财务、销售、营销、客户服务、采购和资产管理部门的应用程序中。

这将优化所有员工的决策和行动，而不仅仅是分析师和数据科学家的决策和行动。

赋予公民数据科学家权力的是，没有足够的合格数据科学家来满足数据科学和机器学习的需求。

公民数据科学是一套新兴的能力和实践。

它允许主要工作在统计和分析领域之外的用户从数据中提取预测性和规定性的见解。

这些用户被称为公民数据科学家。

到2020年，公民数据科学家的数量将比专家数据科学家的数量增长5倍。

组织可以利用公民数据科学家来填补数据科学和机器学习人才缺口所造成的数据科学家短缺和成本高昂。

Gartner预计，在未来几年中，公民数据科学将迅速成为一种在整个组织中更广泛地实现和扩展数据科学能力的方法。

Gartner预测，到2020年，超过40%的数据科学任务将实现自动化，从而提高生产力，使公民数据科学家得到更广泛的利用。

Gartner还预测，到2024年，数据科学家的短缺将不再阻碍组织中采用数据科学和机器学习。

这一增长由增强分析支持，将补充和扩展现有分析、BI和数据科学平台以及企业应用程序。

它将通过将高级分析的见解（仅对数据科学专家可用）交给组织内广泛的业务分析师、决策者和运营人员来实现。

这将推动新的业务价值来源。

寻找机会使用公民数据科学来补充和协作现有的面向用户的现代分析和BI，以及专家数据科学计划。

实现一个从现有角色（如业务和数据分析师）以及应用程序开发人员开发公民数据科学家的程序。

通过定义和指导两个学科的相互作用和职责，提高高技能数据科学与公民数据科学的生产力。

组织仍然需要专业的数据科学家来验证和操作模型、发现和应用程序。

趋势3：人工智能驱动的发展人工智能驱动的开发探索了将人工智能功能嵌入应用程序的工具、技术和最佳实践的演变。

它还探讨了如何使用人工智能创建开发过程中使用的人工智能驱动工具（见图4）。

这一趋势正沿着三个维度发展：用于构建人工智能解决方案的工具正在从面向数据科学家的工具（人工智能基础设施、人工智能框架和人工智能平台）扩展到面向专业开发人员社区的工具（人工智能平台和人工智能服务）。

■用于构建人工智能解决方案的工具本身具有人工智能驱动能力，可帮助专业开发人员并自动化与人工智能增强解决方案开发相关的任务。

■支持人工智能的工具尤其从辅助和自动化与应用程序开发（AD）相关的功能发展到利用业务领域的专业知识和自动化更高层次的广告流程堆栈（从一般开发到业务解决方案设计）活动。