你不可不知的九大技术趋势，每条都会影响企业发展

Gartner在IT论坛/Xpo Americas会议上公布了2021年需要关注的战略性技术列表。Gartner认为，随着新冠肺炎疫情的出现和经济面临挑战，IT主管应将关注重点继续放在人与技术的交互上。

[[384516]]

Gartner的研究副总裁Brian Burke表示：“跨企业职能部门对运营弹性的需求从未如此强烈。从应对新冠肺炎疫情到继续推动企业发展，以人为本、位置独立和灵活交付是企业必须关注的发展趋势中的3个主要领域。”

以下为Gartner 发布的2021年主要战略性技术的发展趋势：

1. 全域化运营

全域化运营指可在任意地方运营的IT运营模型，旨在为客户提供支持，为员工赋能，以及对跨分布式基础设施中的业务服务进行管理。为了优化虚拟的和物理的客户与员工体验，到2023年底，40%的企业将实施全域化运营改造。

2. 全方位体验

Gartner在去年就已经指出，在用户感知数字世界和与之交互的方式上，用户体验到2028年将发生重大变化。带有语音驱动和对话管理功能的会话式平台将改变人们与数字世界的互动方式。Gartner今年将进一步完善全方位体验(TX)概念，将多重经验与客户、员工和用户体验联系起来。新冠肺炎疫情已通过非接触式界面等技术改变了数字体验，随着交互向移动性、虚拟化和分布式转变，企业也需要TX策略。

3. 行为互联网(IoB)

利用面部识别、位置跟踪和大数据并将结果数据与相关行为事件关联在一起的技术正在增长。一些组织机构和企业开始使用这些数据来影响人类行为。Gartner将这一趋势称为行为互联网(IoB)。为了在疫情期间监控健康协议的遵守情况，企业可以通过行为互联网利用计算机视觉来查看员工是否配戴口罩，或者通过热成像来识别发烧的员工。Gartner预测，无论IoB项目是私有性质的、商业性质的还是政府性质的，到2025年底，全球一半以上的人口将至少受到一项IoB项目的监管。Burke指出：“尽管IoB在技术上是可行的，但是这种影响行为的做法存在道德争议和社会争议。”

4. 隐私增强计算

到2025年，50%的大型企业将采用隐私增强计算，以在不受信任的环境和多方数据分析用例中处理数据时保护数据的安全、数据的机密性和隐私性。企业需要识别出哪些需要使用隐私增强，为此企业应该评估需要传输个人数据、数据货币化、欺诈分析和其他高度敏感数据用例的数据处理活动。

5. 网络安全网格

网络安全网格的理念是，无论资产或人员处于何处，所有人都可以安全地访问任意的数字资产。网络安全网格可以通过云交付模型实现策略执行与策略决策的脱钩，让身份成为安全边界。到2025年，一半以上的数字访问控制请求将获得网络安全网格的支持。

[[384517]]

Burke说：“疫情加快了数字企业的淘汰进程。随着大多数企业的网络资产超出了传统的物理和逻辑安全范围，我们也进入到了一个拐点。随着全地域运营的不断推进，对云应用程序和非受控设备上分布式数据安全访问和安全使用最实用的措施是网络安全网格。”

6. 分布式云

多年来，Gartner一直在提醒企业关注分布式云服务的影响。公有云提供商不仅仅是通过分布式云将公有云服务交付到不同的地理位置，且服务的运营、治理和演进也由公有云提供商负责。其延迟低、可降低数据成本和数据驻留需求等优点可为企业方案提供更为灵活的环境。与此同时，它还满足了客户希望云计算资源更靠近数据和业务活动地点的需求。大多数云服务平台到2025年将会提供只有在需要时才执行的分布式云服务。Burke称：“分布式云代表了云计算的未来，其可代替私有云，并为云计算提供边缘云和新的用例。”

7. 超级自动化

超级自动化指综合运用机器学习(ML)、打包软件和自动化工具交付工作。超级自动化自去年以来就进入了Gartner的关注榜单中，并且一直保持增长势头。超级自动化的发展在过去几年中一直不愠不火，但是疫情的出现让“数字优先”的需求突然激增。业务利益相关者被积压以久的需求迫使70%以上的企业大量部署超级自动化方案。超级自动化如今已经变得势不可挡，所有可以而且应该实现自动化的东西都将进行自动化改造。

8. 可组合的智能业务

可组合的智能业务能够通过访问更全面的信息和做出更明智的反应彻底重塑决策。例如，借助丰富的数据结构和深刻的洞察力，机器可提升决策者的决策能力。智能可组合业务为数字业务的重新设计、新的业务模型、自主运营，以及新产品、服务和渠道铺平了道路。Burke称：“为提高效率而建立的静态业务流程非常脆弱，以至于新冠肺炎疫情一出现就崩溃了。在首席信息官和IT领导者的努力下，企业认识到了业务能否跟上并适应变革的重要性。”

9. 人工智能工程

由于对自动化的需求不断增长，人工智能在多个学科中逐渐成熟。Gartner的研究表明，只有53%的项目由人工智能原型进入到了生产环节当中。人工智能进入生产环节意味着转入到了人工智能工程阶段。人工智能工程是一门专注于人工智能和决策模型(例如机器学习或知识图)治理和生命周期管理的学科。