راه پرداخت
راه پرداخت؛ رسانه فناوری‌های مالی ایران

برترین ترندهای فناوری‌های استراتژیک برای سال ۲۰۲۲ / ۱۲ ترندی که آینده کسب‌وکار دیجیتال را شکل می‌دهد

مدیران ارشد سازمان‌ها سه چیز می‌خواهند: «رشد، دیجیتالی شدن و کارایی بالا.»

بهنام بهزادی‌فر، مشاور در حوزه استراتژی‌های مدیریت ارتباط با مشتریان / سازمان‌ها در طول فعالیتشان دائماً تحت تأثیر رویدادهای غیرمنتظره قرار می‌گیرند. از کرونا گرفته تا ناآرامی‌های سیاسی و تغییرات آب و هوایی و… اما در میان همه‌ این هیاهوها، کسب‌وکارهای دیجیتال و یا کسب‌وکارهایی که به سمت هوشمندسازی و یا دیجیتال شدن روی آوردند تا حد زیادی در مدیریت شرایط بحرانی و در مواجهه با رویدادهای غیرمنتظره، مسیر با آرامش تری را طی می‌کنند.

مسئولیت حمایت فنی کسب‌وکار دیجیتال کاملاً بر دوش رهبران فناوری اطلاعات سازمان‌ها است؛ اما به عنوان یک مدیر یا یک رهبر شما نیز این فرصت را دارید تا با استفاده از ترندهای روز و نوآوری‌های موجود، رشد و هدایت استراتژیک سازمان خود به جلو را سرعت دهید. این ترندها یکدیگر را نیز تقویت می‌کنند. روی‌هم‌رفته، برترین ترندهای فناوری‌های استراتژیک برای سال ۲۰۲۲ به شما کمک می‌کند تا اولویت‌های مدیران ارشد سازمانتان را در جهت رشد کسب‌وکار و حرکت روبه‌جلو برآورده نمایید. این ترندها در قالب سه گروه و در هر گروه چهار گرایش معرفی می‌شوند.

کسب‌وکار دیجیتال در هسته خود به یک پایه فناوری اطلاعات انعطاف‌پذیر، قابل اعتماد و کارآمد نیاز دارد. بدون یک پایه و اساس با طراحی مناسب، فعالیت‌های کسب‌وکار دیجیتال مقرون به صرفه نخواهد بود.


دیتا فابریک


یک معماری و مجموعه‌ای از خدمات داده است که شیوه‌ها و فعالیت‌های کاربردی مدیریت داده را استاندارد می‌کند. در میان بسیاری از مزایایی که Data Fabric ارائه می‌دهد، مشاهده و بینش داده‌ها، دسترسی و کنترل داده‌ها، حفاظت از داده‌ها و امنیت به سرعت به اوج می‌رسد.

ارزش داده‌ها هیچ‌وقت به اندازه امروز برای کسب‌وکارها واضح نبوده است. اما اغلب، داده‌ها در برنامه‌های مختلف دیده نمی‌شوند و استفاده لازم و مؤثر از آن‌ها صورت نمی‌پذیرد. این معماری، داده‌ها را در پلتفرم‌ها و کاربران ادغام می‌کند و داده‌ها را در هرجایی که لازم است در دسترس قرار می‌دهد.

تا سال ۲۰۲۴، استقرار دیتا فابریک، کارایی در استفاده از داده‌ها را چهار برابر خواهد کرد. در عین حال وظایف مدیریت داده توسط انسان را به نصف کاهش خواهد داد.


شبکه امنیت سایبری


یک استراتژی دفاع سایبری است که به طور مستقل هر دستگاه را با محیط خاص خود ایمن می‌کند (مانند فایروال‌ها و ابزارهای حفاظت از شبکه). بسیاری از روش‌های امنیتی از یک محیط واحد برای ایمن کردن کل محیط فناوری اطلاعات استفاده می‌کنند. اما شبکه امنیت سایبری از یک رویکرد جامع استفاده می‌کند. دارایی‌های کسب‌وکار دیجیتال در میان مراکز ابری و داده‌ها توزیع می‌شوند. رویکردهای امنیتی سنتی و پراکنده که بر محیط‌های سازمانی متمرکز شده‌اند، سازمان‌ها را در معرض نفوذ قرار می‌دهند. معماری Cybersecurity Mesh یک رویکرد ترکیبی امنیتی مبتنی بر هویت برای ایجاد یک سرویس مقیاس‌پذیر ارائه می‌دهد و ساختار یکپارچه مشترک، همه دارایی‌ها را بدون توجه به مکان و نوع آن، ایمن می‌کند.

تا سال ۲۰۲۴، سازمان‌هایی که معماری شبکه امنیت سایبری را برای ادغام ابزارهای امنیتی به عنوان یک اکوسیستم اتخاذ می‌کنند، تأثیر مالی حوادث امنیتی فردی را به طور متوسط ۹۰ درصد کاهش خواهند داد.


افزایش حریم خصوصی


ارزش حقیقی داده‌ها صرفاً در داشتن آن نیست، بلکه در نحوه استفاده از آن برای مدل‌های هوش مصنوعی، تجزیه‌وتحلیل و بینش است. روش‌های محاسبات افزایش حریم خصوصی (PEC) از داده‌های در حال استفاده محافظت می‌کند. در عین حال حریم خصوصی یا محرمانه بودن اقدامات امنیتی رایج داده را حفظ می‌کند. ۵۰ درصد از سازمان‌های بزرگ، محاسبات افزایش حریم خصوصی را برای پردازش داده‌ها در محیط‌های غیرقابل‌اعتماد و موارد استفاده از تجزیه‌وتحلیل داده‌های چندجانبه اجرا خواهند کرد. با این روش به داده‌های حساس اجازه داده می‌شود که بدون به خطر انداختن محرمانگی، به کار گرفته شوند.

تا سال ۲۰۲۵، ۶۰ درصد سازمان‌های بزرگ از یک یا چند فن محاسباتی افزایش حریم خصوصی در تجزیه‌وتحلیل، هوش تجاری یا محاسبات ابری استفاده خواهند کرد.


پلتفرم‌های Cloud-Native


Cloud native رویکردی برای ساخت و اجرای برنامه‌های کاربردی است که از مزایای مدل تحویل محاسبات ابری بهره می‌برد. وقتی شرکت‌ها برنامه‌هایی را با استفاده از معماری بومی ابری ایجاد و اجرا می‌کنند، ایده‌های جدید را سریع‌تر به بازار می‌آورند و زودتر به خواسته‌های مشتری پاسخ می‌دهند. پلتفرم بومی ابری، تهیه و پیکربندی زیرساخت را خودکار می‌کند، به صورت پویا منابع را در زمان استقرار بر اساس نیازهای برنامه تخصیص می‌دهد، وابستگی به زیرساخت را کاهش می‌دهند و در عوض زمان را برای تمرکز روی عملکرد برنامه آزاد می‌کنند.

تا سال ۲۰۲۵، پلتفرم‌های بومی ابری به‌عنوان پایه و اساس بیش از ۹۵ درصد از ابتکارات دیجیتالی جدید عمل خواهند کرد (از کمتر از ۴۰ درصد در سال ۲۰۲۱).

علی‌رغم به‌کارگیری یک ترند امن و مورد اعتماد، تمرکز بعدی بر فناوری‌هایی است که سازمان را قادر می‌سازد تا تلاش‌های دیجیتالی‌سازی خود را تسهیل و آن‌ها افزایش دهند؛ اما فناوری اطلاعات به تنهایی نمی‌تواند با سرعت تغییرات مطابقت داشته باشد. گروه‌های فیوژن (متشکل از کارکنان فناوری اطلاعات و کسب‌وکار) با یکدیگر همکاری خواهند کرد و نوآوری‌های لازم را جهت دیجیتالی کردن سریع کسب‌وکارها هدایت خواهند نمود. همان‌طور که ترندهای بعدی نشان می‌دهند، وظیفه‌ فناوری اطلاعات، فراهم کردن ابزارهایی است که به گروه‌های فیوژن اجازه می‌دهد تا تغییرات را ایجاد و آن‌ها را با اهداف سازمان همسو نمایند.


برنامه‌های کاربردی ترکیبی


برنامه‌های کاربردی ترکیبی، ایده‌ای است که بلوک‌های کاربردی یک برنامه را می‌توان از برنامه‌های کامل جدا کرد. سپس می‌توان این بخش‌های جزئی را با دقت بیشتری تنظیم کرد تا یک برنامه کاربردی جدید ایجاد کند که کارایی آن بیشتر از مجموع کل اجزای آن باشد. این ترند نیز تا سال ۲۰۲۴ بسیار فراگیر خواهد شد.


هوش تصمیم‌گیری


تصمیمات را می‌توان تحت تأثیر تجربیات و سوگیری‌های زیادی قرار داد، اما در دنیایی که در آن تغییرات سریع وجود دارد، سازمان‌ها باید تصمیمات بهتر و سریع‌تری اتخاذ کنند. هوش تصمیم‌گیری با مدل‌سازی تصمیمات از طریق یک چارچوب، تصمیم‌گیری سازمانی را بهبود می‌بخشد. گروه‌های فیوژن می‌توانند تصمیمات را بر اساس آموخته‌ها و بازخوردها مدیریت، ارزیابی و بهبود بخشند. ادغام داده‌ها، تجزیه‌وتحلیل و هوش مصنوعی به ایجاد پلتفرم‌های هوشمند تصمیم برای پشتیبانی، تقویت و خودکارسازی تصمیمات یاری می‌دهد.

تا سال ۲۰۲۳، بیش از یک‌سوم سازمان‌های بزرگ، تحلیل‌گرانی خواهند داشت که هوش تصمیم‌گیری، یا حداقل مدل‌سازی تصمیم‌گیری را انجام می‌دهند.


اَبَر اتوماسیون


هایپراتوماسیون یک رویکرد منضبط و مبتنی بر کسب‌وکار است که سازمان‌ها از آن برای شناسایی سریع، بررسی و خودکارسازی هر چه بیشتر فرآیندهای تجاری و فناوری اطلاعات استفاده می‌کنند. افزایش تمرکز بر رشد، دیجیتالی شدن و تعالی عملیاتی نیاز به اتوماسیون بهتر و گسترده‌تر را برجسته کرده است. هایپراتوماسیون یک رویکرد کسب‌وکار محور برای شناسایی، بررسی و خودکارسازی هر چه بیشتر فرآیندهای تجاری و فناوری اطلاعات است. این امر مستلزم استفاده هماهنگ از ابزارها و پلتفرم‌های فناوری متعدد، از جمله RPA، پلتفرم‌های Low Code و ابزارهای استخراج فرآیند است. هایپراتوماسیون شامل استفاده هماهنگ از چندین فناوری، ابزار یا پلت فرم است، از جمله:

  • هوش مصنوعی (AI)
  • یادگیری ماشین
  • اتوماسیون فرآیند رباتیک (RPA)
  • مدیریت فرآیند کسب‌وکار (BPM) و مجموعه مدیریت هوشمند فرآیند کسب‌وکار (iBPMS)
  • پلت فرم یکپارچه‌سازی به عنوان یک سرویس (iPaaS)
  • ابزارهای Low-code/no-code
  • نرم‌افزارهای پکیجی
  • انواع دیگر ابزارهای اتوماسیون تصمیم، فرآیند و کار

تا سال ۲۰۲۴، هایپراتوماسیون به عاملی متمایزکننده در عملکرد شرکت‌ها تبدیل می‌شود.


مهندسی هوش مصنوعی


صرفاً پذیرش و به‌کارگیری هوش مصنوعی سازمان‌ها را به جلو نمی‌برد. سازمان‌ها باید هوش مصنوعی را بهینه نمایند. مهندسی هوش مصنوعی رشته‌ای نوظهور است که بر توسعه ابزارها، سیستم‌ها و فرآیندها متمرکز است تا امکان استفاده از هوش مصنوعی در زمینه‌های متعدد را فراهم کند. مهندسی هوش مصنوعی به سازمان‌ها اجازه می‌دهد تا از پروژه‌های هوش مصنوعی ارزش کسب کنند.

تا سال ۲۰۲۵، ۱۰ درصد شرکت‌هایی که بهترین شیوه‌های مهندسی هوش مصنوعی را ایجاد می‌کنند، حداقل سه برابر بیشتر از ۹۰ درصد شرکت‌هایی که این کار را انجام نمی‌دهند، از مهندسی هوش مصنوعی خود ارزش ایجاد می‌کنند.

حال زمان آن فرا رسیده است که بر ترندهای فناوری تمرکز کنیم که ارزش آنچه را که سازمان ایجاد می‌کند به حداکثر می‌رساند. تسریع رشد یک موضوع کلیدی است. مسیرهای رشد شتابان می‌تواند از شرکتی به شرکت دیگر و حتی در صنایع مشابه، بسیار متفاوت باشد. بااین‌حال، تمرکز بر ایده‌های باارزش، اثبات ارزش آن‌ها از طریق اعتبارسنجی مداوم مفاهیم و هدف‌گذاری برای ورود سریع به بازار، مبنای طراحی استراتژیک است که بر اساس تجربه می‌تواند بدون توجه به محیط عملیاتی، رشد شتابان را امکان‌پذیر کند.


شرکت‌های چند‌شعبه‌ای


سازمان‌های بزرگ که شعبات مختلفی دارند مانند یک خرده‌فروشی، بانک یا بیمارستان، دارای چندین مکان یا شعبه (اغلب در سراسر جهان) هستند. برای بسیاری از این سازمان‌ها، مقرهای اصلی در برابر حملات سایبری محافظت می‌شوند، اما شعب این‌گونه نیستند و لذا ناخواسته دسترسی مجرمان سایبری به داده‌های حساس را باز می‌گذارند. پس از بحران کرونا سازمان‌ها دو رویکرد را تجربه کردند. از یک طرف، کارمندانی که در نتیجه کووید ۱۹ از راه دور کار می‌کردند، به ابزارهای مختلف و افزایش انعطاف‌پذیری نیاز داشتند. از طرف دیگر، مصرف‌کنندگان به طور فزاینده‌ای از طریق راه‌های سنتی و فیزیکی در دسترس نبودند. Distributed Enterprise یک رویکرد معماری اولیه مجازی و از راه دور برای دیجیتالی کردن نقاط تماس مصرف‌کننده و ایجاد تجربیاتی برای پشتیبانی از محصولات است.

تا سال ۲۰۲۳، ۷۵ درصد از سازمان‌هایی که از مزایای Distributed Enterprise بهره‌برداری می‌کنند، ۲۵ درصد سریع‌تر از رقبا به رشد درآمد خواهند رسید.


تجربه کل (مشترک)


تجربه کل که به آن TX نیز می‌گویند، یک استراتژی است که با پیوند دادن رشته‌های تجربه کاربر (UX) مشتری (CX)، چند تجربه (MX) و تجربه کارمند (EX) تجربیات مشترک برتر را ایجاد می‌کند. درواقع چیزی بیش از بهبود تجربه یک مؤلفه است که تجارب را در تقاطع مؤلفه‌های متعدد برای دستیابی به یک نتیجه تجاری متحول کننده بهبود می‌بخشد.

تشکیل تجربه کلی می‌تواند شامل موارد زیر باشد:

  • ایجاد اعتماد و ارتباطات باز در طول چرخه حیات مشتری
  • آگاهی مستمر از اهداف سازمان و اهداف مشتری

تا سال ۲۰۲۶، ۶۰ درصد از شرکت‌های بزرگ از این ترند برای تغییر مدل‌های کسب‌وکار خود برای دستیابی به سطوح حمایت از مشتری و کارمند در سطح جهانی استفاده خواهند کرد.


سیستم‌های(عصبی) خودکار (خودمختار)


زمانی که سازمان‌ها رشد می‌کنند، مدیریت سنتی نمی‌تواند با همان سرعت منطبق شود و لذا ممکن است دچار شکست گردد. سیستم‌های خودمختار سیستم‌های فیزیکی یا نرم‌افزاری خود مدیریتی هستند که از محیط خود فرامی‌گیرند. بر خلاف سیستم‌های خودکار، آن‌ها می‌توانند به صورت پویا الگوریتم‌های خود را بدون به‌روزرسانی نرم‌افزاری تغییر دهند. این امر، مدیریت در محیط‌های پیچیده را ممکن می‌سازد.

تا سال ۲۰۲۴، ۲۰ درصد از سازمان‌هایی که سیستم‌ها یا دستگاه‌های Autonomic را می‌فروشند، مشتریان را ملزم می‌کنند که از مقررات مربوط به اخذ غرامت مربوط به رفتارهای خودآموخته محصولاتشان چشم‌پوشی کنند.


هوش مصنوعی مولد


هوش مصنوعی مولد، فناوری ایجاد محتوای جدید با استفاده از متن، فایل‌های صوتی یا تصاویر است. با هوش مصنوعی مولد، رایانه‌ها الگوی اساسی مربوط به ورودی را تشخیص می‌دهند و محتوای مشابهی تولید می‌کنند. بررسی Technology MIT، هوش مصنوعی مولد را یکی از امیدوارکننده‌ترین پیشرفت‌ها در دنیای هوش مصنوعی در دهه گذشته توصیف کرد. هوش مصنوعی مولد رایانه‌ها را قادر می‌سازد تا الگوی اساسی مربوط به ورودی را بیاموزند و سپس از آن برای تولید محتوای مشابه استفاده کنند. هوش مصنوعی مولد نوعی از هوش مصنوعی است که نمایش دیجیتالی مصنوعات را از داده‌های نمونه می‌آموزد و از آن برای تولید مصنوعات جدید، اصلی و واقعی استفاده می‌کند. با این تعبیر، هوش مصنوعی مولد می‌تواند مانند موتوری برای نوآوری سریع شرکت‌ها باشد.

تا سال ۲۰۲۵، هوش مصنوعی مولد ۱۰ درصد از کل داده‌های تولیدشده را به خود اختصاص خواهد داد که در حال حاضر کمتر از یک درصد است.

نویسنده / مترجم بهنام بهزادی‌فر
ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.