“福布斯”网日前登载史蒂夫•安德里奥教授文章称，我们中的许多人都希望每年进行趋势分析，Gartner每年持续发布的趋势尤其引人注目。 1.自动化和“超自动化”是明显的趋势。机器人流程自动化（RPA）革命已经全面展开。很难找到一家 对RPA任务没有敏锐技术影响的公司。人工智能和机器学习是这里真正的数字孪生兄弟，对AI / ML潜力的评估几乎无处不在。将热门的新工具与旧的备用数据库（DBMS，分析）相结合是自然的事情。Gartner过去就“增强分析”撰写了颇有见地的文章，非常适合这种趋势。我很惊讶这里没有提到增强分析。我认为“超自动化”是指通过利用AI / ML和任何其他能增强自动化的功能，在类固醇上进行RPA。为什么不？
2.数字化多种体验一直在发生。在过去五年中，使用AR和VR工具增强（再次）增强现实的能力已得到显着改善。当Gartner结合明显的趋势并宣布新趋势时，它是一流的。它描述的多经验趋势就是：将明显的部分组合起来，形成一个可预测的整体，而不是部分总和。不确定“技术人员”与“技术人员”。
3.无法完全同意技术的“民主化”。这种趋势与几十年前苹果公司为其他人推出Macintosh时开始的趋势相一致，也就是说，它具有“直观”的用户-计算机界面。从那时起，每个人都在一个或另一个设备中安装了一个加速度计，可以随时询问自己的里程。在过去的五年中，出现了各种各样的私人助理，几乎不需要或不需要任何培训。我同意全面民主化将包括“ 数据和分析民主化 （针对数据科学家的工具，以扩展到专业开发人员社区为目标），发展民主化（人工智能工具 以利用定制开发的应用程序），设计的民主化（扩展低代码，无代码现象，并通过附加的应用程序开发功能的自动化来增强公民开发人员的能力）和知识的民主化（非IT专业人员可以访问工具和专家系统，使他们能够利用和应用超出自身专业知识和培训的专业技能。”“公民平台”无处不在，尤其是在主要的云供应商中。实际上，几乎所有“即服务”模型都旨在对客户友好。低代码编程（正在顺利进行）是在自动化编程过程中支持民主化趋势的另一个平台。增强分析？
4. 人体机能增强？是! 已经在这里！物联网和可穿戴设备正在爆炸。我们身体上或什至体内的智能设备就在这里。胶囊呢？体育应用？医疗保健应用？智慧城市？当然。仅举一例，诸如药物基因组学之类的技术已经证明了基因组杠杆作用的力量。如果趋势是要提醒我们即将到来，那么它就失败了，但是如果趋势是要确认方向，那它就行了。
5.“透明度和可追溯性”是一个引人入胜的重要领域，非常重要，但是却缺少预测！当然，在监督资本主义时代，透明度和可追溯性至关重要 。加州已采取了该国第一部数据隐私法，并在此采取措施。GDPR是个老新闻，显然大多数美国人-绝对是美国立法者-不知何故。那么，预测是什么，Gartner？美国（以及世界其他地区）会意识到GDPR吗？是否会通过法律以反映全美国有意义的数据保护？市民会要求透明度和可追溯性吗？谁知道？我不; Gartner怎么看？加州法律会在美国蔓延吗？GDPR会成为国际协议吗？面部识别技术会受到监管吗？这里有很多可能性。会发生什么？企业家需要了解可能采取的监管措施的范围（如果有）。开发人员也是如此。一百万种商业模式取决于缺乏隐私。
6.边缘赋能（即使已被“授权”）是一个很好的概念，是一种考虑计算和通信资源的分布和位置的有用方法，尤其是在担心延迟的情况下。但是我们应该吗？我同意EC将帮助弥散被IOT设备阻塞的网络。但是，当计算和通信技术挑战摩尔定律时（以一种很好的方式），这是否必要？也许。也许不吧。也许EC不仅仅是吞吐量方面的治理问题。
7. 分布式云已经是一回事。不知道这是一个预测趋势还是另一个肯定。
8.“自动化物件”我认为是广义上的机器人： “自动化物件是使用AI来自动化 人类先前执行的功能的物理设备 。最容易识别的自动驾驶物形式是机器人，无人机，自动驾驶车辆/船和电器。”是的。明显。
9.预测！“实用区块链”将全面升级到2023：“区块链已通过启用信任，提供透明度，支持在商业生态系统价值交换，有可能降低成本，减少交易结算时间，改善现金流来重塑行业的潜力。”这种预测是大胆，但可能。关键字是“潜力”。要使区块链“完整 ” ，必须做很多事情。这里的预测将非常有帮助。
10.坦率地说，人工智能安全是一个日益严峻的挑战。这也是一个无法解决的问题：今天没有这样的事情，也永远不会有一个完全安全的网络，应用程序或数据库。这里的预测应着重于AI安全挑战的增长速度和位置。它还应讨论责任和保险法规及法律在何处应对不可避免的违规行为。缺乏智能算法透明性将加剧这些挑战。
重命名
Gartner总是在预测需要预测的方面做得很好。2019年的大部分趋势分析都集中在进行中的趋势上。一些趋势被重命名。“自动化物件”是机器人。“Hyperautomation”是狭义和一般AI。“多经验”是物联网可穿戴设备，AR和VR。一些趋势已经过时了，例如我们多年来一直听说的边缘计算。有时候，感觉就像Gartner努力寻找趋势一样，而如果找不到，它会重命名一些较旧的趋势（或行业中相当明显的趋势）。
缺失的
与我互动和研究的公司都对业务流程，业务流程管理和RPA着迷。从某种程度上来说，这种迷恋是新的。这里的预测可能是能够实现RPA自动化的完全交互式，智能流程清单的到来。战略敏捷也很强大，在这种情况下，运营敏捷（开发）正在扩展到全新的整体工作方式。关于AI和ML的投资回报率，除了在概念上比以往任何时候都更受欢迎的传统“ 假定的” AI之外，要多加注意。3D打印现在是3D制造。云计算正在逐渐成熟到整个企业平台，公司在此平台上依靠其云提供商来运营其整个业务。这对应用程序开发，技术采用，安全性等意味着什么？预测？
Gartner每年的十大技术趋势，一直以来都是全球科技商业化发展的风向标。
Gartner《2020年十大战略技术趋势》将战略科技发展趋势定义为具有巨大颠覆性潜力、脱离初期阶段且影响范围和用途正不断扩大的战略科技发展趋势；这些趋势在未来五年内迅速增长、高度波动、预计达到临界点。
2020年十大战略科技发展趋势具体如下：
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。
Gartner研究副总裁布莱恩·伯克（Brian Burke）表示：“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。
Burke先生表示：“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。
Burke表示：“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。
Burke表示：“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。