На хайпе: самые многообещающие IT-технологии ближайшего будущего
Недавно консалтинговая компания Gartner опубликовала Gartner Hype Cycle 2022 – исследование, в котором перечисляются перспективные для бизнеса технологии. Пересказываем, что именно выделили исследователи и что из этого действительно может стать прорывом.
От новых технологий ожидают, что они изменят мир, но не всегда этот ажиотаж оправдан. Большая часть инноваций находится в «эмбриональной стадии»: их развертывание несет в себе риски, но в то же время, заметив технологию еще на старте, можно получить значительные преимущества и обогнать конкурентов. Спросили экспертов Газпромбанка, на что из «хайп-списка» стоит обратить внимание.
Исследование включает 25 «обязательных» (must-know) инноваций для повышения конкурентоспособности и эффективности бизнеса. Аналитики предупреждают, что лишь немногие их них получат массовое распространение в ближайшие два года, остальным потребуется 10 лет и больше.
На графике видно, что большая часть технологий находится на этапе «инновационный триггер», когда их коммерческая польза еще не доказана, но о них много говорят в медиа. Следом наступает «пик завышенных ожиданий», когда на одну историю успеха приходится десятки неудач, после чего массовый интерес спадает — на графике это называется «впадиной разочарований». Технологии и польза от них становятся понятны лишь после преодоления этого этапа, при выходе на «склон просветления». Массовое внедрение или выход на «плато продуктивности» происходит, если разработчикам удается пройти все предшествующие этапы и доработать продукт. В качестве примера можно привести метавселенные — о них говорят все, но пока виртуальная реальность не кажется такой привлекательной, как ее изображают в фильмах или книгах.
Развитие/расширение иммерсивного опыта
Польза этих технологий заключается в том, что они предоставляют пользователям больший контроль над своей идентификацией и данными, а также расширяют спектр их возможностей за счет виртуальных площадок и экосистем. Эти технологии также предоставляют бизнесу новые способы связи с клиентами.
Цифровой двойник клиента (DToC)
Это динамическая виртуальная имитация клиента, которую можно использовать для изменения и улучшения качества обслуживания клиентов (CX), запуска новых продуктов и услуг. Внедрение DToC займет от пяти до 10 лет, прежде чем компании начнут массово применять эту технологию, но, как прогнозируют эксперты, она изменит бизнес.
Децентрализованная идентификация (DCI)
Позволяет пользователю контролировать свою цифровую идентичность в децентрализованной среде Web3.
Цифровые люди
Интерактивные объекты, управляемые искусственным интеллектом, которые обладают некоторыми характеристиками человека. Они уже используются в качестве представителей службы поддержки клиентов и консультантов.
Внутренние маркетплейсы талантов
Позволяют управлять привлечением сотрудников, в том числе фрилансеров, на различные проекты без участия рекрутера.
Web3
Web3 использует стек технологий, основанный на децентрализованных блокчейнах, который позволяет создавать новые социальные и бизнес-модели.
Метавселенная, NFT и супераппы
Ну и куда же без метавселенных, NFT и супераппов? Несмотря на то, что они на слуху уже несколько лет, эксперты Gartner тоже включили их в Hype Cycle 2022.
Три технологии, которые с нашей точки зрения очень тесно связаны между собой, и будут развиваться синхронно — это метавселенная, Web3 и цифровой двойник клиента.
Метавселенная — это концепт единого цифрового пространства, объединяющее физическую, дополненную и виртуальную реальность, что, по сути, приводит в некоторой степени к слиянию офлайна и онлайна. Метавселенная не должна быть замкнута в контуре какой-то одной корпорации, и площадкой для нее должен быть Интернет будущего — Web3.
Используемый в метавселенной аватар или цифровой двойник клиента, с нашей точки зрения, ни что иное как дальнейшее развитие концепта полного профиля клиента Customer 360. Технология позволит не только собрать полные, точные и непротиворечивые данные по клиенту, но также позволит спрогнозировать его дальнейшие действия с помощью имитации поведения. Все это можно использовать для улучшения качества обслуживания клиентов.
В качестве перспективного тренда я бы отметил технологию «цифровой двойник клиента». В своей стратегии мы ориентируемся на гиперперсонализацию. Для этого необходимо как можно точнее смоделировать поведение клиента, использование цифровых двойников позволит подбирать наиболее адекватные сценарии для обслуживания, создавать новые продукты и улучшать имеющиеся. Таким образом можно уйти от сегментации и предложить действительно индивидуальные сервисы для каждого.
Ускоренное внедрение искусственного интеллекта
Использование искусственного интеллекта для развития продуктов и услуг, разработки решений, будет расширяться. Это означает создание специализированных моделей ИИ и применение ИИ для создания и обучения новых моделей. Результатом должны стать более точные прогнозы и решения. Людям же предстоит оценивать и контролировать решения, которые будет принимать искусственный интеллект.
Автономные системы
Самоуправляемые физические или программные системы, которым присущи такие характеристики как автономность, обучаемость и свобода действий. Для бизнеса это означает адаптируемость, гибкость и динамичность. Автономным системам потребуется от пяти до десяти лет, прежде чем их использование станет массовым.
Causal artificial intelligence (причинно-следственный ИИ)
Такой ИИ будет способен выявлять и использовать причинно-следственные связи, что позволит выйти за рамки моделей прогнозирования на основе корреляции.
Foundation models (базовые модели)
Главная особенность базовых моделей — возможность передачи обучения и масштабирование. Говоря простыми словами: такие модели могут применять «знания», накопленные при обучении одной задаче, к выполнению других. Например, модель, распознающую на видео автомобили можно быстро переключить на распознавание только автобоусов.
ML-инструменты генерации кода
Облачные модели машинного обучения, которые используются в средах разработки (IDE). С их помощью, например, можно писать код, используя для этого «естественный язык». То есть, просто описывая то, что должно получится в результате.
Генеративный дизайн
По сути, продолжение предыдущего пункта. Только вместо кода нейросеть может генерировать что-то, исходя из описания результата на естественном языке. Так работают нейросети Midjourney и DALL·E. Генерация изображений — не единственное применение. Похожие инструменты можно использовать при разработке интерфейсов цифровых продуктов и т.п.
Искусственный интеллект — это область с большими рисками, где успешными оказывается лишь 15% разработок, но они дают колоссальный экономический эффект, поэтому бизнес сегодня готов инвестировать в эти эксперименты. Со временем доля успешных проектов будет расти, а число провалов уменьшаться, так как будет понятно, какие практики действительно приносят пользу. Сегодня финансовый сектор один из лидеров в области внедрения ИИ, в банке мы используем искусственный интеллект для решения широкого спектра задач от бизнес-аналитики до кредитного конвейера. Все больше решений в Банке принимается на основе данных, результатов разработанных моделей. В целом большое кол-во рутинных операций может быть автоматизировано с использованием алгоритмов ИИ, и на мой взгляд, именно это произойдет на горизонте ближайших 3-5 лет и приведет к трансформации бизнеса. Из перечисленных технологий успешно применяются "foundation models" (базисные модели), чаще всего построенные на архитектуре трансформеров, которые обучены на огромных массивах данных и имеют сотни миллиардов параметров. Эти модели (BERT, ALBERT, GPT-3 и др.) позволяют адаптировать их под различные задачи бизнеса. Также одним из преимуществ данных моделей является их относительно легкое распараллеливание.
И, конечно, с особым вниманием следим за разработками ИИ, которые позволяют обнаруживать причинно-следственные связи в данных (Causal AI), это позволит значительно повысить точность моделей и улучшить качество принимаемых решений.
Оптимизация производства технологий
Эти технологии оптимизируют и ускоряют доступ к ИТ-продуктам, услугам и решениям, и повышают устойчивость бизнес-операций.
Экосистемы облачных данныхОбеспечивают целостную среду управления данными, способную поддерживать весь спектр рабочих нагрузок, от исследовательской обработки до хранения данных. Экосистемы ОД обеспечивают функционал, который легко развертывать, и обслуживать. Для их повсеместного внедрения потребуется от двух до пяти лет.
Экосистемы облачных данных
Обеспечивают целостную среду управления данными, способную поддерживать весь спектр рабочих нагрузок, от исследовательской обработки до хранения данных. Экосистемы ОД обеспечивают функционал, который легко развертывать, и обслуживать. Для их повсеместного внедрения потребуется от двух до пяти лет.
Augmented FinOps (дополненный FinOps)
Augmented FinOps автоматизирует традиционные концепции DevOps (гибкость, непрерывную интеграцию и развертывание, а также обратную связь с конечным пользователем) для финансового управления, бюджетирования и оптимизации затрат с помощью ИИ и машинного обучения.
Cloud sustainability (Облачная устойчивость)
Стратегия снижения влияния на окружающую среду и уменьшения углеродного следа с помощью повышения энергоэффективности центров обработки данных.
Computational storage (CS, вычислительное хранилище)
Архитектура, в которой данные обрабатываются не с помощью CPU а непосредственно на накопителе, что позволяет снизить нагрузку.
Cybersecurity mesh architecture (CSMA, сетчатая архитектура кибербезопасности)
Новый подход для создания консолидированной распределенной архитектуры безопасности.
Наблюдаемость данных
Наблюдаемость данных — это новый уровень обработки данных, обеспечивающий командам, работающим с ними автоматизацию и оповещение о поврежденных данных. Помогает быстрее решать возникающие проблемы и предотвращать влияние инцидентов на потребителей данных.
Dynamic risk governance (DRG, динамическое управление рисками)
Новый подход к задаче по управлению рисками, который строится на принципах немедленного реагирования на изменение контрольных параметров, анализа произошедших отклонений и выработки методов устранения.
Отраслевые облачные платформы
Используют облачные сервисы SaaS, PaaS, IaaS, чтобы предлагать соответствующим отраслям пакетные бизнес- и технические решения.
Minimum viable architecture (MVA, минимально жизнеспособная архитектура)
Концепция разработки ПО, похожая на MVP (минимально жизнеспособный продукт). За счет отказа от проектирования всей архитектуры решения до начала работы, позволяет сократить время до релиза.
Observability-driven development (ODD разработка, ориентированная на наблюдаемость)
Подход к разработке, который предполагает отказ от классического подхода в виде мониторинга типовых метрик (работает/упало) в пользу использования наблюдаемости уже на ранних циклах разработки продукта. Таким образом, отклонения от ожидаемого «поведения» можно выявить еще до того, как они станут проблемой.
OpenTelemetry
Стандарт, включающий в себя набор спецификаций, инструментов, API и средств разработки программного обеспечения (SDK), который описывает и поддерживает реализацию инструментария с открытым исходным кодом и инфраструктуру наблюдения.
Platform Engineering
Дисциплина создания и эксплуатации внутренних платформ самообслуживания для разработчиков (IDP) для доставки программного обеспечения и управления жизненным циклом.
В качестве перспективных направлений по быстрому производству ИТ-технологий стоит отметить промышленные облачные платформы и промышленные разработки на базе Self-Service-решений. Для банковской сферы облачные технологии пока не относятся к наиболее приоритетным, ввиду очень высокого уровня требований по информационной безопасности. Но считаем, что рано или поздно, и публичные облачные платформы, и очень гибкие и демократичные по уровню доступа Self-Service решения, должны также войти в портфель технологических проектов банка.