2020年十大战略技术趋势

1. 超自动化（Hyperautomation）

超自动化是一个为了交付工作、涵盖了多种机器学习、套装软件和自动化工具的集合体。超自动化不但包含了丰富的工具组合，还包含自动化本身的所有步骤（发现、分析、设计、自动化、测量、监控和再评估）。超自动化的主要重点在于理解自动化步骤的作用范围、它们彼此之间的关联以及它们的组合与协调方式。
该趋势由机器人流程自动化（RPA）开始。但仅机器人流程自动化还称不上超自动化，它需要组合多种工具来帮助复制任务流程中人类所参与的部分。

2. 多重体验（Multiexperience）

从现在起到2028年，用户体验将在两个方面发生巨大的变化，即用户对于数字世界的感知以及用户与数字世界的交互方式。会话平台正在改变人与数字世界的交互方式，而虚拟现实、增强现实与混合现实正在改变人们对数字世界的感知。感知与交互模式的同时改变将在未来带来多感官与多模式体验。这一模式将从‘精通技术的人’转变为‘理解人类的技术’。计算机将代替人类承担人机交互的重担。这种与人类进行多重感官交流的能力将创造一个更丰富的环境，从而能够传递更细致的信息。

3. 专业知识的民主化（Democratization of Expertise）

专业知识的民主化致力于通过极简的体验且在不需要接受大量成本高昂培训的前提下为人们提供专业技术知识（例如机器语言、应用程序开发）或业务领域专业知识（例如销售流程、经济分析）。“公民化”（例如公民数据科学家、公民解决方案整合者）、公民程序开发和无代码模式都是专业知识民主化的例子。
Gartner预测，从现在起到2023年，这一民主化趋势的四个关键方面将加速发展，包括数据和分析的民主化（从针对数据科学家的专用工具扩大到适用于一般开发人员的普及工具）、开发的民主化（自主开发应用程序中使用的人工智能工具）、设计的民主化（低代码、无代码的场景持续增加，更多的应用程序开发功能实现自动化，为公民开发者提供支持）以及知识的民主化（非IT专业人员通过使用工具和专家系统，应用超出自身具备的专业知识和受到的培训以外的专业技能）。

4.人体机能增强（Human Augmentation）

人体机能增强研究如何使用技术提供认知与体能增强并使其成为人类体验中不可或缺的一部分。体能增强通过在人类身体上植入或外置可穿戴设备等技术部件改变人类固有的身体机能，从而实现增强。认知增强则是通过传统的计算机系统和新兴的智能空间中的多体验接口中的信息和应用来实现。在未来十年，由于越来越多的人追求机能增强，人类体能与认知增强技术将会变得越来越普遍。这将产生一种全新的“消费化”效应，员工持续增强自身的机能，并进一步拓展到改进所在的办公环境。

5. 透明度与可追溯性（Transparency and Traceability）

越来越多的消费者意识到其个人信息的价值并提出控制个人信息的要求。企业机构也认识到保护与管理个人数据的风险日益增加，而政府正在实施严格的法律法规确保企业机构做到这一点。透明度与可追溯性已成为支持此类数字道德与隐私需求的关键要素。

透明度与可追溯性指用于满足监管要求、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。

6. 边缘赋能（The Empowered Edge）

边缘计算是一种在信息来源、存储库及使用者附近进行信息处理、内容收集和交付的计算拓扑结构。它试图将网络流量与计算处理保留在本地以减少延迟、发挥边缘能力以及赋予边缘更大的自治性。目前，边缘计算主要关注的是在制造、零售等特定行业中嵌入式物联网系统提供的离线或分布式能力。但随着边缘被赋予越来越成熟和专业的计算资源及越来越多的数据存储，边缘计算将成为几乎每个行业和应用的主导要素。机器人、无人机、自动驾驶汽车及可操作系统等复杂的边缘设备将加快这一转变。

7. 分布式云（Distributed Cloud）

分布式云指的是将目前集中式的公有云服务分布到不同的物理位置，原来的公有云提供商继续负责分布式云的运营、治理、更新和迭代。这对于目前大多数公有云服务所采用的集中式模式是一次巨大的转变，并且将开辟云计算的新时代。

8. 自动化物件（Autonomous Things）

自动化物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。最典型的自动化物件有机器人、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。随着自动化物件的普及，我们预计独立的智能物件将转变成无论是否有人操作，都可以让多台设备一起工作的协作式智能物件组合。例如，不同种类的机器人可以在同一个装配流程中同时运行。在快递行业中，最高效的解决方案可能是由自动驾驶汽车将包裹运到目标区域，然后由车上的机器人和无人机进行最后的派送。

9. 实用型区块链（Practical Blockchain）

区块链可以通过实现信任、提供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。
由于可扩展性与互操作性不佳等各种技术问题，区块链在企业中的应用还不成熟。尽管存在这些挑战，但由于区块链所具有的颠覆性和带来收入增长的巨大潜力，企业机构应开始评估这项技术，即便是认为这项技术在近期不会快速普及的企业机构也不例外。

10. 人工智能安全（AI Security）

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。