Previsioni per il settore dei Big Data per il 2021

By Daniel Gutierrez

Il 2020 è stato un anno da secoli, con così tante sfide nazionali e globali. Ma il settore dei big data ha un'inerzia significativa nel passaggio al 2021. Al fine di fornire ai nostri stimati lettori un impulso sulle nuove importanti tendenze che porteranno al prossimo anno, noi di insideBIGDATA abbiamo ascoltato tutti i nostri amici dell'ecosistema dei fornitori per ottenere le loro intuizioni, riflessioni e previsioni per quello che potrebbe arrivare. Siamo stati molto incoraggiati ad ascoltare prospettive così entusiasmanti. Anche se solo la metà si avvererà effettivamente, i Big Data del prossimo anno sono destinati a essere una corsa piuttosto eccitante. Godere!

Daniel D. Gutierrez - Editor-in-Chief e Resident Data Scientist

Analisi

Il "divario analitico" peggiorerà. Come il tanto pubblicizzato "divario digitale", stiamo assistendo anche all'emergere di un "divario analitico". Molte aziende sono state spinte a investire in analisi a causa della pandemia, mentre altre sono state costrette a tagliare tutto ciò che non consideravano cruciale per mantenere le luci accese - e un investimento adeguato nell'analisi era, per queste organizzazioni, l'analisi era sul tagliando blocchi. Ciò significa che il divario analitico si amplierà ulteriormente nel 2021 e questa tendenza continuerà per molti anni a venire. Senza dubbio, vincitori e vinti in ogni settore continueranno a essere definiti da coloro che sfruttano l'analisi e da quelli che non lo sono. - Alan Jacobson, Chief Data and Analytics Officer, presso Alteryx

Probabilmente sono finiti i giorni delle analisi frammentarie e delle soluzioni di reporting che probabilmente soddisfano casi d'uso aziendali di nicchia. Questo è insostenibile. Le aziende non possono avere implementazioni analitiche altamente dipartimentali che hanno l'effetto di risolvere problemi localizzati e le aziende più grandi non vedono il pieno vantaggio. Questa situazione attuale cambierà in una in cui verranno eseguite analisi su tutti i dati a cui l'azienda ha accesso, con la capacità di queste analisi essere implementate in modo collaborativo da una varietà di gruppi di interesse con diversi set di competenze (ad esempio, scienza dei dati, linee di business leader) e con una focalizzazione totale verso l'operatività delle informazioni analitiche quasi in tempo reale. In altre parole, non più frammentario e non più solo sperimentazione scientifica. - Sri Raghavan, Director, Data Science and Advanced Analytics Product Marketing presso Teradata

L'analisi prescrittiva sarà una componente chiave per il successo della trasformazione digitale: le analisi avanzate lo sono diventando mainstreaming in quanto le aziende raccolgono e analizzano sempre più i dati nelle loro organizzazioni, con 35% dei produttori statunitensi che hanno implementato analisi avanzate negli ultimi tre anni. Affinché l'IA abbia un impatto significativo su tutta la catena del valore, l'analisi prescrittiva sarà il catalizzatore per ottimizzare le prestazioni. L'analisi prescrittiva diventerà un elemento essenziale per il ridimensionamento dell'IA all'interno delle organizzazioni, sfruttando i dati di prodotti e clienti per consigliare i modelli di intelligenza artificiale su come migliorare i processi, regolare la produzione e aumentare l'efficienza. L'analisi prescrittiva consente un miglioramento costante con un modello di intelligenza artificiale monitorando e regolando continuamente in base alle condizioni in evoluzione. I modelli prescrittivi possono quindi consentire l'automazione delle decisioni, in cui i modelli possono intraprendere la migliore linea d'azione in base alle prescrizioni. Andare oltre l'analisi predittiva all'analisi prescrittiva consentirà infine il successo della trasformazione digitale per i produttori nel 2021. - George Young, Global Managing Director di Kalypso

L'analisi aumentata e il self-service diventeranno sempre più richiesti data la forza lavoro distribuita e la fame di informazioni. In risposta, l'analisi tradizionale verrà sempre più interrotta dall'intelligenza artificiale. L'aumento di una forza lavoro distribuita creerà una maggiore domanda di analisi aumentata in cui il singolo utente è guidato attraverso il processo di creazione di query per ottenere risposte immediate alle domande sui dati. Stiamo assistendo a una convergenza di analisi e intelligenza artificiale in due aree: a livello di infrastruttura e a livello di analista.

Le persone stanno iniziando a rendersi conto di avere diverse pipeline di dati che forniscono dati per un motore di analisi e stanno costruendo uno stack diverso per il ML. Invece di due stack completamente separati, vediamo una convergenza di questi in un'infrastruttura che è più facile da mantenere assicurando che gli stessi dati vengano utilizzati per alimentare entrambi i motori. Si verificherà una seconda convergenza per quanto riguarda la "fame" di informazioni e colmare il divario nel rispondere alle domande utilizzando i dati. L'analisi tradizionale inizierà a essere più interrotta dall'intelligenza artificiale. Le piattaforme (come Tableau, Power BI e così via) inizieranno a essere sostituite da bot e assistenti virtuali che saranno di natura conversazionale. Lo vediamo come una spinta per accelerare il self-service. Prevediamo inoltre che la PNL diventerà più ampiamente utilizzata nel 2021. - Scott Schlesinger, Global Data, Analytics & AI Practice Leader presso ness

I confini tra l'IT e gli altri reparti quando si tratta di dati e analisi in particolare continueranno a confondersi. Dati e analisi hanno il potenziale per generare risultati aziendali estremamente positivi e significativi e, quando accade, spesso c'è anche una potente collaborazione tra diverse aree funzionali poiché ognuna ha un livello di responsabilità per il successo dell'approccio analitico. Aree come la governance dei dati, l'alfabetizzazione dei dati, le piattaforme di dati aperti, l'integrazione e l'utilizzo dei dati in diverse parti dell'impresa consentiranno agli utenti aziendali di eseguire attività tradizionalmente riservate ai team IT ei dati generati dalle unità aziendali alimenteranno le piattaforme gestite dall'IT. Questo, unito a una carenza di data scientist e professionisti dell'analisi, significa anche che le piattaforme di dati diventeranno più fluide e facili da implementare in modo che tutte le parti di un'organizzazione saranno in grado di sfruttarle. - Frances Zelazny, CMO di Analisi dei segnali

Negli anni 2000, inserire Microsoft Office nel tuo curriculum poteva renderti un buon candidato per un lavoro, ma un decennio dopo era un'abilità data per scontata. Al giorno d'oggi, la competenza SQL può farti risaltare, ma cosa succederà negli anni a venire?

Con l'aumento dell'alfabetizzazione dei dati, le capacità di analisi diventeranno la norma per tutti i professionisti aziendali e inizieranno a scomparire dai curriculum dei candidati. Proprio come è improbabile che oggi vedrai "competenza in ufficio", è improbabile che tu possa vedere "competenza nei dati" entro la fine del decennio. Siamo entrati in una terza ondata di analisi e con essa l'aspettativa che gli utenti aziendali possano interagire con i dati senza l'aiuto di un esperto. Molto presto, se non sei in grado di unire dati concreti con il contesto aziendale per definire ed eseguire una strategia, avrai difficoltà sul posto di lavoro. Il candidato ideale per le imprese nel 2021 e oltre sarà una persona in grado di comprendere e parlare i dati, perché in pochi anni l'alfabetizzazione dei dati sarà qualcosa che i datori di lavoro richiedono e si aspettano. Coloro che vogliono andare avanti stanno acquisendo questi talenti ora. - Il CEO di ThoughtSpot Sudheesh Nair

Man mano che le aziende spostano la propria infrastruttura di dati in uno stack federato (un motore interroga fonti diverse), disaggregato (il calcolo è separato dallo storage è separato dal data lake), vedremo il data warehousing tradizionale e le architetture di database strettamente accoppiate relegate ai carichi di lavoro legacy. Ma una cosa rimarrà la stessa quando si tratta di questo cambiamento: SQL continuerà a essere la lingua franca per l'analisi. Analisti di dati, ingegneri di dati, scienziati di dati e responsabili di prodotto insieme ai loro amministratori di database utilizzeranno SQL per l'analisi. - Dave Simmen, co-fondatore e Chief Technology Officer (CTO), Ahana

Le organizzazioni di tutto il mondo stanno intensificando il loro utilizzo dei sistemi di analisi, ma devono affrontare la necessità di piattaforme di dati sugli eventi in grado di eseguire discussioni di dati in tempo reale. Nel 2021 le organizzazioni richiederanno piattaforme dati intelligenti in grado di consumare dati statici e in streaming da una varietà di fonti in qualsiasi formato, dimensione o velocità; Disporre i dati (arricchire e mappare) al volo; e fornire i dati a sistemi, dispositivi e applicazioni in modo sicuro e in tempo reale. - Sean Bowen, CEO di Tecnologia Push

Una singola query SQL per tutti i carichi di lavoro dei dati. La via da seguire si basa non solo sull'automazione, ma anche sulla rapidità e l'ampiezza con cui puoi rendere le tue analisi accessibili e condivisibili. Analytics ti dà una chiara direzione di quali dovrebbero essere i tuoi prossimi passi per mantenere felici clienti e dipendenti e persino salvare vite umane. La gestione dei tuoi dati non è più un lusso, ma una necessità e determina il successo che avrai tu o la tua azienda. Se riesci a rimuovere la complessità o i costi di gestione dei dati, sarai molto efficace. In definitiva, il vincitore dello spazio eliminerà la complessità e i costi della gestione dei dati e i carichi di lavoro saranno unificati in modo da poter scrivere una singola query SQL per gestire e accedere a tutti i carichi di lavoro su più residenze di dati. - Raj Verma, CEO di Negozio singolo

In passato, le capacità di intelligenza artificiale e analisi erano fornite da diverse piattaforme / team. Nel corso degli anni, stiamo assistendo alla convergenza della piattaforma e al team AI è più concentrato sul lato algoritmico, mentre i team della piattaforma AI e Analytics si sono fusi per fornire l'infrastruttura software sia per i casi d'uso di analisi che di AI. - Haoyuan Li, fondatore e CEO, Alluxio

In qualità di professionisti dei dati, abbiamo una responsabilità nei confronti del pubblico più ampio. Penso che entro il prossimo anno vedremo progressi verso un codice etico nello spazio dell'analisi dei dati, guidato da aziende consapevoli che riconoscono la gravità dei potenziali abusi. Forse il governo degli Stati Uniti interverrà e passerà qualche versione del proprio GDPR, ma credo che le società tecnologiche guideranno questa accusa. Ciò che Facebook ha fatto con i dati sul coinvolgimento non è illegale, ma abbiamo visto che può avere effetti deleteri sullo sviluppo del bambino e sulle nostre abitudini personali. Nei prossimi anni, guarderemo indietro al modo in cui le aziende hanno utilizzato i dati personali negli anni 2010 e rabbrividiremo nel modo in cui vediamo persone che fumano su un aereo nei film degli anni '1960. - Jeremy Levy, CEO di Indicativo

L'emozione è un fattore chiave che influenza il comportamento dei clienti e ha una forte influenza sulla fedeltà al marchio. Pertanto, è sempre più utile per le aziende trovare un modo per misurare le emozioni dei clienti durante i loro processi decisionali. L'analisi emotiva si concentra sullo studio e sul riconoscimento dell'intera gamma di emozioni umane che include umore, atteggiamento e personalità. Utilizza modelli predittivi e AI / ML per analizzare i movimenti umani, le scelte delle parole, i toni della voce e le espressioni facciali. L'analisi emotiva può aiutare le aziende a costruire un profilo del cliente più olistico, capire come influenzare le emozioni e sviluppare prodotti e servizi personalizzati su misura per gli individui. L'analisi del sentiment su prodotti e servizi, in aree geografiche, social network e siti Web di recensioni consente alle aziende di comprendere e migliorare meglio il proprio livello di soddisfazione dei clienti. Utilizzando l'analisi emotiva, le aziende possono capire meglio come il loro marketing e i loro servizi influenzano le emozioni al fine di fornire ai clienti esperienze più coinvolgenti. - Paul Moxon, SVP, Data Architecture presso denodo

Ottenere un'analisi dei prodotti corretta è difficile. Ogni interazione si traduce in cumuli di dati e scavare per trovare quell'intuizione `` ago nel pagliaio '' richiede molto sforzo, disciplina e tempo per farlo funzionare. Queste barriere all'ingresso significano che l'analisi dei dati è spesso limitata alle aziende che hanno le risorse, la larghezza di banda e le conoscenze per farlo nel modo giusto. Ma è anche una disciplina che sta diventando sempre più importante: anche prima della pandemia, le interazioni dei consumatori con i marchi avvenivano generalmente su piattaforme digitali, e ora sono presenti quasi esclusivamente. Ci sono innumerevoli quantità di informazioni là fuori che possono spiegare il ROI di ogni interazione e, senza dubbio, alcune di queste possono potenzialmente cambiare il gioco. Ma, francamente, siamo umani e se dobbiamo lavorare sodo per ottenere valore da qualcosa, avremo meno probabilità di farlo in modo coerente. Ecco perché nel 2021 l'analisi dei dati passerà dall'essere un gioco reattivo - raccogliere dati che gli analisti devono poi vagliare per trovare quelle intuizioni - a uno proattivo, collegando i team direttamente a quegli "a-ha!" momenti che ispirano un'azione immediata e consapevole. - Matin Movassate, CEO e fondatore di Heap

Intelligenza Artificiale

Mentre le aziende cercano obiettivi per riaprire e recuperare flussi di entrate sufficienti, dovranno sfruttare le tecnologie intelligenti per raccogliere informazioni chiave in tempo reale che consentano loro di farlo. L'adozione di tecnologie di intelligenza artificiale (AI) può aiutare le aziende a capire se le loro strategie per mantenere i clienti e i dipendenti al sicuro stanno funzionando, pur continuando a promuovere la crescita. Man mano che le aziende riconoscono le capacità uniche dell'IA per facilitare la gestione e la conformità delle policy aziendali, garantire la sicurezza e far evolvere l'esperienza del cliente, assisteremo a tassi di adozione dell'IA aumentati in tutti i settori. - Hillary Ashton, EVP e Chief Product Officer di Teradata

Nel 2021 vedremo AI, machine learning e IoT definire e plasmare le nostre vite e comportamenti, un fenomeno che continuerà per molti anni a venire. Questi progressi influenzano il modo in cui lavoriamo, come acquistiamo, come spendiamo, come facciamo ogni piccola cosa nella nostra vita. Ma penso che la vera star a cui le aziende si rivolgeranno saranno le tecnologie abilitanti come il cloud e l'edge computing, che continueranno a dominare grazie alla loro capacità di elaborare e gestire tutti i dati necessari che alimentano AI, ML e IoT, come oltre a tecnologie abilitanti come iPaaS, APIM e RPA. Queste tecnologie continueranno a guidare il costo della trasformazione digitale per le aziende mentre passano da attività manuali o cartacee a imprese digitali che possono finalmente sfruttare il potere dell'AI e dell'IoT. - Manoj Choudhary, CTO presso jitterbit

L'intelligenza artificiale diventa meno artificiale nel 2021: anche con un vaccino per COVID-19 all'orizzonte, il modo in cui le persone lavorano e interagiscono è cambiato radicalmente. Nel nuovo anno, il lavoro a distanza continuerà, i requisiti di distanziamento sociale rimarranno e le catene di approvvigionamento continueranno a subire interruzioni. Questo nuovo stile di vita richiede un nuovo modo per le aziende di continuare le operazioni in modo efficace lungo la catena del valore, dal prodotto all'impianto fino all'utente finale. L'uso dell'intelligenza artificiale (AI) sarà lo standard per affrontare queste sfide. Tuttavia, senza considerare il modo in cui gli esseri umani interagiranno e sfrutteranno questi nuovi sistemi autonomi, l'IA fallirà.

Nel 2021, le imprese adotteranno un approccio incentrato sull'uomo alle iniziative di IA, comprendendo le esigenze ei valori degli utenti, quindi adattando di conseguenza i progetti ei modelli di IA, il che a sua volta migliorerà l'adozione. Le aziende devono concentrarsi sulle persone e sulla cultura della stessa tecnologia affinché l'IA abbia successo. I team di gestione del cambiamento organizzativo (OCM) saranno fondamentali per guidare la trasformazione digitale e l'intelligenza artificiale portando avanti le persone per il viaggio del cambiamento e configurando l'organizzazione per risultati misurabili. Una corretta gestione del cambiamento è l'aspetto più importante, ma trascurato, di qualsiasi iniziativa di trasformazione digitale. - George Young, amministratore delegato globale di Kalypso

Nel 2021, le aziende abbandoneranno le vittorie rapide affidandosi ai sistemi di intelligenza artificiale, per concentrarsi su un valore aziendale duraturo e significativo. Questo cambiamento guiderà iniziative di alfabetizzazione dei dati più approfondite in tutte le organizzazioni. Richiederà alle persone di apprendere nuove abilità e di comportarsi in modi nuovi. - Sundeep Reddy Mallu, Head of Analytics presso Gramer

La maggior parte dei consumatori continuerà a essere scettica nei confronti dell'IA. Con diversi grandi marchi di consumo al centro dell'attenzione attorno all'etica discutibile dell'IA, la maggior parte delle persone non si fida ancora dell'IA. Per molti, è perché non lo capiscono o addirittura si rendono conto che lo stanno usando quotidianamente. I consumatori ricevono così tanti servizi basati sull'intelligenza artificiale gratuitamente - Facebook, Google, TikTok, ecc. - che non capiscono a cosa rinunciano personalmente in cambio, ovvero i loro dati personali. Finché il pubblico in generale continua a essere ingenuo, non sarà in grado di anticipare i pericoli che l'IA può introdurre o come proteggersi, a meno che il mercato non istruisca meglio i clienti o implementi regolamenti per proteggerli. Nonostante ciò, ci sono alcune prove che stiamo voltando le spalle all'affidabilità dell'IA. L'XNUMX% dei leader aziendali che hanno risposto al prossimo sondaggio di Pega ha dichiarato di essere ottimista sul fatto che il pregiudizio dell'IA sarà sufficientemente mitigato in cinque anni. Le aziende avrebbero fatto meglio a sperare che questo si rivelasse vero, perché man mano che un maggior numero di persone si rende conto di come l'IA influisce sulle loro vite e in alcuni casi gioca i preferiti, continueranno a porre domande più difficili che erodono ulteriormente la fiducia nell'IA, costringendo le aziende a devo rispondere a loro. - Vince Jeffs, Senior Director - Product Strategy, Marketing AI and Decisioning, Pega

I lavoratori digitali basati sull'intelligenza artificiale aiuteranno le aziende a rimanere strategiche a lungo termine. Pochi sono in disaccordo con l'idea che l'intelligenza artificiale e l'automazione siano essenziali per la sopravvivenza delle aziende in futuro. Tuttavia, la ricerca ha indicato che la maggior parte delle aziende non ha pienamente realizzato il vantaggio dei propri investimenti in IA e automazione. Collegando potenti funzionalità di intelligenza artificiale ai processi aziendali attraverso la forza lavoro digitale, vedremo sempre più organizzazioni implementare l'automazione guidata dall'intelligenza artificiale su larga scala. L'automazione basata sull'intelligenza artificiale sarà sempre più collegata a iniziative strategiche fondamentali come una maggiore attenzione al cliente, crescita dei ricavi, allocazione del capitale, gestione della catena di approvvigionamento, gestione del rischio, efficienza operativa e dei costi e altro ancora. I lavoratori digitali basati sull'intelligenza artificiale saranno utilizzati come strumenti principali per eseguire la strategia aziendale e gestire i rischi su scala aziendale. L'adozione rapida ed efficace dell'automazione sarà sempre più vista come una componente essenziale per rimanere competitivi sui mercati. - Eric Tyree, Responsabile dell'IA e della ricerca presso Blue Prism

La sperimentazione dell'IA diventerà più strategica. La sperimentazione avviene durante l'intero processo di sviluppo del modello: di solito ogni decisione o presupposto importante viene fornito con almeno qualche esperimento o ricerca precedente per giustificare tali decisioni. La sperimentazione può assumere molte forme, dalla creazione di modelli ML predittivi a tutti gli effetti all'esecuzione di test statistici o alla creazione di grafici di dati. Il tentativo di tutte le combinazioni di ogni possibile iperparametro, gestione delle funzionalità, ecc., Diventa rapidamente irrintracciabile. Pertanto, inizieremo a vedere le organizzazioni definire un budget di tempo e / o di calcolo per gli esperimenti, nonché una soglia di accettabilità per l'utilità del modello. - Florian Douetteau, CEO e co-fondatore di Dataik

Nel 2021, vedremo finalmente l'IA diventare mainstream. Come risultato di COVID-19, le aziende sono state costrette a trasformarsi digitalmente per sopravvivere nella nuova normalità. Secondo la nostra ricerca, l'accelerazione digitale non mostra segni di interruzione nel nuovo anno, con l'86% delle aziende che attualmente sta raccogliendo i vantaggi di una migliore esperienza del cliente attraverso l'IA, probabilmente continuerà. La pandemia ha anche cambiato le priorità aziendali per gli investimenti nell'IA. Ad esempio, abbiamo visto le aziende passare da attività più semplici come l'automazione a concentrarsi sulla pianificazione della forza lavoro e sulla modellazione della simulazione. Poiché le organizzazioni continuano a vedere benefici dai loro investimenti digitali in processi complessi, l'IA diventerà più diffusa e ampiamente utilizzata solo nel prossimo anno. - Anand Rao, Global Artificial Intelligence Lead di PwC

La convergenza di AI e BI aumenterà le informazioni sui dati. L'intelligenza artificiale è stata parte di ogni discussione aziendale negli ultimi 5 anni. Eppure, le sfide persistono nella democratizzazione delle intuizioni avanzate dell'IA in vaste sezioni di dipendenti. Con l'emergere di nuovi prodotti di BI basati sull'intelligenza artificiale, i silos verranno interrotti e ogni utente sarà in grado di sfruttare l'analisi dei dati e trovare facilmente approfondimenti. Interfacce semplici, approfondimenti personalizzati ed esperienze di dati coinvolgenti diventeranno i tratti distintivi dell'analisi dei dati nel 2021 e oltre. - Dhiren Patel, Chief Product Officer di MachEye e Head of Customer Success

Il pregiudizio razziale in molti algoritmi di riconoscimento facciale basati sull'intelligenza artificiale è stato un grande argomento di conversazione nell'ultimo anno ed è giunto al culmine a causa dei disordini sociali del 2020. La ricerca ha scoperto prove diffuse che le minoranze razziali avevano molte più probabilità di essere identificate erroneamente rispetto ai bianchi. Nel 2021, vedremo la correzione del bias dell'IA diventare un argomento importante per qualsiasi azienda che sfrutta l'intelligenza artificiale o la tecnologia di riconoscimento facciale. Utilizzando documenti rilasciati dal governo, è possibile dimostrare rapidamente e facilmente la proprietà di un documento di identità analizzando il volto sul documento e confrontandolo con il volto che tenta di accedere al sistema. Il 2021 sarà l'anno in cui il pregiudizio dell'IA verrà alla luce e le aziende inizieranno ad attuare cambiamenti radicali per eliminare i pregiudizi razziali nel suo software, alcuni dei quali possono essere fatti concentrandosi deliberatamente sull'equità e sulla formazione del sistema ML dell'azienda per ridurre il viso razziale errori di riconoscimento. - Mohan Mahadevan, VP of Research, Onfido

Il 2021 sarà l'anno in cui i team passeranno dall'incontro casuale con l'IA a una relazione impegnata. L'intelligenza artificiale non è più solo per i progetti di ricerca e sviluppo. È ora di impegnarsi ad adattare queste soluzioni invece di limitarsi a flirtare con loro. Dobbiamo automatizzare adesso. - David Karandish, fondatore e CEO di Ultra-Grande

Con la confluenza di potenza di calcolo, dati su scala Internet e moderni algoritmi di apprendimento automatico, negli ultimi anni abbiamo aperto nuovi orizzonti straordinari con l'intelligenza artificiale. Nei prossimi anni, entreremo in un'era espansiva, in cui una lunga coda di casi d'uso commerciali sarà prototipata, confezionata e prodotta - sia per migliorare i prodotti e servizi esistenti sia per crearne di completamente nuovi. - Dave Costenaro, Chief Data Officer presso Ultra-Grande

Il successo dell'IA si sposta da scopi generici a obiettivi di nicchia. Mentre gli investimenti nell'intelligenza artificiale continuano a crescere nell'impresa, le aziende stanno rivalutando i propri stack tecnologici per adattarsi all'intelligenza artificiale di nicchia, piuttosto che a scatole nere "generiche" che pretendono di fare tutto. Casi d'uso di nicchia e perfezionati che risolvono problemi specifici avranno la priorità sul budget, piuttosto che l'automazione che promette di fare tutto. - Viral Bajaria, CTO presso 6sense

Rise of Artificial Narrow Intelligence: non molto tempo fa, l'intelligenza artificiale era ciò che ora conosciamo come intelligenza artificiale generale, come le auto a guida autonoma o il riconoscimento delle immagini. Tuttavia, oggi esiste una nuova categoria di intelligenza artificiale ristretta che sta cercando di replicare un processo decisionale umano. Dal punto di vista della catena di fornitura, questa nuova intelligenza artificiale può aiutare a informare meglio il processo decisionale su ogni aspetto di una catena di approvvigionamento, da "Come faccio a riempire un camion?" o "Come faccio a ricevere i prodotti in tempo?" Nel 2021, prevedo un aumento di questi stretto soluzioni per sostituire decisioni tattiche e su scala ridotta. - Andy Fox, Direttore di Global Impact con LLamasoft

Ai margini, inizieremo a vedere "Counter-AI" iniziare a materializzarsi. Mentre i governi cercano di monitorare le persone e le aziende cercano di manipolarle o di ottenere informazioni approfondite sul comportamento, prevedo un contraccolpo di metodi per sventare il monitoraggio e il 360 dei clienti. Non diversamente dal lavoro svolto da vari gruppi sugli strumenti di riconoscimento anti-facciale, inizieremo a vedere metodi ad alta e bassa tecnologia per sbalordire le intelligenze artificiali utilizzate per monitorarci e capirci. - Responsabile dell'architettura per Atos Nord Americal'AI Lab in collaborazione con Google Cloud, Jonas Bull

Man mano che sempre più agenzie iniziano ad adottare queste soluzioni basate su AI e ML, le forze dell'ordine devono rispettare le politiche etiche e rimuovere i pregiudizi in tali strumenti. Pertanto, i dipartimenti inizieranno a stabilire le proprie politiche e collaboreranno con gli organi di governo sull'utilizzo responsabile ed etico dell'IA, inclusa una formazione adeguata per i team e le funzioni aziendali pertinenti, nonché la creazione di un ambiente con un'etica di decisione responsabile e basata sui dati. -fabbricazione. Facendo un ulteriore passo avanti, le forze dell'ordine continueranno a garantire che i sistemi di intelligenza artificiale siano controllati per essere privi di pregiudizi e corretti secondo necessità. E apriranno una linea di comunicazione con il pubblico per promuovere la trasparenza nell'utilizzo di questi strumenti. - Heather Mahalik, Senior Director of Digital Intelligence, Cellebrite

Vedremo più aziende basate sui dati sfruttare l'open source per l'analisi e l'intelligenza artificiale nel 2021. Le tecnologie di analisi open source come Presto e Apache Spark alimentano le piattaforme AI e sono molto più flessibili ed economiche rispetto alle loro controparti di data warehouse aziendali tradizionali che si affidano al consolidamento dati in un unico posto: un'attività lunga e costosa che di solito richiede il vincolo del fornitore. Il prossimo anno vedrà un aumento dell'utilizzo di motori analitici come Presto per applicazioni AI a causa della sua natura aperta: licenza open source, formato aperto, interfacce aperte e cloud aperto. - Dipti Borkar, co-fondatore e Chief Product Officer (CPO), Ahana

Il settore si sposterà dalle piattaforme AI generiche orizzontali, come IBM Watson e Amazon Lex, verso prodotti basati sull'IA specifici del dominio e modelli di servizi gestiti. Le piattaforme generiche non sono soluzioni, iniziano a freddo, senza alcun dato di addestramento o struttura del modello di dati: costruirlo, quindi ottimizzarlo in produzione è un compito esperto e ad alta intensità di risorse che va oltre le capacità della maggior parte delle aziende. Il passaggio dal mercato dei primi innovatori all'adozione di massa del mercato sarà guidato nel 2021 dall'adozione di prodotti basati su IA specifici per dominio che sono pre-formati per un settore specifico e hanno dimostrato di funzionare. - Jake Tyler, co-fondatore e CEO, IA finlandese

Nel 2021, l'IA non sarà mappata sullo spettro di competenze umane. Possiamo avere algoritmi che schiacciano qualsiasi essere umano a scacchi ma non siamo in grado di preparare una tazza di tè e programmi per computer in grado di eseguire la matematica milioni di volte più velocemente degli umani ma, se gli si chiedesse chi potrebbe vincere la prossima Coppa del Mondo, non capirebbero nemmeno la domanda. Le loro capacità non sono universali. Abbiamo raggiunto un punto con l'intelligenza artificiale in cui sovrastimiamo e sottovalutiamo simultaneamente il potere degli algoritmi. Quando li sopravvalutiamo, vediamo il giudizio umano relegato a un ripensamento, un posto pericoloso in cui essere. L'uso di un "algoritmo mutante" nella valutazione dei risultati di livello A è lo scandalo del giorno nel Regno Unito, nonostante l'algoritmo produca molti risultati che violano semplicemente il buon senso. Quando sottostimiamo gli algoritmi, vediamo interi settori crollare perché non vedevano cambiamenti all'orizzonte. Come può competere il tradizionale business dei taxi quando l'algoritmo di Uber può farti fare un giro in meno di 3 minuti? Nel 2021, ci si aspetta che gli ingegneri evitino l'intelligenza artificiale e gli errori algoritmici non cercando di mappare gli algoritmi sullo spettro di competenza umano. L'utilizzo delle tecnologie di intelligenza artificiale, come il riconoscimento vocale in qualsiasi contesto, per migliorare ciò che gli esseri umani possono fare e trovare il giusto equilibrio tra l'automazione dell'IA e la conoscenza umana per i casi d'uso del mondo reale, come l'esperienza del cliente e le conferenze web, inizierà a plasmare l'uso efficace dell'IA per il futuro. - Ian Firth, VP presso Speechmatics

L'IA / ML responsabile diventerà l'argomento più caldo nel settore del cloud ML. Data la maggiore enfasi della società sulla lotta all'ingiustizia e ai pregiudizi e l'interesse generale per una migliore interpretabilità e spiegabilità dei modelli di machine learning, i fornitori di cloud investiranno e miglioreranno le loro offerte di ML per offrire una suite completa di capacità ML / AI responsabili che mireranno a soddisfare e rassicurare regolatori, modellisti, management e mercato sul fair use del ML. Nel frattempo, AI / ML continuerà a vedere una crescita e un utilizzo esplosivi in tutto il settore, con miglioramenti significativi in termini di facilità d'uso e UX che si combinano all'interno di un framework AI / ML responsabile per guidare il prossimo impulso di crescita di questo settore. - Yiannis Antoniou, analista, Gigaom

AIOps per il networking diventerà mainstream: il prossimo anno, AIOps passerà dalla teoria alla pratica per molte organizzazioni. Con l'aumento dei lavoratori remoti e la casa che diventa il nuovo micro ramo, l'intelligenza artificiale diventerà la posta in gioco per offrire un ottimo cliente all'esperienza utente cloud, controllando i costi del supporto IT per i dipendenti remoti. I team IT dovranno adottare AIOps per ridimensionare e automatizzare le loro operazioni. AIOps cloud SaaS capovolgerà il paradigma dell'assistenza clienti. Invece di inviare i ticket all'IT, l'IA identificherà in modo proattivo gli utenti con problemi di connettività o riscontrati e risolverà (la rete a guida autonoma) o aprirà un ticket con le azioni correttive suggerite per l'IT. - Bob Friday, CTO di Mist Systems, una società Juniper Networks

L'intelligenza artificiale e l'apprendimento automatico giocheranno un ruolo molto più fondamentale nella strategia della catena di approvvigionamento rispetto agli anni precedenti. La necessità di maggiori informazioni in tempo reale lungo tutta la catena di approvvigionamento continuerà a crescere nel 2021, soprattutto quando le organizzazioni della catena di approvvigionamento rivaluteranno le loro operazioni a seguito di improvvisi cambiamenti nei comportamenti di acquisto durante la pandemia COVID-19.

Per rispondere a questa esigenza, le organizzazioni della supply chain dovranno guardare alla tecnologia abilitata all'intelligenza artificiale (AI) e all'apprendimento automatico (ML) per eseguire l'aggiornamento dall'analisi attuale, descrittiva e prescrittiva e sfruttare l'analisi predittiva, che fornisce azioni consigliate prima si verifica un incidente sulla base di azioni precedenti. Spesso, le aziende sperimentano un pasticcio di silos e frammentazione a causa dell'acquisizione da parte di grandi aziende che hanno sistemi diversi. Nel 2021, le parti interessate della catena di fornitura cercheranno di implementare i gemelli digitali su tutti i moduli come un ulteriore livello di visibilità e per garantire la sincronizzazione tra i sistemi esistenti di un'azienda e le nuove tecnologie, come sensori e nano sensori, che stanno arrivando sul mercato in volumi sempre più grandi . - Mahesh Veerina, CEO di Cloudleaf

I pregiudizi nell'intelligenza artificiale causano danni su larga scala, dall'impatto sul processo di reclutamento rafforzando gli stereotipi di genere alla discriminazione razziale nell'assegnazione del punteggio di credito e nei prestiti. Le organizzazioni sanno che l'assunzione di una forza lavoro diversificata può fornire un livello di verità per i modelli di intelligenza artificiale e sanno che i dati di addestramento devono essere costantemente monitorati per errori, poiché influiscono sulla qualità e l'accuratezza degli algoritmi. Sanno anche che non esiste un punto di riferimento attuale per le misurazioni basate sull'etica per mitigare veramente i pregiudizi nell'IA, e che deve esserci. Nel 2021, vedremo le organizzazioni andare oltre riconoscendo e "preoccupandosi" dei pregiudizi nell'intelligenza artificiale e inizieranno a fare mosse più significative per risolverlo, perché sarà necessario. Verranno formati team e / o iniziative specifici per combattere tutte le preoccupazioni che ricadono sotto l'ombrello dell'IA responsabile, compreso tutto, dai pregiudizi intrinseci nei dati al trattamento equo dei formatori di dati. Stabilire iniziative di IA responsabili non diventerà solo un mandato a livello di consiglio per alcuni, ma lo richiederanno i partner ei clienti delle aziende che guidano gli sforzi di IA. - Appen Direttore tecnico Wilson Pang

AIOps si surriscalda per migliorare l'esperienza del cliente e fornire garanzia e ottimizzazione delle applicazioni. Con un anno di imprevedibilità alle spalle, le aziende dovranno aspettarsi l'inaspettato quando si tratta di rendere gli stack tecnologici infallibili e proattivi. Vedremo la domanda di AIOps continuare a crescere, in quanto può affrontare e anticipare questi scenari inaspettati utilizzando AI, ML e analisi predittiva. La crescente complessità delle applicazioni aziendali digitali che abbracciano infrastrutture ibride on-premise e cloud, insieme all'adozione di moderne architetture applicative come la containerizzazione, si tradurrà in un aumento senza precedenti sia del volume che della complessità dei dati. Mentre il sovraccarico di dati dai moderni ambienti digitali può ritardare la riparazione e sopraffare i team operativi IT, i set di dati rumorosi saranno una barriera del passato poiché strategie più intelligenti e sistemi AIOps centralizzati aiutano le organizzazioni a migliorare l'esperienza del cliente, fornire la garanzia e l'ottimizzazione delle applicazioni moderne, collegarlo a automazione intelligente e prosperare come imprese digitali autonome. In effetti, gli approcci alle operazioni IT convenzionali potrebbero non essere più fattibili, rendendo inevitabile l'adozione di AIOps per poter scalare le risorse e gestire efficacemente gli ambienti moderni. - Ali Siddiqui, Chief Product Officer, Software BMC

La dura realtà è che il 2021 sarà l'anno in cui coloro che fanno effettivamente AI inizieranno a ottenere valore su larga scala, mentre coloro che trascorrono mesi ad addestrare modelli fragili e non riescono a recuperare il ritardo saranno in uno svantaggio crescente, esponenziale. Le sfide dell'ultimo miglio non diventeranno più facili, ma un cambiamento fondamentale nel pensiero e nell'approccio sarà fondamentale per superare gli ostacoli della complessità. - Dr. Josh Sullivan, capo di Modzy

Elegante valutazione del rischio: man mano che lo spazio AIOps continua a maturare, vediamo un'opportunità per i fornitori di perfezionare le loro capacità di valutazione del rischio per consentire ai clienti di risolvere i problemi con la quasi certezza, senza rompere nient'altro nel sistema. Nel 2021, un'area in cui vedremo una maggiore attenzione da entrambi i fornitori e una maggiore adozione da parte degli utenti sarà quella di consentire una mappatura delle dipendenze più elegante in modo che gli ingegneri possano valutare con precisione il rischio come parte del processo di riparazione o del ciclo di build-deploy per le modifiche del software, per assicurarsi che un cambiamento in una parte di un ambiente non interrompa il sistema altrove. - Michael Olson, Direttore, Product Marketing presso New Relic

Nel 2021, l'IA non sarà mappata sullo spettro di competenza umano: possiamo avere algoritmi che schiacciano qualsiasi essere umano a scacchi ma non siamo in grado di preparare una tazza di tè e programmi per computer in grado di eseguire la matematica milioni di volte più velocemente degli umani ma, se gli si chiedesse chi potrebbe vincere il prossimo Mondiale, non capirebbero nemmeno la domanda. Le loro capacità non sono universali. Abbiamo raggiunto un punto con l'intelligenza artificiale in cui sovrastimiamo e sottovalutiamo simultaneamente il potere degli algoritmi.

Quando li sopravvalutiamo, vediamo il giudizio umano relegato a un ripensamento, un posto pericoloso in cui essere. L'uso di un "algoritmo mutante" nella valutazione dei risultati di livello A è lo scandalo del giorno nel Regno Unito, nonostante l'algoritmo produca molti risultati che violano semplicemente il buon senso. Quando sottostimiamo gli algoritmi, vediamo interi settori crollare perché non vedevano cambiamenti all'orizzonte. Come può competere il tradizionale business dei taxi quando l'algoritmo di Uber può farti fare un giro in meno di 3 minuti? Nel 2021, ci si aspetta che gli ingegneri evitino l'intelligenza artificiale e gli errori algoritmici non cercando di mappare gli algoritmi sullo spettro di competenza umano. L'utilizzo di tecnologie di intelligenza artificiale, come il riconoscimento vocale in qualsiasi contesto, per migliorare ciò che gli esseri umani possono fare e trovare il giusto equilibrio tra automazione dell'intelligenza artificiale e conoscenza umana per casi d'uso del mondo reale, come l'esperienza del cliente e le conferenze web, inizierà a plasmare l'uso efficace dell'IA per il futuro. - Ian Firth, VP presso Speechmatics

ML on the edge sarà uno dei principali obiettivi nel settore AI / ML nel 2021. La domanda di applicazioni edge intelligenti è in rapida crescita nel settore automobilistico, delle fabbriche intelligenti e delle case intelligenti. Con strumenti di sviluppo Edge ML efficienti ampiamente disponibili e aziende di semiconduttori che lanciano nuovi MCU con funzionalità ML, l'adozione di applicazioni ML edge diventerà la tendenza principale. - Sang Won Lee, CEO di Qexo

La comunità clinica aumenterà il loro uso di approcci di apprendimento federati per costruire modelli di intelligenza artificiale robusti in varie istituzioni, aree geografiche, dati demografici dei pazienti e scanner medici. La sensibilità e la selettività di questi modelli stanno superando i modelli di intelligenza artificiale costruiti in una singola istituzione, anche quando ci sono dati abbondanti con cui allenarsi. Come bonus aggiuntivo, i ricercatori possono collaborare alla creazione di modelli di intelligenza artificiale senza condividere informazioni riservate sui pazienti. L'apprendimento federato è utile anche per la creazione di modelli di intelligenza artificiale per aree in cui i dati sono scarsi, come la pediatria e le malattie rare. - Kimberly Powell, Vicepresidente e direttore generale, NVIDIA Healthcare

Centro di eccellenza AI: negli ultimi 10 anni le aziende si sono affrettate per acquisire data scientist altamente retribuiti, ma la loro produttività è stata inferiore alle aspettative a causa della mancanza di infrastrutture di supporto. Un maggior numero di organizzazioni accelererà il ritorno sull'investimento sull'intelligenza artificiale costruendo un'infrastruttura centralizzata e condivisa su scala di supercalcolo. Ciò faciliterà la preparazione e la scalabilità dei talenti della scienza dei dati, la condivisione delle migliori pratiche e accelererà la risoluzione di complessi problemi di intelligenza artificiale. - Charlie Boyle, vicepresidente e direttore generale, NVIDIA DGX Systems

L'espressione dell'intelligenza artificiale si restringerà su esperienze utente senza interruzioni: mentre guardiamo alla storia dell'IA, gli algoritmi erano il re e l'esperienza utente al secondo posto. Ma mentre ci avviciniamo al 2021, le applicazioni abilitate all'IA saranno sempre più focalizzate sull'usabilità come priorità. Le migliori espressioni di intelligenza artificiale sono perfette per l'utente e funzionano in modo discreto in background. Le piattaforme supportate da AI / ML troveranno nuovi modi per portare gli utenti a conclusioni e soluzioni migliori.

Ciò avviene interrogando enormi volumi di dati, cercando anomalie, intuizioni e tendenze, quindi presentando i risultati nel contesto aziendale appropriato. L'obiettivo finale di tutte le piattaforme aziendali dovrebbe essere l'intelligenza artificiale e il machine learning veramente privi di attrito. Spero di vedere applicazioni più sofisticate di intelligenza artificiale che identificheranno ciò che ogni utente sta cercando di realizzare e faranno emergere automaticamente informazioni che possono essere sfruttate per un'azione rapida. Questa facilità d'uso sarà incredibilmente preziosa per l'ampia base di utenti, sia tecnici che non tecnici. - Sanjay Vyas, CTO di Pianificato

L'IA etica assumerà un ruolo chiave nello sviluppo del prodotto nel 2021, ma è un problema difficile da risolvere: l'IA etica sta diventando una questione importante, ma un dilemma difficile da risolvere. Le aziende utilizzano dati e intelligenza artificiale per creare soluzioni, ma potrebbero aggirare i diritti umani in termini di discriminazione, sorveglianza, trasparenza, privacy, sicurezza, libertà di espressione, diritto al lavoro e accesso ai servizi pubblici.

Per evitare l'aumento dei rischi reputazionali, normativi e legali, l'IA etica è imperativa e alla fine lascerà il posto alla politica dell'IA. La politica dell'IA garantirà un elevato standard di trasparenza e misure di protezione per le persone. Nella sfera dei dati, i CEO e i CTO dovranno trovare modi per eliminare i pregiudizi negli algoritmi attraverso un'attenta analisi, controllo e programmazione. - Krishna Tammana, CTO di Talend

Il prossimo anno, vedremo le aziende concentrarsi, adottare e sviluppare soluzioni di intelligenza artificiale che offrono effettivamente un ROI rispetto a espedienti o tecnologia di costruzione fine a se stessa. Le organizzazioni si concentreranno su progressi dimostrabili e risultati misurabili e pertanto investiranno in soluzioni che risolvono problemi specifici. Le aziende che hanno una profonda comprensione delle complessità e delle sfide che i loro clienti stanno cercando di risolvere e sono disposte a investire i loro dollari di ricerca e sviluppo nelle soluzioni troveranno successo. - Joe Petro, CTO presso Nuance Communications, Inc.

Il divario di competenze nell'IA persisterà e le organizzazioni penseranno a nuovi modi per adattarsi. È stato difficile per le organizzazioni assumere i talenti necessari per implementare l'intelligenza artificiale e trarne tutti i vantaggi, con metà degli addetti ai lavori che segnalano questa sfida. Inoltre, molte organizzazioni hanno accelerato le iniziative di trasformazione digitale di pochi mesi o anni, ma c'è una discrepanza nei talenti disponibili e nelle opportunità di formazione per supportare queste iniziative. A causa dell'aumento della domanda, prevediamo che le aziende offriranno maggiori iniziative di miglioramento delle competenze e incentivi per i dipendenti ad apprendere nuove competenze, oltre a lavorare per costruire dati e alfabetizzazione AI a tutti i livelli dell'organizzazione.

La pandemia ha offerto alle organizzazioni l'opportunità di dare la priorità a queste azioni e aiutare i dipendenti a sviluppare nuove competenze nella loro rapida transizione al lavoro a distanza. Guardando al futuro, il 2021 riguarderà l'istruzione, sia che opererà in una nuova normalità sia che si metterà al passo con le iniziative digitali accelerate. - Traci Gusher, Principal, Data & Analytics, KPMG

Affrontare i pregiudizi negli algoritmi di intelligenza artificiale sarà una priorità assoluta per il lancio di linee guida per il supporto dell'apprendimento automatico dell'etnia per il riconoscimento facciale. Le aziende stanno diventando sempre più preoccupate per i pregiudizi demografici negli algoritmi di intelligenza artificiale (razza, età, sesso) e il loro effetto sul loro marchio e il potenziale per sollevare questioni legali. Valutare il modo in cui i fornitori affrontano i pregiudizi demografici diventerà una priorità assoluta nella scelta delle soluzioni di verifica dell'identità nel 2021. Secondo Gartner, oltre il 95% delle RFP per la verifica dell'identità incentrata sui documenti (confrontando un documento d'identità rilasciato dal governo con un selfie) conterrà requisiti chiari per quanto riguarda la riduzione del pregiudizio demografico entro il 2022, un aumento da meno del 15% di oggi. Le organizzazioni avranno sempre più bisogno di avere risposte chiare alle organizzazioni che vogliono sapere come è stata costruita la "scatola nera" di AI di un fornitore, da dove provengono i dati e quanto rappresentativi sono i dati di formazione per la più ampia popolazione che viene servita.

Poiché le organizzazioni continuano ad adottare la tecnologia di riconoscimento facciale basata su biometria per la verifica dell'identità, il settore deve affrontare il pregiudizio intrinseco nei sistemi. Il tema dell'IA, dei dati e dell'etnia non è nuovo, ma dovrà arrivare al culmine nel 2021. Secondo ricercatori al MIT, che ha analizzato i set di dati di immagini utilizzati per sviluppare tecnologie di riconoscimento facciale, il 77% delle immagini era di sesso maschile e l'83% era bianco, segnalando uno dei motivi principali per cui esiste un bias sistematico nella tecnologia di riconoscimento facciale. Nel 2021 verranno introdotte linee guida per compensare questo pregiudizio sistematico. Fino a quando ciò non accadrà, le organizzazioni che utilizzano la tecnologia di riconoscimento facciale dovrebbero chiedere ai loro fornitori di tecnologia come vengono addestrati i loro algoritmi e assicurarsi che il loro fornitore non formi algoritmi sui set di dati acquistati. - Robert Prigge, CEO di Jumio

Big Data

Nel 2021, la raccolta di dati aperta e gratuita alimenterà le innovazioni future. Un recente sondaggio di Frost & Sullivan lo ha scoperto 54% dei responsabili delle decisioni IT ha espresso la necessità di una raccolta di dati su larga scala per tenere il passo con la crescita delle loro imprese e la concorrenza online. Tuttavia, affinché le aziende possano utilizzare i dati online in modo efficace, devono prima essere accessibili, non bloccati. Oggi, le aziende spesso vietano i tentativi di raccolta di dati pubblici nonostante la raccolta loro stessi. Questa situazione è causata da due fattori principali: la continua necessità di bloccare attività online dannose o fraudolente come parte delle precauzioni di sicurezza e l'idea che questi dati pubblici contribuiscano al vantaggio competitivo di un'azienda.

Credo che durante il 2021 e in avanti le aziende si renderanno conto che la raccolta di dati pubblici fa parte della condotta aziendale in corso generale e necessaria. Capiranno anche che i dati non sono tutto quando si tratta del vantaggio competitivo di un'azienda. Anche aree come inventario, prezzi, qualità del prodotto e qualità del servizio, ecc., Giocano un ruolo importante. Una volta stabilita questa presa di coscienza, il blocco dei dati servirà solo a proteggere dalle attività online abusive. Per garantire la raccolta etica dei dati, spero che tutti promuoviamo uno scambio aperto di informazioni negli hub di dati centrali. I siti continueranno a bloccare gli autori di abusi; questo non cambierà. Tuttavia, possono consentire la raccolta di dati etici. In definitiva, il futuro della raccolta dei dati online dipende da coloro che la controllano. Alla velocità con cui vengono prodotti i dati, i futuri sforzi di raccolta dei dati dovranno evolversi e crescere. Le aziende avranno bisogno di una raccolta dati automatizzata per stare al passo con i concorrenti ed essere in grado di raccogliere dati a una velocità maggiore. Dopo tutto, la velocità con cui le aziende possono raccogliere nuovi dati determinerà la loro pertinenza e il loro successo. - Ron Kol, CTO presso Reti Luminati

I dati diventeranno veramente operativi su scala aziendale: la quantità di dati di cui dispongono le aziende sta crescendo in modo esponenziale: ci sono più fonti, tipi e quantità che mai, oltre a quantità crescenti di dati che vengono fornite quasi in tempo reale. Ma per comprendere veramente, accedere e agire sui dati, le aziende dovranno cambiare il modo in cui li consumano, iniziando eliminando gli intermediari. Trovando modi per automatizzare i processi di catalogazione e profilazione dei dati, i dipendenti, compresi quelli con meno ofa background tecnico - sarà in grado di ottenere i dati di cui ha bisogno per prendere in modo efficace ed efficiente le buone decisioni aziendali. - Eric Raab, Vicepresidente senior, Ingegneria e prodotto, Costruttori di informazioni

È essenziale acquisire e sintetizzare dati "alternativi": quanto tempo avremmo potuto rilevare COVID-19? Studi su dati "alternativi" - in questo caso, dati sul traffico al di fuori degli ospedali di Wuhan e ricerche di parole chiave da parte degli utenti Internet in quella zona - indicano che il virus potrebbe essere circolato alla fine del 2019. La comunità degli investitori è stata pioniera nell'utilizzo di dati alternativi , inclusi audio, foto aeree, qualità dell'acqua e sentiment.10 Questa è la prima linea per l'innovazione basata sui dati e ottenere un vantaggio qui può portare a enormi guadagni. Ma sulla scia del 2020, i dati alternativi diventeranno mainstream, con l'obiettivo di individuare le anomalie molto prima.

Da ciò, possiamo ottenere dati derivati, che provengono da combinazioni, associazioni e sintesi con dati provenienti da sistemi di registrazione. Come afferma IDC: “Man mano che più dati vengono acquisiti e diventano disponibili da fonti esterne, la capacità di utilizzarne di più diventa un fattore di differenziazione. Ciò include prendere lezioni da settori diversi dal proprio ". 11 Questa tendenza, simile a quella che Gartner chiama "X analytics" 12, non è nuova, ma sta finalmente diventando una base importante per i dati e le analisi moderne, grazie a un'elaborazione più economica e a tecniche di IA più mature, inclusi grafici della conoscenza, tessuti di dati e dati naturali. elaborazione del linguaggio (PNL), intelligenza artificiale spiegabile e analisi su tutti i tipi di contenuto. Questa tendenza dipende completamente dal machine learning e dall'intelligenza artificiale, poiché l'occhio umano non può coglierlo tutto. - Dan Sommer, Senior Director, Global Market Intelligence Lead presso Qlik

Nel settore parliamo spesso di abbattere i silos di dati, ma dobbiamo riconoscere che alcuni silos saranno sempre presenti. Nelle grandi organizzazioni si avranno sempre dipartimenti o regioni locali che dispongono dei propri strumenti o database e questo continuerà. Se hai la sovranità dei dati, l'ufficio locale della tua organizzazione avrà un silo. Ecco perché l'approccio migliore è guardare come puoi avere una migliore comprensione dei dati che hai. Una piattaforma di data intelligence può fungere da indice e mappa, mostrandoti i silos di cui disponi e il modo in cui sono collegati fornendo una vista a 360 gradi delle risorse di dati. - Stijn "Stan" Christiaens, co-fondatore e CTO di Collibra

OpenTelemetry creerà un sovraccarico di dati. Nel 2021, l'uso di OpenTelemetry diventerà la nuova norma del settore. Sì, renderà più semplice la raccolta dei dati creando coerenza tra le fonti, ma creerà anche un tubo flessibile di dati per le aziende, rendendo ancora più difficile trovare la piccola porzione di dati contenente informazioni utili. Il flusso costante di dati travolgerà le aziende se non dispongono di un sistema in atto per trovare rapidamente il 5% che è veramente utilizzabile. Per questo motivo, i team IT sposteranno la loro attenzione dall'acquisizione dei dati alla creazione di un framework per agire dai dati. Man mano che i team lo fanno, sarà imperativo implementare strumenti che possano iniziare immediatamente a far emergere dati utilizzabili nel tempo necessario per preparare un cappuccino. - Phil Tee, CEO di Moogsoft

Un gemello digitale è un modello virtualizzato di un processo, prodotto o servizio. L'abbinamento del mondo virtuale e fisico consente l'analisi dei dati e il monitoraggio del sistema per aiutare a identificare i problemi prima ancora che si verifichino. Ciò previene i tempi di inattività, sviluppa nuove opportunità e persino piani per il futuro utilizzando simulazioni. Questa generazione di digital twin consente alle aziende non solo di modellare e visualizzare una risorsa aziendale, ma anche di fare previsioni, intraprendere azioni in tempo reale e utilizzare le tecnologie attuali come AI e ML per aumentare e agire sui dati in modo intelligente. - Anil Kaul, CEO di Dati assoluti

La trasformazione digitale inizierà - finalmente - a diventare trasformativa. A questo punto, "trasformazione digitale" è diventata una parola d'ordine che tutte le imprese hanno imparato a riconoscere, ma la stragrande maggioranza (l'80% secondo IDC) di questi sforzi è ancora di natura troppo tattica. L'automazione dei processi robotici (RPA), ad esempio, può essere considerata uno strumento di trasformazione, ma di per sé non lo è. Affinché le organizzazioni possano vedere una vera trasformazione nel 2021, dovranno sfruttare piattaforme più avanzate che combinano l'automazione di base e le funzionalità AI, come l'analisi del testo, la comprensione dei documenti e il process mining. È inoltre fondamentale che queste piattaforme abbiano funzionalità a basso codice che consentano agli sviluppatori cittadini di creare e distribuire automazioni di livello aziendale che riportano valore alle loro organizzazioni. Senza ciò, continuerà a essere difficile per le aziende fornire una trasformazione digitale a livello aziendale, alimentata dalla capacità di implementare facilmente l'automazione, anche nei processi più complessi. - Guy Kirkwood, capo evangelista presso UiPath

Business Intelligence

Proliferazione di ML low-code / no-code. L'aumento dei sistemi ML low-code e no-code, progettati per rendere l'IA più accessibile alle aziende, contribuirà a migliorare l'adozione dell'IA. Tuttavia, alla fine le aziende raggiungeranno un limite e supereranno l'approccio unico per tutti, alla ricerca di casi d'uso più avanzati per l'IA che richiedono competenze più approfondite. In definitiva, la necessità di personalizzazione aumenterà la necessità di data scientist qualificati, piuttosto che sistemi a basso codice che li sostituiscono. Non automatizzeremo presto la necessità di data scientist. - Kevin Goldsmith, CTO, Anaconda

La Business Intelligence si sta spostando verso un nuovo paradigma di analisi dei dati avanzata con l'integrazione di Natural Language, Natural Search, AI / ML, Augmented Analytics, Automated Data Preparation e Automated Data Catalogs. Questo trasformerà i processi decisionali aziendali con insight in tempo reale di qualità superiore. - Ramesh Panuganty, CEO della società di BI MachEye

BI e AI approfondiranno il loro legame. Sia che si tratti di calcolare il punteggio dei set di dati BI rispetto ai modelli ML e di visualizzare le previsioni o di sfruttare l'elaborazione del linguaggio naturale per la generazione di visualizzazioni, approfondimenti e riepiloghi, AI e BI aumenteranno le loro sinergie. E poiché le capacità di BI convenzionali continuano a essere mercificate, i fornitori avranno bisogno di BI + AI come nuovo fronte nelle guerre dell'innovazione. - Andrew Brust, analista, Gigaom

chatbots

Dal dipendente all'impresa: l'adozione dell'IA conversazionale sarà naturale e spesso il primo contatto. L'intelligenza artificiale conversazionale è normalizzata e qui per restare. Le interfacce che guidano i consumatori attraverso il mercato online, i dipendenti attraverso corsi di formazione e gli utenti attraverso motori di ricerca e siti web hanno visto grandi ritorni sugli investimenti se equipaggiati con la tecnologia avanzata di intelligenza artificiale conversazionale. - Shiva Ramani, CEO di iOPEX

L'intelligenza artificiale non sostituirà presto gli esseri umani. Quando si guarda all'uso dell'IA nelle operazioni rivolte ai consumatori oggi, viene utilizzato principalmente nei chatbot supportati dall'IA e nelle funzionalità di personalizzazione dei clienti. Se guardiamo a come i consumatori hanno sfruttato le funzionalità supportate dall'intelligenza artificiale durante la pandemia, possiamo vedere che le stanno effettivamente utilizzando per risolvere i problemi più velocemente tramite agenti umani. Aziende come Bank of America, che ha un chatbot basato sull'intelligenza artificiale rivolto ai consumatori di nome Erica, ha visto i consumatori utilizzare Erica per trovare il modo migliore per coinvolgere i team di assistenza clienti. Invece di porre domande a Erica per risolvere direttamente eventuali problemi, i clienti hanno semplicemente chiesto a Erica come avrebbero dovuto contattare il team del servizio clienti per risolvere rapidamente il loro problema con l'agente umano appropriato. - James Isaacs, Presidente e CEO di Ciara

Oggi interagiamo con i bot più che mai, che si tratti di chatbot del servizio clienti o dell'intelligenza artificiale sui nostri dispositivi, come Siri e Alexa. Questi bot vengono utilizzati per il processo decisionale in tempo reale per automatizzare i processi precedentemente eseguiti dagli esseri umani. Ad esempio, i bot hanno automatizzato i processi di restituzione al dettaglio per aziende come Amazon. Tuttavia, diventa più complicato per le aziende gestire le identità dei bot automatizzati, soprattutto quando interagiscono con altri bot alla velocità della macchina. Le identità dei bot devono essere gestite e protette dall'azienda, in modo simile all'identità dei dipendenti e dei clienti, in modo che i dati non vengano compromessi. Questo è importante per i CIO ei leader della sicurezza da tenere a mente, perché l'utilizzo di bot per scopi di automazione aprirà nuovi vettori di attacco se le API di quei bot vengono violate. - Jasen Meece, CEO di Nuvolosità

La PNL (elaborazione del linguaggio naturale) cambia la conversazione sull'analisi dei dati: proprio come utilizziamo Google Home e Alexa nella nostra vita quotidiana, l'analisi conversazionale attraverso la PNL sarà il biglietto d'oro per le aziende nell'estrarre preziose informazioni sui big data dalle loro operazioni aziendali. Ciò include scoprire tendenze che potrebbero essere passate inosservate e consentire agli esperti interni all'azienda di interagire con i dati in modo significativo. - Sam Mahalingam, CTO, Altair

L'IA conversazionale, prima di tutto, ha bisogno di un canale di messaggistica onnipresente su cui conversare. L'ascesa della messaggistica aziendale su canali basati su IP come Whatsapp, GIP e altri sta guidando una rinascita nell'uso dell'IA conversazionale. Le aziende di settori come banche, e-commerce, vendita al dettaglio, viaggi ecc. Ora stanno abilitando l'AI conversazionale praticamente per ogni punto di contatto con i clienti, inclusi marketing, vendite e supporto. Alimentata dai recenti progressi nell'elaborazione del linguaggio naturale (PNL), l'AI conversazionale è pronta a trasformare il modo in cui i consumatori interagiscono con le aziende. - Beerud Sheth, CEO di Gupshup

Cloud

Penso che inizieremo a vedere un approccio più ponderato ed equilibrato all'adozione del cloud multi e ibrido, in particolare per il cloud ibrido. Stiamo superando le conversazioni tra cloud pubblico e privato e le aziende stanno accettando la realtà che il cloud non è una decisione "o". Storicamente, abbiamo visto che il "cloud pubblico" è stato associato a innovazioni all'avanguardia e il "cloud privato" è stato associato a imprese lente e legacy resistenti al cambiamento. Questo sentimento sta cambiando, poiché le aziende stanno iniziando a comprendere meglio il valore che possono ottenere da un'architettura cloud ibrida che consente loro di distribuire applicazioni agili e moderne sulla piattaforma che bilancia al meglio le loro esigenze specifiche di costo, prestazioni, sicurezza, conformità e governance.

Con ciò arriva un aumento delle tecnologie abilitanti ibride come contenitori e piattaforme di integrazione ibrida. Un'altra considerazione è il calcolo tethered, che è una soluzione di provider di cloud iperscalabile in esecuzione nel tuo data center. Esempi sono AWS Outposts, Google Anthos e Microsoft Azure Stack. Sebbene questi siano stati troppo lenti da adottare fino ad oggi, potremmo iniziare a vedere l'inizio della crescita qui, poiché i clienti vedono il valore del cloud privato / pubblico, insieme alla coerenza del consumo di servizi cloud iperscalabili. - Kim King, Director of Product Marketing - Cloud Management presso Snow Software

COVID-19 accelera la spesa per il cloud: con l'aumento del lavoro a distanza dovuto alla pandemia COVID-19, le aziende stanno investendo una quota maggiore dei budget IT in tecnologie basate su cloud, allontanandosi dai processi basati sulla carta. La spesa media per il cloud delle imprese è aumentata del 59% dal 2018 a 73.8 milioni di dollari nel 2020. Questa tendenza continuerà nel 2021 poiché le aziende sono costrette ad adottare strategie per lavorare in remoto e riconoscere i vantaggi del mantenimento di tali modalità operative anche quando iniziano a trasferire i dipendenti torna alle posizioni fisiche. Un ottimo esempio sarà l'appalto in cui COVID ha guidato la trasformazione digitale della richiesta di contratto, l'approvazione, l'esecuzione e i sistemi di gestione post-aggiudicazione e ha gettato le basi per ulteriori progressi nella gestione del ciclo di vita dei contratti. - Harshad Oak, General Manager, Customer Adoption & Value, presso Icertis

Una volta considerato la "sosta" sulla strada per il cloud, l'ibrido è ora la destinazione: un approccio al cloud ibrido era considerato il trampolino di lancio per un'implementazione cloud-first. Ora, i clienti stanno vedendo che un approccio ibrido ha più senso, sia strategicamente per le loro esigenze aziendali che economicamente. Secondo IDC, il 70% delle app e dei dati dei clienti rimane al di fuori del cloud pubblico. Con questo in mente, nel 2021, vedremo ancora più clienti abbracciare un approccio ibrido. A causa della latenza dei dati, dell'entanglement delle applicazioni e dei motivi di sicurezza e conformità, vediamo sempre più organizzazioni in tutti i settori che desiderano mantenere i propri dati in sede. Allo stesso tempo, in parte a causa dell'economia della pandemia, dei costi di uscita dei dati e del vincolo dei fornitori con i fornitori di cloud pubblico, la realtà è che i CIO e le organizzazioni IT stanno abbracciando l'ibrido come risultato e non come mezzo per un fine. - Keith White, Direttore generale, GreenLake Cloud Services

L'agilità del cloud è fantastica, ma può facilmente portare a costi incredibili. Allo stesso modo, i cluster di big data condivisi in loco spesso sprecano risorse. Entrambi si traducono in SLA mancati. Se vogliono eliminare la spesa eccessiva cronica, le aziende devono istituire un metodo per monitorare e gestire la spesa per il cloud. Il modo più efficace per farlo è attraverso l'osservabilità e l'auto-tuning. - Ash Munshi, CEO, Pepperdata

Database / Data Warehouse / Data Lake

Le soluzioni che le aziende utilizzano per archiviare i propri dati continuano a evolversi rapidamente nel prossimo anno. Stiamo assistendo a un aumento delle migrazioni verso soluzioni di database relazionali open source, soluzioni di database non relazionali, soluzioni di database basate su PaaS e una loro combinazione. L'obiettivo principale di queste iniziative può essere il raggruppamento sotto il titolo di riduzione dei costi operativi, indipendentemente dal fatto che vengano intraprese per ridurre pesanti contratti di supporto da fornitori come Oracle e Microsoft (sia le migrazioni di database open source che non relazionali rientrano in questa categoria), ridurre le spese di personale (le migrazioni ai servizi PaaS rientrano in questa categoria) o aumentare l'efficienza delle prestazioni migrando a una soluzione di database più specifica.

La migrazione dei dati sta avvenendo proprio ora e su larga scala, quindi ci sono molte considerazioni che devono essere fatte quando si passa a queste nuove soluzioni di database, comprese le capacità della futura soluzione di stato rispetto allo stato attuale, l'impatto sulle licenze e sui contratti di supporto e un metodo per garantire che vengano distribuite le soluzioni corrette. Sebbene le soluzioni PaaS forniscano alcuni grandi vantaggi, gli amministratori di database devono ancora monitorare e gestire tali sistemi e collaborare con i team delle applicazioni per promuovere l'efficienza in termini di prestazioni, disponibilità e sicurezza. - Marc Caruso, Chief Architect, Sintassi

360. Questo è il numero di sistemi di database in circolazione. E mentre la scelta è buona e trovare lo strumento giusto per il lavoro è intelligente, aggiunge anche una maggiore complessità. Man mano che le aziende si muovono verso la modernizzazione nel cloud, cercheranno la semplificazione, che porterà a un massiccio consolidamento nel mercato dei database. Vinceranno i fornitori di database che offrono funzionalità multifunzionali, piuttosto che una moltitudine di database di nicchia che devono essere uniti e richiedono modi diversi di accedere ai dati. - Franz Aman, CMO della società di database relazionali MariaDB

Il mercato dei database crescerà fino a 1 trilione di dollari entro il 2025. Negli ultimi due decenni, c'è stata una presa di ferro sul mercato dei database con IBM, Oracle e SAP HANA a guidare la carica. Ora stiamo assistendo a un cambio della guardia, che offre ai clienti la possibilità di decidere cosa è meglio per la loro attività. Forrester sottolinea anche che il mercato delle infrastrutture cloud pubbliche crescerà del 35% in 120 miliardi nel 2021. Prevedo che la capitalizzazione di mercato dei database crescerà fino a $ 1 trilione entro il 2025 e oltre 10-XNUMX società di database davvero forti cresceranno in modo significativo nel prossimo decennio . - Raj Verma, CEO di Negozio singolo

Il data lake può fare ciò che fanno i data warehouse e molto di più: mentre la separazione tra elaborazione e dati offre vantaggi ai data lake rispetto ai data warehouse, i data warehouse hanno storicamente avuto altri vantaggi rispetto ai data lake. Ma ora le cose stanno cambiando con le ultime innovazioni open source nel livello dati. Per esempio, Apache Iceberg è un nuovo formato di tabella che fornisce funzionalità chiave del data warehouse nel data lake come coerenza transazionale, rollback e viaggi nel tempo, introducendo nuove funzionalità che consentono a più applicazioni di lavorare insieme sugli stessi dati in modo transazionale coerente. Un altro nuovo progetto open source, Progetto Nessie, si basa sulle capacità di Iceberg e Delta Lake fornendo una semantica simile a Git per i data lake. Nessie rende anche le transazioni liberamente accoppiate una realtà, consentendo una singola transazione che copre operazioni da più utenti e motori tra cui Spark, Dremio, Kafka e Hive. - Tomer Shiran, co-fondatore di Dremio

Tre tendenze principali emergeranno nel 2021, il ritorno del livello dei metadati, dell'intelligenza artificiale incorporata e dell'analisi automatizzata e nuove interfacce di query semplificate progettate specificamente per gli utenti aziendali. La restituzione dei livelli di metadati, come componenti fondamentali fondamentali delle soluzioni analitiche, è necessaria per supportare una migliore governance ed estensibilità delle risorse di dati. Con i livelli di metadati intelligenti emergeranno nuove interfacce utente semplificate che consentiranno agli utenti aziendali di interagire con i dati in un approccio più guidato, consentendo loro di ridurre il tempo per la comprensione con competenze analitiche minime. L'intelligenza artificiale e l'analisi automatizzata passeranno dal dominio aziendale ai fornitori di software che incorporeranno queste funzionalità e consentiranno l'adozione di massa tramite la loro base di clienti. - Glen Rabie, CEO di Yellowfin

Ingegneria dei dati

Le aziende reinvestiranno nell'ingegnere dei dati e nelle pipeline di dati. Un impatto del 2020 è stato che molte aziende sono passate a un approccio basato sulla sopravvivenza, che ha portato a una mentalità "grab-and-go" per la loro integrazione dei dati. Poiché i profitti delle aziende si stanno stabilizzando e stiamo assistendo a una maggiore prevedibilità a livello macroeconomico, la nostra previsione è che il 2021 è l'anno dell'ingegnere dei dati e che le aziende torneranno a un approccio "costruito per durare" per i dati condutture. “Costruito per durare” per l'acqua delle tubature di casa significa che l'acqua è sempre attiva, pulita e alla giusta temperatura. "Costruito per durare" per i dati significa creare pipeline di dati intelligenti per garantire tempestività e fiducia nell'analisi dei dati. - StreamSet L'amministratore delegato Girish Pancha

Le aziende si renderanno conto della necessità di impegnarsi maggiormente in DevOps: "C'è ancora molto lavoro da fare con le pipeline DevOps, inclusa la protezione e il test del processo di consegna. La comunità degli sviluppatori di software sa dove deve andare, ma il lavoro e gli ostacoli sono sempre più grandi del previsto. Per questo motivo, sono scettico vedremo grandi cambiamenti nel 2021 in termini di strumenti o modelli CI / CD. Piuttosto, vedremo più persone realizzare che hanno bisogno di impegnarsi di più nella pipeline, nei processi e nella convalida DevOps. Raddoppieranno per accelerare e migliorare la loro automazione CI / CD. Solo quando questi processi sono maturi le organizzazioni possono avere fiducia nelle loro pratiche e strumenti di consegna. - Fred Simon, co-fondatore e Chief Data Scientist, JFrog

Data Governance

L'IT infonderà la governance degli accessi con intelligenza per proteggere la sicurezza informatica della forza lavoro nel 2021. L'accelerazione dei cambiamenti nelle tecnologie aziendali, le minacce informatiche e il panorama degli utenti stanno aumentando la pressione sulle soluzioni tradizionali di governance e amministrazione dell'identità (IGA) e, a loro volta, sui team di sicurezza e conformità. Oltre ai crescenti rischi di conformità, gli ambienti IT aziendali diventano ogni anno più complessi, aumentando il numero di applicazioni e sistemi a cui le aziende forniscono l'accesso agli utenti. Queste sfide stanno spingendo le organizzazioni a cercare soluzioni basate sull'intelligenza artificiale che semplificano e automatizzano i processi di richiesta di accesso, approvazione dell'accesso, certificazione e modellazione dei ruoli. Nel 2021, vedremo l'IA sempre più impiegata per consentire un approccio di identità autonomo.

Le soluzioni di autenticazione e autorizzazione basate sull'intelligenza artificiale saranno sovrapposte o integrate con le soluzioni IGA esistenti, fornendo visibilità contestuale a livello aziendale raccogliendo e analizzando tutti i dati di identità e consentendo una visione approfondita dei diversi livelli di rischio di accesso degli utenti su larga scala. L'uso dell'intelligenza artificiale consentirà ai sistemi di identificare e avvisare i team di sicurezza e conformità in merito a accessi ad alto rischio o violazioni delle policy. Nel tempo vedremo questi sistemi di intelligenza artificiale produrre risultati spiegabili aumentando al contempo l'automazione di alcune delle sfide di sicurezza informatica più difficili all'interno dell'azienda. - Eve Maler, CTO presso ForgeRock

Abbiamo visto l'implementazione globale dei framework di governance dell'IA decollare nel 2020, dove le aziende chiedono dettagli sui risultati delle applicazioni AI. Garantire un livello appropriato di spiegabilità delle applicazioni di intelligenza artificiale è fondamentale, nonché utilizzare dati di buona qualità, garantire la verificabilità, essere etici, equi e trasparenti, rispettare i requisiti di protezione dei dati e attuare misure di sicurezza informatica efficaci. L'implementazione dei framework di governance dell'IA è attualmente vista maggiormente nel settore finanziario e bancario, ma nel 2021 vedremo che diventerà più diffuso.

Altri verticali come l'assistenza sanitaria, il commercio elettronico e i servizi di mobilità inizieranno a utilizzarlo come elemento di differenziazione competitivo. Ad esempio, gli operatori sanitari stanno iniziando a essere più trasparenti su come vengono utilizzati i dati e su come sono etici ed equi nella protezione di tali dati. Se le aziende vogliono stare al passo con i tempi, dovrebbero iniziare a sviluppare quadri di intelligenza artificiale etici ora per posizionarsi come leader in questo movimento globale. - Mohan Mahadevan, VP of Research, Onfido

L'intelligenza artificiale acquisirà slancio nella sicurezza e nella governance del cloud. Nel 2021, l'intelligenza artificiale andrà ben oltre il semplice rilevamento di anomalie e quindi la segnalazione di potenziali minacce ai team di sicurezza. La governance del cloud è un'attività sempre più complessa e sta rapidamente raggiungendo un punto in cui è impossibile per gli esseri umani gestirla da soli. Nel prossimo anno si farà sempre più affidamento sull'intelligenza artificiale per mantenere l'igiene del cloud semplificando i flussi di lavoro, gestendo le modifiche e l'archiviazione. Una volta stabilita e mantenuta un'adeguata igiene del cloud con l'IA, verrà utilizzata anche come strumento di conoscenza predittiva strategica. Prevedendo e affrontando minacce e vulnerabilità, l'AI aiuterà le aziende a creare il miglior risultato possibile per i loro ambienti cloud. Sfruttare l'IA come risorsa strategica consentirà ai CIO di prendere decisioni informate sui loro ambienti cloud, come la valutazione dei costi e dei rischi di conformità. - Keith Neilson, Evangelista tecnico per CloudSphere

Guardando al 2021, vedremo la conversazione sull'intelligenza artificiale etica e sulla governance dei dati applicata a più aree diverse, come il tracciamento dei contatti (lotta contro COVID-19), veicoli connessi e dispositivi intelligenti (chi possiede i dati?) E personale profili informatici (maggiore impronta informatica che porta a domande sulla privacy). - Cindy Maike, VP of Industry Solutions, Cloudera

Governance dei dati per una realtà multi-ambiente. Sono ormai lontani i tempi in cui le organizzazioni ospitavano semplicemente tutti i propri dati on-premise o anche solo all'interno di un provider cloud. Ora le organizzazioni dispongono di dati in sede e collaborano con diversi fornitori di servizi cloud in base alle loro esigenze specifiche. Questa realtà ha creato un "ripensamento" di come affrontare la governance dei dati. Le organizzazioni devono determinare in che modo la loro attuale governance dei dati sarà influenzata e cosa deve essere regolato, come monitorare la qualità dei dati nel cloud e come gestire lo spostamento dei dati dentro e fuori dal cloud (e l'enorme spesa che ne deriva). - Todd Wright, Head of Data Management and Data Privacy Solutions presso SAS

Science Data

Il 2020 è stato brutale per alcune aziende, gratificante per altre e impegnativo per tutti. All'inizio del 2021, i ritardatari hanno l'imperativo esistenziale di reinventarsi digitalmente, le aziende leader lottano per tenere il passo con le richieste. Tutte queste aziende devono trarre vantaggio dall'integrazione dei dati al 100% con costi prevedibili, prestazioni affidabili e visibilità in tempo reale. - Bonnie Holub, Practice Lead, Data Science, Americas presso Teradata

La democratizzazione dei dati diventerà la nuova norma. È compito del CDO garantire l'espansione della crescita nell'intera azienda. Ciò può essere ottenuto fornendo dati strutturati che le persone possono effettivamente utilizzare. Un CDO di successo dovrebbe democratizzare i dati in modo che siano accessibili e comprensibili dalle persone. Un buon CTO completerà il CDO creando gli strumenti necessari per trovare i dati richiesti. Ciò significa fornire agli utenti una serie di strumenti di visualizzazione e strumenti di reporting che consentono loro di ottenere i dati per eseguire approfondimenti. Mentre ci spostiamo nel 2021, continueremo a vedere un'ulteriore e più stretta collaborazione tra questi due ruoli, guidati dalla necessità. Se disponi di strumenti con dati non validi, stai esacerbando la sfida dei dati. Se disponi di strumenti limitati, solo un piccolo sottoinsieme può eseguire qualsiasi operazione con i dati. - Derek Knudsen, Chief Technology Officer di Alteryx

Gli analisti dei cittadini acquisiranno sempre più competenze per diventare data scientist. La crescente complessità della maggior parte dei settori e delle aziende significa anche che una volta che vediamo l'autosufficienza in termini di sviluppo di processi IT o utilizzo di analisi, ci sarà rapidamente un'enorme spinta per espandere ulteriormente tale set di competenze. Con il mercato che cambia in modo irregolare di mese in mese, verrà posta un'enfasi molto maggiore sulla scienza dei dati che mai. Questo, a sua volta, spingerà più analisti cittadini a migliorare le proprie competenze per diventare data scientist. - Sharmila Mulligan, Direttore Strategia e Marketing presso Alteryx

Le librerie di visualizzazione dei dati Python verranno sincronizzate. Stiamo finalmente iniziando a vedere le librerie di visualizzazione dei dati Python lavorare insieme e questo lavoro continuerà nel 2021. Python ha avuto alcune librerie di visualizzazione davvero fantastiche per anni, ma c'è stata molta varietà e confusione che rendono difficile per gli utenti scegli gli strumenti appropriati. Gli sviluppatori di molte organizzazioni diverse hanno lavorato per integrare funzionalità sviluppate da Anaconda come il rendering di big data lato server di Datashader e il brushing collegato di HoloViews in un'ampia varietà di librerie di plottaggio, rendendo disponibile più potenza a una base di utenti più ampia e riducendo la duplicazione degli sforzi. Il lavoro in corso aiuterà ulteriormente questa sincronizzazione nel 2021 e oltre. - James A. Bednar, Senior Manager, Technical Consulting, Anaconda

Le capacità imprenditoriali diventeranno più critiche che mai per i data scientist. I data scientist dovranno parlare la lingua del business per tradurre la comprensione dei dati e la modellazione predittiva in informazioni utilizzabili per l'impatto sul business. I proprietari di tecnologia dovranno anche semplificare l'accesso alla tecnologia, in modo che i proprietari tecnici e aziendali possano lavorare insieme. L'enfasi per i data scientist non sarà solo sulla velocità con cui possono costruire cose, ma su quanto bene possono collaborare con il resto dell'azienda. - Florian Douetteau, CEO e co-fondatore di Dataik

Il self-service si è evoluto in autosufficienza: in un mondo virtuale, il self-service deve evolversi. Quando non ci sono manuali di istruzioni e nessuno è lì a tenere la mano di un utente, un avvio rapido e intuitivo diventa un fattore di igiene da adottare e interfacce utente convincenti non saranno più piacevoli da avere. Ma abbiamo anche visto che gli utenti spesso non vogliono servirsi da soli; si aspettano sempre più che le intuizioni arrivino a loro. Di conseguenza, vedremo più micro-approfondimenti e storie per il consumatore aumentato. Inoltre, i dati vengono troppo spesso trascurati. Consentire agli utenti di accedere ai dati, agli approfondimenti e alla logica aziendale in modo più precoce e intuitivo consentirà il passaggio dal self-service della visualizzazione all'autosufficienza dei dati. L'intelligenza artificiale giocherà un ruolo importante qui, emergendo micro-intuizioni e aiutandoci a passare da processi basati su script e orientati alle persone a una preparazione e analisi dei dati più automatizzata, a basso codice e senza codice. Se più persone possono essere autosufficienti con i dati nelle prime fasi della catena del valore, le anomalie possono essere rilevate prima e i problemi risolti prima. - Dan Sommer, Senior Director, Global Market Intelligence Lead presso Qlik

Storicamente le aziende attribuiscono molto valore alle persone che erano "Data Scientist". In futuro, sarà necessario assumere persone esperte in raccolta dati. Affinché i modelli di intelligenza artificiale funzionino, sono necessarie grandi quantità di dati e, inoltre, i dati critici risiedono ancora in silos in molte organizzazioni; quindi, le persone con competenze nella raccolta dei dati saranno molto richieste. - Clara Angotti, Presidente di Percorso successivo

I data scientist giocheranno un ruolo fondamentale nello sviluppo di un vaccino COVID-19. Dallo sviluppo di un vaccino all'analisi delle sperimentazioni e della distribuzione, i dati saranno la chiave per sapere se abbiamo trovato una soluzione preventiva. I data scientist saranno importanti quanto gli scienziati tradizionalmente formati nella produzione del primo vaccino praticabile. Per accelerare lo sviluppo dei vaccini, le persone devono essere in grado di gestire, prendere decisioni e fidarsi di quei dati. Sapendo che la velocità è fondamentale, è necessaria l'agilità dei dati e nuovi sistemi automatizzati consentiranno nuove innovazioni, che alla fine porteranno a un vaccino. Accelerare la consegna del vaccino richiederà una grande agilità e automazione nella gestione dei dati. - Il CEO di Infoworks Buno Pati.

Mentre i dati continuano a dominare il mondo, le organizzazioni si trovano ancora a lottare per sfruttare quei dati per un vero vantaggio competitivo. Il Citizen Data Science Movement è emerso per promuovere ampiamente la capacità di manipolare e interpretare i dati. Ma c'è un modo migliore? Non sarebbe più intelligente (e più facile) portare semplicemente un significato aziendale ai dati e riparare i dati piuttosto che riparare le persone dato che i dati grezzi non interpretati che si trovano da qualche parte in un sistema non sono molto utili. - Kendall Clark, fondatore e CEO di Enterprise Knowledge Graph Platform, sviluppatore, Stardog

Vedremo un miglioramento dell'architettura per la scienza dei dati: la padronanza della gestione dei dati sarà la priorità di molti gruppi IT che cercano di migliorare la business intelligence e l'agilità. Per questo motivo, la scienza dei dati, l'ombrello sotto il quale prosperano intelligenza artificiale, apprendimento automatico, automazione, data lake e altri, vedrà un'enorme crescita nel 2021. Dall'analisi dei comportamenti basati sui dati per trasformare la spesa di generi alimentari allo sfruttamento del potente computing nel cloud per migliorare i modelli di produzione dei media, la scienza dei dati assumerà un ruolo guida per molti per rimanere competitivi. Troppo costoso per il provisioning da solo, molte di queste aziende esternalizzeranno i propri progetti di data science a terze parti con un modello di abbonamento. - Dustin Milberg, Field CTO Cloud Services presso Intervisione

Automatizza le tue pipeline per liberare il pieno potenziale dei data scientist: i data scientist sono troppo spesso impegnati in attività come la preparazione dei dati, l'ingegneria delle funzionalità e la modellazione. Man mano che queste attività vengono potenziate con strumenti che aiutano ad automatizzare questi passaggi, vedremo i data scientist scambiare attività di routine per il tempo speso su approcci strategici più profondi che li renderanno risorse inestimabili. Ci aspettiamo di vedere implementazioni più sistematiche di soluzioni di AI aziendale per rendere le analisi ad-hoc ripetibili in modo più efficiente. - Justin Silver, Ph.D. un AI Strategist presso PROS

Deep Learning

L'adozione di soluzioni aziendali basate sul Deep Learning nelle startup e nelle imprese vedrà un graduale aumento. L'ostacolo principale continuerà ad essere i costi per l'approvvigionamento di istanze GPU e risorse umane ad alto costo. - Sundeep Reddy Mallu, Head of Analytics presso Gramer

Come tutti abbiamo assistito negli ultimi anni, la ricerca e lo sviluppo nell'elaborazione del linguaggio naturale sono progrediti rapidamente grazie a scoperte nei modelli di linguaggio Transformer come BERT, GPT-3 ecc. Mentre stanno ottenendo prestazioni all'avanguardia, richiedono grandi set di dati e grandi quantità di risorse computazionali per la formazione e l'inferenza con un'impronta di carbonio significativa. Vedremo più sforzi e ricerche che escono con nuove architetture modello e tecniche di formazione per affrontare le preoccupazioni delle emissioni di carbonio, tempi di formazione molto lunghi, con spazio e modelli efficaci di calcolo per rendere queste scoperte più accessibili; modelli recenti come Performers with Fast Attention serviranno da catalizzatori per muoversi in questa direzione. - Kavan Shukla, Data Scientist, IA finlandese

Hardware

Hardware e software convergono con l'ascesa dell'hardware specifico per l'IA. Come ha mostrato l'annuncio di Apple del chip M1, l'hardware costruito appositamente sta diventando sempre più diffuso, il che significa che le persone inizieranno a pensare di più all'hardware effettivo su cui stanno lavorando rispetto a prima, inclusi i data scientist. L'aumento dell'hardware specifico per ML porterà probabilmente a miglioramenti delle prestazioni, ma fornisce anche un'altra variabile nella distribuzione del modello. Sarà particolarmente efficace negli ambienti cloud e mobili. Ciò abbatterà ulteriormente il muro che esisteva tradizionalmente tra hardware e software, con casi d'uso dell'IA che aprono la strada. - Kevin Goldsmith, CTO, Anaconda

Dal 2012 la potenza di calcolo dell'IA è aumentata di 5 volte rispetto alla legge di Moore, raddoppiando circa ogni 3.5 mesi. Dato il numero crescente di applicazioni costruite sopra i motori di intelligenza artificiale che hanno un impatto sulla nostra vita quotidiana, alcune anche critiche per l'umanità nel suo insieme (ad esempio, modellare e risolvere i cambiamenti climatici), trovare una soluzione a questa discrepanza di scalabilità delle prestazioni è importante per ogni fabless serio e lista delle priorità dell'azienda produttrice di chip. La necessità di cambiamenti nel modo in cui viene percepita la Legge di Moore diventerà più evidente nel 2021. L'ultima tendenza è stata quella di parlare di scrivere software più efficiente per ottenere miglioramenti delle prestazioni anno dopo anno. Questa è una scommessa rischiosa, poiché lo sviluppo di algoritmi fondamentalmente nuovi non può avvenire in base a un programma e quindi non sono compatibili con il tradizionale programma di avanzamento tick-tock dei semiconduttori. Anche le tecnologie di elaborazione sottostanti devono migliorare. Continueremo a vedere cambiamenti e miglioramenti nel prossimo anno. - Nick Harris, CEO e co-fondatore di Materia leggera

Elaborazione in memoria

Nel 2021, accelerato da COVID-19 e normative più severe, le imprese continueranno a guidare le loro iniziative di trasformazione dei dati per prosperare nella fiorente economia digitale online. La velocità estrema, l'agilità del cloud e l'analisi operativa saranno adottate dalle aziende per ottimizzare le operazioni basate sui dati e per introdurre rapidamente nuovi servizi e applicazioni.

Le soluzioni tecnologiche basate su un data fabric nativo del cloud, noto anche come Digital Integration Hub, consentiranno alle organizzazioni di scaricare e disaccoppiare dai sistemi legacy di record e database per soddisfare i loro requisiti digitali e analitici ed essere in grado di migrare al cloud senza il hanno bisogno di disinvestire completamente dai loro sistemi mission-critical esistenti. L'introduzione della velocità e della scalabilità in memoria per l'analisi e la BI alimenterà il reporting e la visualizzazione in tempo reale di dati aggiornati e consentirà ai modelli ML di utilizzare dati in tempo reale più accurati per servizi online come approvazioni di prestiti, analisi di frodi e clienti 360 capacità. AIOps sarà anche un punto focale e verrà implementato per automatizzare e semplificare le operazioni complesse di dati e analisi, ridurre il time-to-market e abbassare i costi riducendo al minimo gli errori umani. - Adi Paz - CEO - GigaSpazi

Nel 2020, la pandemia COVID-19 ha spinto molte aziende, in particolare quelle nei servizi di consegna di cibo, e-commerce, logistica e accesso remoto e collaborazione, a scalare e aggiornare drasticamente l'infrastruttura per mantenere elevate prestazioni delle applicazioni di fronte all'aumento dei visitatori del sito Web, richieste di consegna, transazioni di vendita, streaming video e altro ancora. Molte di queste aziende hanno scoperto che l'approccio più veloce per mantenere o migliorare le prestazioni aumentando contemporaneamente il throughput delle applicazioni era distribuire una griglia di dati in memoria distribuita (IMDG), costruita utilizzando una piattaforma di elaborazione in memoria come Apache Ignite, che può essere inserita tra un'applicazione esistente e un database basato su disco senza modifiche importanti a nessuno dei due. L'IMDG migliora le prestazioni memorizzando nella cache i dati dell'applicazione nella RAM e applicando l'elaborazione massiccia parallela (MPP) su un cluster distribuito di nodi del server. Fornisce inoltre un percorso semplice per scalare la capacità perché l'architettura distribuita consente di aumentare la potenza di calcolo e la RAM del cluster semplicemente aggiungendo nuovi nodi.

Nel 2021, le piattaforme IMC diventeranno più facili da usare e il numero di professionisti IMC esperti continuerà a crescere rapidamente. Ciò consentirà all'adozione di IMC di diffondersi in più settori e in un pool più ampio di aziende. Di conseguenza, più aziende saranno in una posizione migliore per sfruttare IMC per una rapida accelerazione delle applicazioni, non solo per rispondere alle richieste di COVID, ma anche per soddisfare le nuove esigenze strategiche e competitive man mano che la minaccia pandemica diminuisce. - Nikita Ivanov, CTO e fondatore di GridGain SISTEMI DI TRATTAMENTO

IoT

L'adozione dell'IoT nell'impresa si surriscalda più che mai: alla luce degli impatti della pandemia sul business, le imprese cercheranno modi nuovi o aggiuntivi per aumentare la velocità del processo decisionale nel 2021. L'IoT può svolgere un ruolo in questo. Dal punto di vista della BI, la sfida è riconoscere che l'IoT ha diversi modelli di dati che devono essere adattati, come le prestazioni nel tempo. Ridurre il tempo di attesa tra la produzione dei dati e le operazioni sarà fondamentale. Le organizzazioni più intelligenti si renderanno conto che non possono semplicemente spendere soldi per questo, ma invece devono essere strategiche per creare nuovi modelli di dati che condividano intuizioni ponderate. - Eric Raab, Vicepresidente senior, Ingegneria e prodotto, Costruttori di informazioni

La pandemia ha notevolmente accelerato la necessità per le aziende di completare le trasformazioni dell'Industria 4.0 con soluzioni che consentano loro di avere maggiore flessibilità, visibilità ed efficienza nelle loro operazioni. Assisteremo a un'accelerazione dell'adozione di soluzioni che aiutano a soddisfare tale esigenza, che vanno dall'intelligenza artificiale, compreso l'apprendimento automatico, la visione artificiale e l'analisi avanzata. Mentre l'economia si riprende, continueremo a vedere investimenti nell'infrastruttura OT di base con più capacità IT per consentire all'ampio ecosistema di attori di implementare queste soluzioni e vedrà l'adozione di Industry 4.0 aumentare in modo significativo nel 2021. - Christine Boles, VP , IoT Group e GM, Industrial Solutions Division, Intel

Esplosione dell'edge computing: continueremo a vedere un aumento dell'edge computing in tutto il settore dei data center a causa dell'aumento delle richieste di elaborazione e velocità da parte di consumatori e aziende. Una rete a bassa latenza è fondamentale negli ambienti che si sforzano di massimizzare il throughput di elaborazione e ridurre i tempi di inattività del server. - Timothy Vang, Ph.D., vicepresidente marketing e applicazioni per Semtech di Gruppo di prodotti per l'integrità del segnale

Edge è il nuovo cloud: per le aziende che scalano le iniziative di fabbrica intelligente nel 2021, sarà necessaria la disponibilità in tempo reale dei carichi di lavoro mission-critical per garantire i risultati di business. L'edge computing completerà l'infrastruttura cloud esistente consentendo l'elaborazione dei dati in tempo reale nel luogo in cui si svolge il lavoro (ad esempio, motori, pompe, generatori o altri sensori). L'implementazione di analisi integrate dall'edge al cloud aiuterà queste imprese a massimizzare il valore degli investimenti nei sistemi digitali.

Il settore continuerà a muoversi verso ambienti di elaborazione più decentralizzati e l'edge aggiungerà un valore significativo alle iniziative di trasformazione digitale. Integrando le funzionalità edge con l'infrastruttura cloud esistente, le organizzazioni si preoccuperanno meno delle considerazioni IT logistiche e, invece, si concentreranno sul ripensamento di ciò che è possibile in una macchina intelligente: a quali domande può rispondere più velocemente? Quali nuovi problemi può risolvere? Come può proteggere meglio le operazioni? Gli analisti notano che entro il 2022, 99% delle imprese industriali utilizzerà l'edge computing per questo motivo. - Keith Higgins, VP of Digital Transformation per Rockwell Automation

Le menti creative spingono l'IoT in avanti: IoT e lo sviluppo di prodotti intelligenti dipenderanno da progetti creativi e soluzioni ponderate poiché i miglioramenti tecnici dei microprocessori rallentano a causa degli ingegneri che si scontrano con i limiti di ciò che è fisicamente possibile poiché i produttori di chip si avvicinano al limite teorico di quanto possono essere sottili questi dispositivi essere. Lo sviluppo dei prodotti secondo la Legge di Moore si baserà sull'ingegnosità di ingegneri e designer per creare soluzioni fantasiose per risolvere i problemi aziendali e della società e migliorare i processi di consumo quotidiani, invece di affidarsi semplicemente alla prossima generazione di potenti chipset. - Sam Mahalingam, CTO, Altair

machine Learning

Il denaro investito nelle operazioni IT passerà dall'automazione del flusso di lavoro vanilla a soluzioni AI / ML native con l'obiettivo di diventare operazioni digitali. Le operazioni del flusso di lavoro e la rispettiva automazione si evolveranno naturalmente per includere soluzioni AI / ML man mano che la tecnologia diventa più potente. AI e ML stanno avanzando e a loro volta migliorano l'automazione del flusso di lavoro man mano che le aziende raccolgono più dati, nonché l'organizzazione dei turni e le operazioni amministrative. - Shiva Ramani, CEO di iOPEX

Le aziende troveranno nuove applicazioni per le tecnologie di machine learning che automatizzano i processi manuali e migliorano le capacità di monitoraggio. Le aziende cercheranno prodotti che offrano un monitoraggio più approfondito, più automazione e informazioni a valore aggiunto per tutta la loro spesa IT. Ad esempio, le soluzioni di disponibilità che forniscono il monitoraggio in base alle applicazioni e l'automazione delle attività di configurazione e gestione avrebbero la priorità rispetto alle soluzioni di failover tradizionali. Nuove innovazioni nell'HA emergeranno per gestire la crescente complessità di guasti e disastri causati dai dispositivi IoT e dalle loro dipendenze. - Cassius Rhue, VP, Customer Experience, Tecnologia SIOS

Storicamente, gli algoritmi riguardavano principalmente l'apprendimento automatico e le reti neurali. Ora stiamo vedendo sempre più macchine che sono autonome e possono insegnare e allenarsi in un modo che è notevolmente simile alla parte subconscia del cervello umano. In altre parole, algoritmi utilizzati per imitare la parte analitica del cervello; ora stanno imitando la parte più grande, più potente e più intrigante del cervello umano, che chiamiamo buon senso, sentimenti viscerali e intuizione. Invece di fare affidamento sugli esseri umani per addestrarli e insegnarli, gli algoritmi delle macchine senza supervisione di oggi sono in grado di raccogliere enormi quantità di dati, creare immagini del mondo e fare deduzioni molto simili a quelle che sarebbero fatte dagli esseri umani. Stiamo entrando in un mondo in cui i computer possono addestrarsi da soli. - Mark Gazit, CEO di ThetaRay

Riduzione del bias: quest'anno, ci sono state molte conversazioni necessarie su bias e mitigazione negli algoritmi di intelligenza artificiale e su come affrontare gli impatti sulla società della personalizzazione basata su algoritmi. Tuttavia, dobbiamo continuare a sviluppare strumenti che forniscano informazioni sui risultati dei sistemi ML, rivelino pregiudizi e controllino la deriva nei modelli distribuiti nel tempo. Ciò diventa sempre più critico man mano che più di questi sistemi vengono messi in produzione, per garantire che non stiamo perpetuando o creando fonti di pregiudizi dannosi. - Kevin Goldsmith, CTO, Anaconda

Le organizzazioni i cui primi successi nell'apprendimento automatico le hanno spinte ad espandere i loro programmi stanno scoprendo che una linea di produzione in rapido movimento di set di dati di alta qualità è il carburante che guiderà tale espansione. Ciò eleverà Data as a Service ad una priorità elevata per i team di ingegneri dei dati. - Luke Han, co-fondatore e CEO, Kyligence

La capacità di fidarsi e di rendere operativo il ML sarà la cartina di tornasole del 2021 per la sopravvivenza: oltre a una pandemia e una recessione, continuiamo a confrontarci con la quantità di dati in crescita esponenziale e la complessità sempre crescente delle nuove tecnologie. Se le aziende vogliono avere successo nel dare un senso alle loro grandi somme di dati e complessità tecniche, devono sfruttare e rendere operativi i modelli di apprendimento automatico in modi spiegabili e di facile comprensione. Non è più sufficiente concentrarsi sul portare i modelli in produzione, l'obiettivo deve ora essere quello di mettere i modelli nelle mani degli utenti aziendali e dei responsabili delle decisioni. Ma per rendere operativo, le aziende devono essere in grado di fare affidamento, trarre comprensione e comunicare in merito alla capacità di un modello di avere un impatto significativo sul potenziale di business. Nel 2021, la capacità di un'azienda di fidarsi del proprio modello - nella misura in cui è in grado di produrre azioni da intuizioni derivate dall'intelligenza artificiale - sarà determinante per la sua capacità di sopravvivere. - Santiago Giraldo, Senior Product Marketing Manager di Machine Learning, Cloudera

Le aziende di tutte le dimensioni e in tutte le fasi si stanno muovendo in modo aggressivo verso l'operatività degli sforzi di apprendimento automatico. Esistono diversi framework popolari per l'addestramento dei modelli, tra cui Tensorflow e PyTorch, leader del gioco. Proprio come Apache Spark è considerato un leader per i lavori di trasformazione dei dati e Presto sta emergendo come la tecnologia leader per le query interattive, il 2021 sarà l'anno in cui vedremo un capofila dominare il più ampio spazio di formazione dei modelli con pyTorch o Tensorflow come principali contendenti. - Haoyuan Li, fondatore e CEO, Alluxio

SaaS cambia i dati come il pezzo mancante per ML / AI: le organizzazioni con un focus sull'intelligenza artificiale e l'apprendimento automatico continueranno a essere affamate di set di dati di formazione significativi che possono essere inseriti nei loro algoritmi ML per individuare i modelli di cambiamento causa-effetto nel tempo. Per fare ciò, utilizzeranno i loro set di dati in continua evoluzione in applicazioni cloud / SaaS di terze parti come input in questi algoritmi. Ciò creerà pressione affinché acquisiscano e acquisiscano ogni singola modifica di quei dati nel tempo nel loro ecosistema DataOps. - Joe Gaska, CEO di GRAZIE

Il ruolo svolto da AI e ML si espanderà con l'arrivo in primo piano dell'intelligence sull'identità. Mentre raggiungiamo un punto critico nel futuro dell'autenticazione, gli utenti sono sempre più attenti alla sicurezza quando si tratta di proteggere le proprie identità digitali online. La verifica dell'identità diventerà sempre più contestuale e l'intelligenza artificiale giocherà un ruolo in espansione per determinare il rischio dinamico di accesso che un sistema basato su regole semplicemente non può fornire. Il deep learning, l'apprendimento per rinforzo e gli algoritmi genetici supervisionati e non supervisionati non solo applicheranno modelli di inferenza predefiniti, ma consentiranno anche alle soluzioni di sicurezza di adattarsi ai cambiamenti del comportamento delle imprese e imparare da altre aziende quando incontrano e mitigano le minacce. Combattere i falsi profondi con algoritmi integrati, ricavare valore dai big data e guidare il processo decisionale attraverso potenti analisi giocherà un ruolo chiave nell'intelligence dell'identità. - Rajesh Ganesan, Vicepresidente, ManageEngine (divisione di Zoho Corp.)

Robotica

Con la necessità di tenere le persone lontane dagli incontri ravvicinati che si perpetuano nel nuovo anno, assisteremo naturalmente a investimenti significativi nell'automazione. Tuttavia, forse per la prima volta, la robotica affronterà compiti umani banali e semplici in contrapposizione a quelli più difficili e strategici. Abbiamo visto robot assistere gli esseri umani in molte applicazioni complicate, come robot addestrati per eseguire microchirurgie più precise. I robot inizieranno ora ad assumere compiti che consentono ai lavoratori essenziali che in precedenza dovevano essere di persona, di lavorare a distanza. Con maggiori investimenti nella realtà aumentata e virtuale, ad esempio, vedremo guardie di sicurezza robot controllate da lavoratori remoti che vagano per uffici e stabilimenti; i lavoratori remoti saranno in grado di controllare i droni a distanza per prelevare e imballare le scatole in un magazzino. Nel 2021 la rivoluzione sarà robotizzata. - Ahson Ahmad, Chief Product and Customer Officer, cavo di spiegamento

Sicurezza

Deepfakes diventerà una minaccia significativa per l'integrità aziendale. COVID-19 ha costretto la comunicazione di persona a diventare virtuale, il che significa che le aziende si affidano alla videoconferenza per condurre riunioni più che mai. Sebbene il concetto di deepfake possa non essere nuovo, sta diventando sempre più sofisticato e sta diventando notevolmente facile da generare. Prendi ThisPersonDoesNotExist.com, ad esempio, che sfrutta l'intelligenza artificiale per creare immagini completamente credibili di persone che non esistono nella vita reale. Se questo processo può essere condotto con relativamente poche informazioni, allora sicuramente gli hacker possono sfruttare i profili di lavoro utilizzati per la tecnologia di videoconferenza - a cui sono associati automaticamente i nomi e le immagini dei dipendenti - per creare falsi convincenti. - James Carder, responsabile della sicurezza per LogRhythm

Previsione: man mano che il rilevamento delle frodi diventa più difficile, i modelli di frode ML si rafforzeranno ma utilizzeranno set di dati più recenti: per determinare il rischio di frode, le aziende in genere utilizzano un set di dati di transazioni passate che ritengono rappresentative del futuro per addestrare il loro machine learning (ML) Modelli. Tuttavia, l'enorme impatto di COVID-19 sui dati e sul comportamento dei consumatori ha creato una disconnessione perché i dati passati non sono più rappresentativi del futuro. Ciò ha portato molte organizzazioni a utilizzare modelli underfit che funzionano bene ma non individuano nuovi modelli di frode, o modelli overfit che creano molte sorprese come code di revisione manuale inondate o più chargeback e frodi. Molte aziende sono inoltre passate dall'utilizzo del machine learning a modelli basati su regole e revisioni manuali che si basano maggiormente sull'intuizione umana. Nel 2021, le aziende potranno sfruttare la loro comprensione di questi nuovi modelli comportamentali per ricominciare a costruire modelli di ML più forti. Tuttavia, per avere successo, dovranno utilizzare dati più recenti, prendere le cose come vengono quando costruiscono modelli e valutare i loro progressi man mano che procedono. - Arjun Kakkar, Vice President of Strategy & Operations presso Ekata

L'intelligenza artificiale ha creato nuove minacce alla sicurezza, la più grande delle quali potrebbe essere il deepfake. I deepfake sono falsi audio, video o immagini che si basano sulla tecnologia dell'intelligenza artificiale per imitare la realtà. I deepfake possono avere gravi conseguenze nelle mani sbagliate, come le frodi deepfake. Anche se non abbiamo ancora visto molti di questi attacchi, in 2019, i truffatori hanno utilizzato l'audio deepfake per rubare oltre $ 200,000 da una compagnia energetica con sede nel Regno Unito. E con gli ambienti di lavoro remoti che offrono ai truffatori più munizioni per portare a termine i loro attacchi, il 2021 sarà l'anno in cui la tecnologia scatenerà la trascrizione audio in tempo reale e le aziende dovranno rimanere vigili per assicurarsi di non essere truffate. Le aziende dovrebbero diffidare di eventuali telefonate sospette e non inviare mai denaro o condividere informazioni sensibili senza aver verificato che chi chiama è quello che affermano di essere.

Inoltre, la creazione di protocolli e strumenti di sicurezza informatica di base può impedire ai truffatori di accedere alle informazioni sensibili di cui hanno bisogno per creare immagini e audio deepfake in primo luogo. I ricercatori di cybersecurity stanno lavorando a strumenti per rilevare contenuti deepfake, ma fino ad allora le aziende dovranno fare affidamento sul loro intuito e sugli strumenti di cybersecurity esistenti per assicurarsi di non essere ingannate. - Terry Nelms, PhD, Sr. Director of Research, pindrop

Alimentata dall'afflusso di violazioni dei dati e dallo sfruttamento percepito dei dati personali da parte di Big Tech, la privacy dei dati dei consumatori continuerà a essere un enorme obiettivo nel 2021 e oltre, e possiamo aspettarci di vedere più legislazione introdotta che protegge i diritti dei consumatori e sanziona le aziende per l'uso irresponsabile dei dati. Per coltivare la fiducia e migliorare l'esperienza del cliente in un panorama aziendale sempre più competitivo, più organizzazioni daranno ai consumatori la proprietà e il controllo dei propri dati personali nei prossimi anni. Combinando principi etici, conformi e di tutela della privacy con un'infrastruttura tecnologica costruita per scalare per il futuro, la società si muoverà verso un sistema in cui il valore dei dati andrà a vantaggio sia degli individui che delle imprese. - James Kingston, VP of Research and Innovation Partnerships presso Dataswift, ricercatore AI e Direttore dell'HAT-LAB.

La governance della sicurezza dei dati è un elemento fondamentale e fondamentale per la mitigazione delle minacce. Fino a poco tempo, la maggior parte dei programmi di governance dei dati si è concentrata sui flussi di dati e sull'analisi senza pensare molto alla sicurezza. Le nuove leggi e normative sulla privacy dei dati hanno costretto le parti interessate dei dati come CDO, CFO, CISO e DPO a fare della sicurezza dei dati uno degli elementi costitutivi necessari dei loro sforzi di governance dei dati. Ma la governance della sicurezza dei dati è complessa in quanto nessun prodotto di un singolo fornitore può implementare tutti i controlli di governance della sicurezza dei dati richiesti. Nel 2021, mentre le aziende continuano a raccogliere ed elaborare sempre più dati, dovranno capire come unificare rapidamente le loro informazioni, in modo che l'intera organizzazione attiri le informazioni dallo stesso pozzo affidabile e protetto. Successivamente, le aziende devono implementare e gestire la propria origine dati attraverso un sistema di protezione dei dati con i necessari controlli sulla privacy in atto, in modo da mitigare le minacce ai dati. Questi passaggi garantiranno la riduzione al minimo dei rischi economici e finanziari futuri. - Anne Hardy, CISO di Talend

L'intelligenza artificiale sarà la chiave per rafforzare la sicurezza in un mondo remoto. La sicurezza è al primo posto per il C-suite di qualsiasi organizzazione che ha intrapreso un viaggio di trasformazione digitale, ma la sua importanza è stata solo accelerata dalla pandemia. Con così tanti endpoint sparsi in tutto il mondo, poiché i dipendenti hanno la flessibilità di lavorare in remoto da qualsiasi luogo scelgano, le vulnerabilità si moltiplicano. Una tendenza importante che vedremo nel 2021 e oltre è l'applicazione dell'IA alle misure di sicurezza, perché gli esseri umani da soli non possono monitorare, controllare e verificare ogni endpoint per proteggere adeguatamente o in modo efficiente un'impresa moderna. Se i leader della sicurezza (in particolare quelli delle aziende Fortune 500) non dedicano tempo e investimenti finanziari per migliorare la sicurezza con l'intelligenza artificiale ora, possono aspettarsi di essere presi di mira dagli hacker in futuro e si affrettano a proteggere i propri dati. -Scott Boettcher, VP, Enterprise Information Management, NTT DATA Services

Archiviazione

Il NAS legacy è morto per l'IA. Con l'introduzione di PCIe Gen4, le velocità di I / O sono ora completamente separate dalle evoluzioni del core della CPU. I provider NFS legacy sono bloccati con TCP a flusso singolo che è limitato dalla capacità di un singolo core della CPU sul server delle applicazioni. PCIe Gen4 raddoppierà le prestazioni di I / O di picco delle applicazioni nel 2021, mentre un core della CPU non sarà più in grado di raddoppiare allo stesso modo le prestazioni di I / O single-core. Non esiste una concentrazione maggiore di I / O a host singolo rispetto al mercato dell'IA, per applicazioni come il machine learning e il deep learning. Per risolvere questo problema, i clienti cercheranno soluzioni che supportino il multi-threading, RDMA e la capacità di bypassare del tutto le CPU, come nel caso di GPUDirect Storage di NVIDIA. Le richieste di mantenere le GPU e i processori AI alimentati ed efficienti supereranno notevolmente le capacità di I / O del NAS legacy basato su TCP, portando i clienti ad abbandonare del tutto i NAS legacy nel 2021. - Renen Hallak, fondatore e CEO di VAST Data

L'archiviazione di oggetti infrange il mito secondo cui viene utilizzata solo per l'archiviazione. Sebbene lo storage a oggetti sia meglio conosciuto come soluzione di backup e archiviazione di archivio, tre tendenze amplieranno tale percezione nel 2021. Innanzitutto, lo storage di oggetti basato su flash guadagnerà il favore nei carichi di lavoro di analisi dei dati che hanno anche requisiti di capacità elevata. In secondo luogo, lo storage compatibile con S3 semplificherà le distribuzioni di Kubernetes, rendendolo una scelta logica per le applicazioni moderne. In terzo luogo, le applicazioni cloud native saranno sempre più distribuite in sede, aumentando la necessità di uno storage compatibile con S3 in sede per migliorare la portabilità delle applicazioni. Di conseguenza, più organizzazioni utilizzeranno l'archiviazione di oggetti per supportare casi d'uso pesanti, come AI, ML e analisi dei dati, infrangendo una volta per tutte il mito "economico e profondo". - Jon Toor, CMO per Nubiano

Le organizzazioni stanno ora raccogliendo enormi quantità di dati di machine learning e IoT. Se la tua azienda dipende dalla raccolta e dall'analisi dei dati per funzionare e avere successo, cosa succede se i dati non vengono sottoposti a backup completo e sono facilmente recuperabili? La maggior parte delle aziende pensa principalmente all'analisi dei dati e molto meno al backup o alla sicurezza dei dati. Ma poiché i dati si spostano sempre più dall'analisi agli ambienti di produzione, è allora che la protezione diventa critica. Strumenti di archiviazione all'avanguardia si affidano sempre più all'intelligenza artificiale e all'apprendimento automatico per automatizzare il processo di backup dei dati. Data la dimensione esponenziale dei dati aziendali, questi strumenti intelligenti diventeranno vitali per mantenere un processo di backup efficiente in grado di reagire rapidamente e senza sforzo alle mutevoli esigenze risparmiando ore incalcolabili sui backup manuali. - Shridar Subramanian, CMO di Stoccaggio artigianale

Verticali

Il potenziale per l'AI di migliorare i processi della catena di approvvigionamento è stato un'area di interesse per le aziende per almeno 5 anni, ma dopo le interruzioni causate da COVID-19, molti analisti e imprese della catena di approvvigionamento hanno rivolto la loro attenzione all'IA come possibile soluzione per i loro guai. 67% delle imprese ha investito in qualche soluzione tecnologica per aiutarle a resistere alla pandemia e 60% delle imprese industriali guarda specificamente all'IA. Tuttavia, i modelli di intelligenza artificiale sono alimentati dai dati. La precisione, l'ambito e le capacità di un modello di intelligenza artificiale dipendono interamente dai dati di addestramento alla base di esso. Tuttavia, quei dati devono essere organizzati ed etichettati in un formato leggibile dalla macchina prima che un programma di intelligenza artificiale possa digerirli. Prima di adottare l'intelligenza artificiale, le aziende devono sfruttare la moderna tecnologia di integrazione per compilare automaticamente i dati dalle interazioni con il loro ecosistema di fornitori, partner, commercianti e clienti in un formato strutturato per alimentare i modelli di intelligenza artificiale

Acquista PrimeXBT
Fai trading con i CFD Partner ufficiali dell'AC Milan
Il modo più semplice per scambiare criptovalute.
Fonte: https://www.fintechnews.org/big-data-industry-predictions-for-2021/

Intelligenza generativa dei dati

Previsioni del settore Big Data per il 2021

Uno studio guidato dal leader multiplayer di StarCraft 2 vuole creare un "cambio di paradigma" RTS con il suo gioco non annunciato

No Rest for the Wicked non è un Diablo, ma potrebbe essere uno dei soulslike più intelligenti a cui abbia giocato da molto tempo

L'ultima intelligenza

Moment Factory sfrutta le tecnologie di prossima generazione di Sphere per reimmaginare l'esperienza dei concerti

Presentazione della formazione automatica per le soluzioni in Amazon Personalize | Servizi Web di Amazon

Risparmia il 20% su No Rest For The Wicked e ricevi un gioco gratuito per un periodo limitato

Guida al Community Day di Pokémon Go Bellsprout

Bandai Namco, saldi Switch eShop di aprile 2024: i prezzi più bassi di sempre per Digimon World: Next Order, We Love Katamari e altro ancora

Il controller Xbox personalizzabile Asus scende al prezzo più basso di sempre su Amazon

Parla con noi