解读 Gartner 2024 年十大战略技术趋势

作者 | 赵钰莹  

前不久，Gartner 发布了 2024 年企业机构需要探索的十大战略技术趋势。Gartner 研究副总裁 Bart Willemsen 表示：“由于技术变革以及社会经济方面的不确定性，我们必须大胆采取行动并从战略上提高弹性，而不是采取临时措施。IT 领导者的地位特殊，他们可以制定通过技术投资帮助企业在这些不确定性和压力下保持成功的战略规划。”本文，InfoQ 试图通过 Gartner 研究副总裁高挺的分享为大家解读这十大技术趋势的具体含义。

需要特别注意，本文提及的“趋势”很多时候不是单独的技术，而是一种架构或者说新的方向，因为单独的技术发展没有那么快。今年，Gartner 的整体趋势分为三大主题：保护你的投资、开发者的崛起、交付价值。

AI 信任、风险和安全管理是第二年入选。AI 的全民化使得企业对 AI 信任、风险和安全管理（TRiSM）的需求变得更加迫切和明确。在没有护栏的情况下，AI 模型可能会迅速产生脱离控制的多重负面效应，抵消 AI 所带来的一切正面绩效和社会收益。

企业在使用 AI 模型的整个生命周期可能都面临安全风险，比如训练阶段可能出现“数据投毒”，应用阶段可能出现“提示词攻击”，从这些方面来讲，AI 有很多风险敞口。基于这样的现实情况，Gartner 提出了“AI TRiSM”框架。AI TRiSM 由六大模块组成，分别是：内容异常检测、数据保护、AI 应用安全、可解释性、透明度以及“ModelOps”。

Gartner 预测，到 2026 年，采用 AI TRiSM 控制措施的企业将通过筛除多达 80% 的错误和非法信息来提高决策的准确性。

持续威胁暴露管理（CTEM）是 Gartner 提出的一套对于安全态势修复和改进的框架，使企业机构能够持续而统一地评估企业数字与物理资产可访问性、暴露情况和可利用性的务实系统性方法。根据威胁载体或业务项目（而非基础设施组件）调整 CTEM 评估和修复范围不仅能发现漏洞，还能发现无法修补的威胁。CTEM 由五大模块组成，分别是 Scoping、Discovery、prioritization、Validation、Mobilizatlon。每一个模块都有自己的一套方法、工具和相关实践。

与传统的安全技术相比，CTEM 有如下区别：

1.CTEM 不是单纯关注漏洞本身，而是更加关注企业业务层面的风险暴露面，这不仅包括网络安全上面的漏洞，也包括一些传统设别、应用程序、社交媒体账户等。总之，整套框架的审查范围更加广泛。

2.CTEM 不是简单对风险进行“高、中、低”的分级。当然，这是比较传统的风险分级方式。但实际上，低风险的漏洞也需要被慎重考虑，是否存在以后被利用的可能或者对业务的影响程度。这套框架会从“企业业务视角”出发综合判断风险。

3. 对于风险控制的措施不可能完全自动化。比较现实的做法是接受与风险共存、同时提高业务韧性。传统的对于风险漏洞管理的方法是一旦系统出现问题，很可能被防病毒系统直接干掉，人力不参与其中。但是，风险无处不在，很多风险的修复需要花费大量人力、物力和时间，是否修复以及如何修复都需要结合给业务造成的损失来具体判断。

Gartner 预测，到 2026 年，根据 CTEM 计划确定安全投资优先级别的企业机构将减少三分之二的漏洞。

今年，AI 技术的火爆让我们进入“暴力计算”时代。企业和开发者在显卡、芯片层面花费了大量金钱来训练大模型，这带来了大量的碳排放和电力消耗，很多国家的部分数据中心已经开始出现电力紧缺的情况，同时也对企业的 IT 运维提出了挑战。

可持续技术是一个数字解决方案框架，其用途是实现能够支持长期生态平衡与人权的环境、社会和治理（ESG）成果。AI、加密货币、物联网、云计算等技术的使用正在引发人们对相关能源消耗与环境影响的关注。因此，提高使用 IT 时的效率、循环性与可持续性变得更加重要。

那么，技术管理者们具体可以做哪些事情呢？

1.Sustainability of IT（IT 部门的可持续发展）

企业 IT 部门需要提高资源的利用率，比如原来的电脑三年换一次，现在可能四年换一次。或者开发某个网页时，某些资源的访问可能会导致碳排放增加。如今，欧盟要开始征收“碳税”，很多供应链层面的事情也需要考虑。

2.Sustainability with IT（IT 对可持续赋能）

企业需要满足碳排放层面的一些要求，首先需要收集相关数据，比如企业排放了多少碳或者用了多少电，这些数据收集、管理和分析都是 IT 部门可以赋能的地方。

事实上，Gartner 预测，到 2027 年，25% CIO 的个人薪酬将与其在可持续技术层面的贡献挂钩。

平台工程也是第二年入选，其指通过一系列工具和流程为企业的软件开发团队提供一个自助开发门户或者内部开发平台。每个平台都是一个由专门的产品团队创建和维护并通过与工具和流程对接来支持用户需求的层。平台工程的目标是优化生产力和用户体验并加快业务价值的实现。

平台工程有三个关键词：可组装、可重用和可配置。其中包含很多具体的功能模块，比如一些基础设施、开发工具、数据管理、安全与身份管理、运维管理、服务目录，这些其实都可以平台化。本质上，平台工程是将我们从项目管理思维转化成产品管理的思维，将本来相对独立的开发项目流程去模块化和集中化，这是平台工程所做的事情。

AI 增强开发指使用生成式 AI、机器学习等 AI 技术协助软件工程师进行应用设计、编码和测试。AI 辅助软件工程提高了开发人员的生产力，使开发团队能够满足业务运营对软件日益增长的需求。这些融入了 AI 的开发工具能够减少软件工程师编写代码的时间，使他们有更多的时间开展更具战略意义的活动，比如设计和组合具有吸引力的业务应用等。

简单来说，AI 增强开发就是用 AI 加持整个开发的生命周期，主要包括 AI 代码生成、AI 增强测试、设计 - 代码三个过程。在 AI 代码生成环节，增强开发主要指的是样板代码、重构代码和对旧框架或者编程语言进行学习三个部分；在测试环节，增强开发主要指编写测试代码、生成测试数据和生成单元测试中的“测试桩”三个部分；在设计 - 代码环节，增强开发主要指 AI 参与开发全流程，这在目前还没有完全实现，是未来愿景。

与平台工程一样，行业云平台同样是第二年入选。简单来说，行业云平台是把传统“云服务”中的 IaaS、PaaS、SaaS 进一步解耦，通过模块化的方式提供具有业务能力的云平台。换句话讲，传统的“云”上面加一层“业务模块”。之所以可以连续两年入选，是因为企业如今更关注云上面的投资如何产生可量化的商业价值，尤其是在经济环境不稳定的情况下，企业上云不仅仅追求技术价值，同样追求商业价值。

“行业云平台”实际上有两大特征：可组装和模块化。实际上，行业云平台是把通用的业务能力模块化之后放在“公有云”上面，然后重新排列组合。需要注意的是，首先，Gartner 提的“行业云平台”主要基于公有云服务，与中国特色的行业云是不一样的，中国特色的行业云在 Gartner 定义里面叫“社区云”；其次，行业云平台添加了针对行业的“业务能力封装（PBC）”；最后，其可以支持特定行业需求，不只是单纯的技术平台、一定是技术和业务叠加的平台。

Gartner 预测，到 2027 年，将有超过 70% 的企业使用行业云平台（ICP）加速其业务计划，而 2023 年的这一比例还不到 15%。ICP 通过可组合功能将底层 SaaS、PaaS 和 IaaS 服务整合成全套产品，推动与行业相关的业务成果。这些功能通常包括行业数据编织、打包业务功能库、组合工具和其他平台创新功能。ICP 是专为特定行业量身定制的云方案，可进一步满足企业机构的需求。

Gartner 将智能应用中的“智能”定义为自主做出适当响应的习得性适应能力。智能应用的本质是在传统应用中加入 AI 或者生成式 AI 的能力，通过持续的学习、适应和预测，提高用户的体验或者是提高更多商业价值，也就是用 AI 加持这个应用。在许多用例中，这种智能被用于更好地增强工作或提高工作的自动化程度。作为一种基础能力，应用中的智能包含各种基于 AI 的服务，如机器学习、向量存储和连接数据等。因此，智能应用能够提供不断适应用户的体验。

今年 5 月份，美国得克萨斯大学奥斯汀分校的研究团队在《自然神经科学》杂志上发布了一篇文章，其基于人工智能大模型开发出一种对于大脑活动的解码器，可以将大脑活动转化为连续的文本流、通过一种非侵入式的方法让 AI 学会“读心术”。这与脑机接口的侵入式不同，这种方式是非侵入式的，是让研究对象在功能性磁共振成象的扫描仪里面进行扫描，并给实验者听一些音频故事，比如：放个电影、播个小说等。根据此期间的人脑活动情况，最后会转化为 AI 可识别的形式，并以文字的形式表达出结果。目前，这种方式的识别率不算特别高，但蛮有意思，这是“AI 智能应用”的一个示例。

目前已存在对智能应用的明确需求。在 2023 年 Gartner 首席执行官（CEO）和业务高管调查中，26% 的 CEO 认为对企业机构破坏力最大的风险是人才短缺。吸引和留住人才是 CEO 在人力资源方面的首要任务，而 AI 被认为是未来三年对他们所在行业影响最大的技术。

对商业用户来讲，如果将来可以无处不在的获取以前得不到的知识和技能，那么预示着一波新的生产力浪潮即将到来。经过大规模预训练的模型、云计算与开源的融合正在推动生成式人工智能（生成式 AI）的全民化，使这些模型能够被全球工作者所用。好处是工作效率会提高，技术也会更加普及，会出现很多创新生态。缺点是一些数据，甚至机密数据可能会丢失。

到 2026 年，Gartner 预测超过 80% 的企业将使用生成式 AI 的 API 或模型，或在生产环境中部署支持生成式 AI 的应用，而在 2023 年初这一比例不到 5%。

生成式 AI 应用可以让企业用户访问并使用大量内部和外部信息源，这意味着生成式 AI 的快速采用将极大地促进企业知识和技能的全民化。大型语言模型使企业能够通过丰富的语义理解，以对话的形式将员工与知识相连接。只是，需要注意实现这一切的前提必须基于风险治理。

增强型互联员工队伍（ACWF）是一种优化员工价值的战略。加速并扩大人才规模的需求推动了 ACWF 的发展趋势。ACWF 使用智能应用和员工队伍分析提供助力员工队伍体验、福祉和自身技能发展的日常环境与指导。同时，ACWF 还能为关键的利益相关方带来业务成果和积极影响。简单来说，ACWF 就是用 AI 技术加持互相之间连接和协作的员工，核心是提供员工的数字体验或者是数字员工体验。

目前，我们处于混合办公时代，企业需要考虑利用各种互相连接的设备和技术提高数字员工的体验，并进一步用 AI 技术进行增强，这是每个 CIO 需要考虑的问题。所谓的“增强”，指的是对于从终端应用知识库甚至是员工情绪当中提取出数据进行接近实时的处理和反馈。以此分析员工目前的工作状态和压力，或者根据员工在某些系统的逗留时长和操作迭代工作流程，甚至找到一些行为感知系统预测员工离职倾向等。当然，这个过程必须考虑安全和隐私问题。虽然 AI 不会取代人类的关怀，但可以做增强，至少给人类提供一些数据方面的支撑，并可以达到个性化的体验，毕竟不同员工的诉求也是不同的。

到 2027 年底，Gartner 预测 25% 的首席信息官（CIO）将使用增强型互联员工队伍计划将关键岗位的胜任时间缩短 50%。

机器客户（也被称为“客户机器人”）是一种可以自主协商并购买商品和服务以换取报酬的非人类经济行为体。其进化可以分成三个阶段：人类主导，由机器通过一定的规则购买特定商品；人类和机器共同主导，共同优化购买选择，最终由机器执行购买操作；机器推测人类需求，根据根据规则、场景和偏好进行自主化的购买。目前，第一个阶段已经实现，第二个阶段实现了一部分，第三个阶段是接下来的愿景。

Gartner 预测，到 2028 年，将有 150 亿台联网产品具备成为客户的潜力，这一数字还将在之后的几年增加数十亿。到 2030 年，该增长趋势将带来数万亿美元的收入，其重要性最终将超过数字商务的出现。在战略上应考虑为这些算法和设备提供便利乃至创造新型客户机器人的机会等。