OUR NEWS
首页 / 企业动态 / 行业新闻

Gartner发布“2020年十大技术趋势”,RPA居首(附报告)

点击量:24发布时间:2019-11-22

近期,世界著名信息技术咨询公司Gartner发布了一份“2020年十大技术趋势”的调查报告。该报告显示了企业在未来发展战略中应考虑应用的技术,这些技术对各个行业具有巨大的变革能力。


在企业迈向数字化转型的漫长过程中,应该跨越功能和流程孤岛构建智能战略计划,充分利用RPA、iBPMS、DTO和AI在内的智能工具并将它们与现有系统集成在一起,以实现可持续化的数字化转型。技术之间的互补与整合将为企业进一步提高工作效率,并且这些趋势在未来五年内迅速增长、高度波动、达到临界点成为新一代改变企业工作方式的重要工具。



该报告还指出,任何智能技术、工具和解决方案都是以人为中心,无论多么优秀高效的工具都是为人服务;技术的应用趋势要以人员和组织为背景,而不是建立技术堆栈。企业在探索数字化转型时,首先必须考虑业务和人文环境的相结合,也称其为“以人为本的智能空间”。



以下是Gartner评估出的企业战略规划数据:


  • 到2022年,70%的企业将为消费者提供沉浸式消费体验,其中25%的企业会将其部署到生产中;

  • 到2022年,培训和模拟行业中35%的大型企业采用沉浸式解决方案,高于2019年的1%;

  • 到2024年,75%的大型企业将至少使用4个低代码(或无代码)的开发工具或日常办公工具;

  • 到2021年,机器人流程自动化将使数据科学家产生更高,更有质量的数据分析;

  • 到2022年,将有30%的企业使用AI进行决策;

  • 到2020年,信誉高的企业在线交易量将增加20%;

  • 到2022年,所有AI网络攻击中有30%企业将利用培训数据模型以抵抗病毒的攻击。

 

以下是Gartner评选出的“2020年十大技术趋势”:


一、超级自动化


自动化是指通过软件技术来自动执行最初需要由人执行的工作业务,从而帮助企业、组织有效的提升工作效率和节省时间。超级自动化是指用于交付工作的机器学习(ML)、软件工具包以及自动化工具的总和。自动化不仅涉及工具平台的广度,还涉及自动化本身的所有步骤,包括:发现、分析、设计、自动化、监测、智能分析等。Gartner指出,RPA和iBPMS是超级自动化的关键组成部分。超级自动化需要选择合适的工具和技术来应对当前的挑战。了解自动化的范围,业务与自动化之间的相互关系,以及它们之间的结合和协调是超自动化的主要重点。


机器人流程自动化(RPA):主要通过软件机器人将那些基于规则、重复性、枯燥的任务实现自动化,例如,RPA机器人可以轻松地的将系统A的数据自动移植到系统B中。并且还具有部署便捷、非侵入式、易使用、维护方便等特性。

 

智能业务流程管理 (iBPMSs):智能业务流程管理是一个集协调人、机器和业务的综合技术。iBPMS的工作机制依赖于流程和规则,以帮助用户系统管理工作任务。通常与外部系统的集成是通过强大的API来实现。除了流程之外,强大的决策功能还可以简化工作环境并提供用于高级分析和机器学习的自然集成点。iBPMS软件支持业务和决策的整个流程,包括:发现、分析、设计、实施、执行、监控和持续优化。Gartner表示,这两项技术是相辅相成的,越来越多的企业将这两项技术交叉组合使用。iBPMS可以快速将那些复杂的工作流程梳理清晰,尤其是在数字化流程的背景下,协调人员和整理业务流程。这对于企业通过RPA实现业务流程自动化有巨大的帮助。

 

随着企业对RPA机器人的需求不断变化,机器学习和NLP等智能技术成功地拓展了超级自动化的范围:各种形式的AI技术,如机器学习(ML)、自然语言处理(NLP)、光学字符识别(OCR)迅速扩展了超级自动化的范围,帮助员工增加了处理非结构化数据的能力,例如从文档中读取文本,从图片中提取数据。企业在应用RPA和iBPMS等智能产品之后,员工开始发生恐惧感怕机器人会替代自己的岗位。但是,Gartner认为RPA机器人不是取代这些工人的职位,人工智能技术主要用来增强员工创造价值的能力。

 

二、多重体验


到2028年,用户体验将在感知与数字世界互动等层面迎来巨大变化。这是因为自然语言对话平台正在快速发展,而虚拟现实(VR)、增强现实(AR)以及混合现实(MR)也在贡献自己的力量。感知与交互模式的变化,将在未来几年中为我们带来前所未有的多重感官与模式体验。尽管VR,AR和MR的潜力令人期待,但仍然存在许多挑战和障碍,例如:确定关键目标人物角色并探索目标场景,探索目标用户在不同位置(在家、在汽车里或工作)等。到2022年,将有70%的企业尝试为用户提供沉浸式消费,其中25%会将其部署到生产中。

 

三、技术民主化


民主化是指向工作人员提供专业技术(例如:ML、应用开发、人工智能)或业务领域专业知识,彻底简化这些技术的应用流程,无需进行耗时和昂贵的培训便可应用。目前开发的无代码软件和可视化拖拽式操作便是很好的例子。


根据Gartner预测,从2020到2023年技术民主化趋势将在以下4个方面迎来飞速发展:


  • 数据与分析技能民主化(原本针对数据科学家的工具正在快速扩展,并逐步服务于普通开发人员社区)。

  • 开发技能民主化(利用AI工具实现应用程序的定制化开发)。

  • 设计技能民主化(通过低代码、无代码模式实现开发,并通过在应用程序中内置自动化开发功能增强开发者的能力)。

  • 知识民主化(非IT专业人员也可以使用工具与专业级系统,使其得以利用超越自身专业知识与培训范畴的特定技能)。


四、智能技术增强


智能技术的持续增强最终还是为人服务。增强人类能力是指通过技术和科学的运用。人类一直受这种技术和科学的影响从而实现文明的进步,例如:在引入计算机之前,打字机、复印机等技术增强了人类创建、复制和发布文本的能力。眼镜、听力辅助工具和假牙都是人类增强的历史例子。计算机时代为人类增强增加了新的维度。桌面文字处理发布、网页、博客和社交媒体极大地扩展了我们创建和发布文本的能力。随着计算机、物联网、人工智能、智能扬声器和虚拟现实等新技术的兴起,以及诸如CRISPR 18之类从生物科学中崭露头角的全新技术,正在持续的增强人类的方方面面。

 

五、透明度与可追溯性


网络隐私越来越受到个人、企业和政府的关注。消费者越来越意识到他们的个人信息很有价值并且需要保护。组织意识到保护和管理个人数据的风险越来越大,并且各国政府正在执行严格的立法以确保他们这样做。人工智能和使用ML模型进行自主决策,提高了人工智能的新水平。透明度与可追溯性旨用于满足监管要求、维持使用人工智能和其他先进技术中所需遵守的道德规范以及恢复对企业机构信任缺失的态度、行动以及辅助技术与实际措施。企业机构在建立透明度与信誉措施时必须专注于三个领域:(1)人工智能与机器学习;(2)个人数据隐私、所有权与控制;(3)符合道德的设计。


六、边缘计算


边缘计算是一种计算拓扑,其中信息处理与内容收集/传递发生在邻近数据源、存储库以及使用者的位置。其基本思路,是尽可能将流量与处理负载保留在本地,从而减少延迟、利用边缘功能并实现更高的边缘自主能力。边缘计算借鉴了分布式处理的概念。它试图保持本地流量和处理,以减少延迟,利用边缘功能并实现更大的性能边缘自治。随着越来越强大的优势和专业的计算资源和更多的数据存储,越来越复杂的边缘设备包括:机器人、无人驾驶飞机、自动驾驶汽车和操作系统在内的这种变化正在加速。

 

七、分布式云


分布式云是指,将公共云服务分发到外部不同位置云提供商的数据中心,而原公共云服务商承担管理、维护和更新等职责。这表示,大多数公共云服务的集中化模型将引领云计算的新时代。云服务的位置是分布式云计算模型的关键组成部分。从历史上看,位置与云定义无关,尽管与之相关的问题在许多情况下都很重要。随着分布式云的到来,位置正式成为云服务的重要定义。在多数情况下,分布式云服务可以满足组织、企业在某个特定位置对云服务的需求。

 

八、自动化组件


自动化组件是使用人工智能自动执行那些以往被人类执行的任务的物理设备。最典型的自动化组件有机器人、无人机、自动驾驶汽车/船及各种设备。它们的自动化超越了固化的程序所能实现的自动化程度,并能够借助人工智能做出与所在环境和人类进行更自然交互的高级行为。随着技术能力的改进、监管机构的批准以及社会接受度的提高,自动化物件将被越来越多地用于不受限制的公共场所。自动化组件的发展非常迅速,这是因为它们共享自动化技术。一旦克服了某些开发的难题,可以将该技术快速应用到类似的其他业务上。


九、实用型区块链


区块链可以通过实现信任、跨业务生态透明度和实现跨业务生态价值交换、降低成本、减少交易结算时间及改善现金流来重塑整个行业。由于可以追溯到资产的来源,因此“以次充好”的概率大幅降低。资产追踪对于其他领域也具有很大的价值,包括追踪食物在整条供应链中的足迹以识别污染来源、追踪各零部件以协助产品召回等。区块链还可用于身份管理。区块链中的智能合约可以使系统在事件发生时自动触发行动,例如在收到货物时付款等。根据2019年Gartner CIO调查显示,60%的CIO期望某种区块链在未来三年内实现部署,50%的CIO已经部署了区块链或计划在未来12个月内进行部署,其中金融服务处于领先地位(18%),其次是服务(17%)和运输(16%)。

 

十、人工智能安全


人工智能与机器学习将被继续用于提升各种应用场景中人类决策的能力。虽然这给实现超自动化和使用自动化物件进行业务转型带来了良机,但同时也因为物联网、云计算、微服务(microservices)及智能空间中高度连接的系统增加了大量潜在攻击点而给安全团队与风险领导者带来了新的挑战。安全与风险领导者应专注于三个关键领域--保护人工智能赋能系统、利用人工智能提升安全防御机制以及做好攻击者对人工智能的恶意使用的心理准备。随着网络攻击速度和类型的扩大,网络安全人员越来越难防御这些恶意攻击。为了满足对更多使用AI过滤和自动化防御的需求。安全工具供应商正在使用ML来增强其工具,决策支持和响应操作。


(扫码查看原报告)

upfile


来源: RPA全球生态