Gartner发布了未来12至18个月将对基础设施和运营(I&O)产生重要影响的六个趋势。
Gartner研究副总裁Jeffrey Hewitt表示:“I&O领导者缺少时间、技能和预算来跟踪新兴趋势及其对I&O的全面影响。”“他们应参考2024年影响I&O的重要趋势,确定哪些新兴趋势最有可能影响所在企业机构,并采取有效的应对策略。”
2024年影响I&O的重要趋势包括:
趋势1:机器客户
机器客户指支付费用换取商品或服务的非人类经济行为体,例如虚拟个人助理、智能家电和智能网联汽车等。Gartner预计,机器客户的数量今后将稳步上升。到2027年,发达经济体将有50%的人口每天使用个人AI助手。
Hewitt表示:“机器客户具备强大优势,激发了人们的兴趣和采用热情。但同时,这一趋势也给企业带来了挑战,例如需要重新构建运营和业务模式等。”“I&O领导者应确定适合的机器客户用例及其所需的技术流程和技能,并围绕数字商务和生成式人工智能构建能力,为此类用例提供最佳支持。”
趋势2: AI信任、风险和安全管理(AI TRiSM)
AI TRiSM能够支持AI模型治理,改善模型的可信度、公平性、可靠性、稳健性、有效性和数据保护。I&O部门必须落实并支持AI所需的新型风险和安全管理。Gartner预测:到2026年,成功实施AI TRiSM的企业机构,其AI模型的采用率、业务目标达成度和用户接受度将提升50%。
Hewitt表示:“AI TRiSM不仅可以提高AI的实施效率,而且有助于防止由AI的潜在问题引发的财务、监管、社会和道德后果。”
趋势3: 增强型互联员工队伍
增强型互联员工队伍指通过对技术服务和应用进行有意识的管理、部署和定制化调整,提升员工队伍的体验、福祉和发展自身技能的能力。该方法可以加快新员工的入职速度并推动业务成果,从而对关键利益相关者产生积极影响。
Hewitt表示:“对于I&O而言,这是一种相对较新的思维方式。要采纳这一思维方式,I&O部门不仅需要培养新技能并建立新的工作流视角,还需要在I&O以及IT部门之外开展合作,且这种合作的实现有赖于对IT部门之外具体事项的关注,部分情况下还需要其他部门高管的参与。”
趋势4: 持续威胁暴露面管理(CTEM)
CTEM计划是一套综合、迭代的方法,旨在确定潜在威胁的优先级别并不断改善安全态势。随着技术的发展,企业的攻击面不断扩大,威胁暴露面也超出了一般IT环境的范围,因此需要新的方法来应对潜在威胁。CTEM作为一种新方法,专注于对威胁暴露面进行优先级排序,而不是修复所有漏洞。
Hewitt表示:“CTEM实现了方法的转变,从单纯的预防性方法转向了更加成熟、具备检测和响应能力的战略增强型预防控制手段。”I&O部门应在内部组建一支CTEM团队,负责应对本地基础设施以及云和边缘存在的漏洞。
趋势5:生成式人工智能全民化
生成式人工智能(GenAI)使用会话式界面和自然语言,可推动知识和技能的全民化。Gartner在2023年9月对1400名高管进行了一项调查。调查发现,55%的企业机构正在开展GenAI试点或已将其用于生产环境。云计算与开源模式的融合,正在推动GenAI产品迈向全民化。对于I&O而言,GenAI的影响主要体现在两个方面:GenAI在I&O领域的使用,以及GenAI对于I&O工作的影响。
Hewitt表示:“生成式人工智能全民化提供了一种新的工作范式,可以提高I&O的敏捷性、适应性和可组装性。”“但同时,对于GenAI的过度或超出需求的使用,可能会引发不可接受的成本并对环境造成负面影响。”
趋势6: 民族主义与全球主义
民族主义与全球主义包含由国家主导的旨在减少对外来产品、人才和服务依赖性的举措。国际冲突使人们开始关注更具民族主义倾向的技术观点,此类观点推崇更加本土化的技术策略,这将给I&O团队带来压力,迫使他们寻求能够将更多技术、资源和人才留在本国的解决方案。
Hewitt表示:“目前已有许多旨在影响IT资源重心的举措,从此前的全球化视角转向了更具民族主义倾向的策略。这些举措蕴含的转变会给目前使用境外供应商的国家带来新的风险。”“I&O领导者应明确企业当前存在的依赖关系及其蕴含的风险,并带头制定行动计划,以应对国家相关法规和政策可能发生的重大变化给自身带来的影响。”
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。