Trends, die die Zukunft von IT und Business verändern
Neue Technologien, die die Iteration beschleunigen, wirken sich ständig auf den Markt aus, und Menschen können gegenüber diesen Auswirkungen leicht taub werden. Während jede Technologie das Ziel hat, die Geschäftswelt zu verändern (oder sogar zu „revolutionieren“), liefert unsere Analyse einiger der bedeutungsvolleren Technologietrends einen überzeugenden Beweis dafür, dass etwas Wichtiges geschieht.
Zusammengenommen beschleunigen diese Technologietrends die Schlüsselmerkmale, die das digitale Zeitalter definieren: Granularität, Geschwindigkeit und Skalierung. Es ist das Ausmaß dieser Veränderungen – bei Rechenleistung, Bandbreite und Analysetechnologie –, das die Tür zu neuen Innovationen, Unternehmen und Geschäftsmodellen öffnet.
Zum Beispiel hat das Aufkommen von Cloud Computing und 5G die Rechenleistung und Netzwerkgeschwindigkeiten exponentiell erhöht und so mehr Innovation gefördert. Die Entwicklung des Metaversums von Augmented Reality und Virtual Reality öffnet die Tür zu virtueller Forschung und Entwicklung (z. B. durch digitale Zwillinge und immersives Lernen). Fortschritte in den Bereichen künstliche Intelligenz, maschinelles Lernen und Software 2.0 (von Maschinen geschriebener Code) haben eine Reihe neuer Dienstleistungen und Produkte hervorgebracht, die alles von selbstfahrenden Autos bis hin zu vernetzten Häusern in greifbare Nähe rücken.
Die Menschen geben sich viel Mühe, Technologietrends zu erkennen, schenken den Auswirkungen dieser Veränderungen jedoch wenig Aufmerksamkeit. Um zu verstehen, wie sich das Management in den nächsten drei bis fünf Jahren an diese Technologietrends anpassen muss, haben wir mit Unternehmensführern und Vordenkern zu diesem Thema gesprochen. Wir suchen nicht nach Vorhersagen, sondern untersuchen realistische Szenarien, ihre Auswirkungen und was Führungskräfte möglicherweise tun müssen, um die Herausforderungen zu meistern.
In dieser Diskussion wurden einige umfassende, miteinander verbundene Veränderungen identifiziert, z. B. wie das schnelle Wachstum der Technologie eine Zentrifugalkraft auf Unternehmen ausübt und Innovationen in Expertennetzwerke am Rande des Unternehmens treibt; Innovationen, die neue Wege fordern, um kontinuierliches Lernen rund um die benötigten Fähigkeiten zu strukturieren; wie diese demokratisierenden Kräfte dazu führen, dass die IT nicht länger als zentraler Controller für die Bereitstellung und den Betrieb von Technologie fungieren kann, sondern zu einem wichtigen Wegbereiter und Einflussfaktor werden muss.
1. Edge Innovation
Schlüsseltechnologietrends
Wir schätzen 70 % der Unternehmen werden Hybrid- oder Multi-Cloud-Management-Technologien, -Tools und -Prozesse einführen. Gleichzeitig wird die 5G-Netzwerkgeschwindigkeit etwa zehnmal schneller sein als die aktuelle 4G-LTE-Netzwerkgeschwindigkeit. Basierend auf 4G kann die 5G-Internetgeschwindigkeit um das Hundertfache erhöht werden und 20 Gbit/s erreichen. Bis 2024 werden mehr als 50 % des Benutzerverkehrs durch KI-gesteuerte Sprach-, geschriebene Text- oder Computer-Vision-Algorithmen gesteigert, während die weltweite Datenerzeugung voraussichtlich von 64,2 Zettabytes (Zettabytes) im Jahr 2020 auf 180 Zettabytes im Jahr 2025 ZB oder mehr ansteigen wird . Es wird erwartet, dass der Markt für Low-Code-Entwicklungsplattformen bis 2030 mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von etwa 30 % wachsen wird.
Schicht 1: Innovation entsteht um persönliche Netzwerke von Experten am Rande des Unternehmens, unterstützt durch die Fähigkeit zur unternehmensweiten Skalierung
Diese Technologien versprechen eine praktisch unbegrenzte Rechenleistung und riesige Datenmengen sowie enorme Bandbreitensprünge bei geringen Kosten, was das Testen, Starten und schnelle Skalieren von Innovationen billiger und einfacher macht. Die daraus resultierende Beschleunigung der Innovation wird dazu führen, dass Unternehmen stärkeren Störungen aus mehr Quellen ausgesetzt sein werden. Zentralisierte Strategie- und Innovationsfunktionen können nicht damit rechnen, im Gleichschritt zu bleiben. Unternehmen müssen sich stärker in Netzwerke außerhalb des Unternehmens einbringen, um vielversprechende Chancen zu erkennen, in sie zu investieren und sie sogar zu erwerben.
Corporate Venture Capital Funds (VCs) mit zentralisierten Teams haben nach Innovationen gesucht und diese finanziert, aber ihre Erfolgsbilanz war nicht optimal, oft weil den Teams die notwendigen Fähigkeiten fehlten. Und sie sind weit davon entfernt von den sich ändernden Anforderungen verschiedener Geschäftsbereiche. Stattdessen müssen Unternehmen herausfinden, wie sie ihre „Mitarbeiter an vorderster Front“, insbesondere Branchenexperten und Technologen, nutzen können, damit sie effektiv als Venture-Arm des Unternehmens fungieren können. Denn die Leute, die Code schreiben und Lösungen entwickeln, sind oft gut mit starken externen Netzwerken in ihrem Fachgebiet vernetzt und verfügen über die Expertise, neue Erkenntnisse zu bewerten.
Beispielsweise greift ein Pharmaunternehmen auf seine eigenen Expertenforscher in verschiedenen Bereichen (z. B. Genexpression) zurück, und diese Leute haben ein gutes Verständnis für die herausragenden Talente in diesem Bereich außerhalb des Unternehmens.
Während Unternehmen Anreize und Möglichkeiten für Ingenieure schaffen müssen, ihre Netzwerke aufzubauen und mit ihnen in Kontakt zu treten, muss der entscheidende Punkt darin bestehen, Teams zu befähigen/zu befähigen, damit sie die ihnen zugewiesenen Ressourcen so nutzen können, wie es ihr Budget für angemessen hält , und entscheiden Sie sich für Techniken, um ihre Ziele zu erreichen (innerhalb der festgelegten Richtlinien).
Zukünftige IT-Organisationen können eine wichtige Rolle beim Aufbau der Fähigkeit zur Skalierung und Umsetzung von Innovationen für das Unternehmen spielen, was traditionell eine Herausforderung darstellt. Einzelne Entwickler oder kleine Teams denken oft nicht selbstverständlich darüber nach, wie eine Anwendung skaliert werden soll. Wenn technisch nicht versierte Benutzer im gesamten Unternehmen Low-Code/No-Code-Anwendungen (LC/NC) zum Entwerfen und Erstellen mit Point-and-Click- oder Pulldown-Menü-Schnittstellen verwenden, kann sich dieses Problem während des Verfahrens verschärfen.
Ein Pharmaunternehmen weiß das genau und gibt Geschäftsbereichen die Flexibilität, eine nicht standardmäßige innovative Idee zu nutzen, wenn sie sich als überlegen gegenüber bestehenden Methoden erweist. Als Gegenleistung für diese Flexibilität muss sich das Unternehmen dazu verpflichten, den Rest des Unternehmens dabei zu unterstützen, diese neue Idee zu nutzen und in die Standards des Unternehmens zu integrieren.
Bei der Überlegung, wie diese Skalierungsfunktion funktionieren könnte, könnten Unternehmen beispielsweise leitende Entwickler damit beauftragen, Anwendungen zu „produktisieren“, indem sie den Code so umgestalten, dass sie skaliert werden können. IT-Führungskräfte können Tools und Plattformen, leicht zugängliche wiederverwendbare Codebibliotheken und flexible, auf Standards basierende Architekturen bereitstellen, um die Skalierung von Innovationen im gesamten Unternehmen zu erleichtern.
Fragen, über die Führungskräfte nachdenken sollten
•Welche Anreize können Ingenieure und Fachexperten am besten dazu ermutigen, ihre Netzwerke zu entwickeln, zu pflegen und zu nutzen? •Welche Prozesse gibt es, um Risikokapitalaktivitäten zu verfolgen und zu verwalten? Welche Fähigkeiten benötigen Sie, um Innovationsmöglichkeiten zu identifizieren und die besten zu „industrialisieren“, damit sie im gesamten Unternehmen geteilt werden können? , Robotik und andere Fortschritte haben die Geschwindigkeit des technologischen Wandels verzehnfacht. Wir schätzen, dass bis 2025 50 Milliarden Geräte mit dem industriellen Internet der Dinge (IIoT) verbunden sein werden und 70 % der Hersteller voraussichtlich regelmäßig digitale Zwillinge verwenden werden (bis 2022). Bis 2025 werden etwa 70 % der neuen Anwendungen die Low-Code/No-Code-Technologie (LC/NC) nutzen, gegenüber weniger als 25 % im Jahr 2020. Das weltweite Umsatzpotenzial von Metaverse könnte sich bis 2024 auf 800 Milliarden US-Dollar belaufen, gegenüber etwa 500 Milliarden US-Dollar im Jahr 2020. Der Unternehmer und Zukunftsforscher Peter Diamandis sagte, die Verbreitung technologischer Innovationen bedeute, dass wir in den nächsten zehn Jahren voraussichtlich mehr Fortschritte erleben werden als in den letzten 100 Jahren zusammen.Schicht 2: Technische Kompetenz wird zum Kern jeder Rolle und erfordert kontinuierliches Lernen und den Ausbau der individuellen Fähigkeiten, wenn diese für den Einsatz erforderlich sind.
Während sich die Technologie weiterentwickelt und ausdehnt und Innovationen an den Rand des Unternehmens drängt, müssen Unternehmen dies tun bereit, die vielversprechendsten Optionen von allen Seiten zu integrieren. Daraus ergeben sich enorme Chancen, aber nur diejenigen Unternehmen, die durch eine Kultur des „kontinuierlichen Lernens“ echte technische Intelligenz entwickeln, können diese Chance nutzen. Ein Eckpfeiler dieser Bemühungen ist die Schulung von Mitarbeitern auf allen Ebenen – von „Bürgerentwicklern“, die LC/NC-Tools verwenden oder in völlig neuen Umgebungen wie dem Metaverse arbeiten, bis hin zu Full-Stack-Entwicklern und Ingenieuren, die ihre Fähigkeiten kontinuierlich weiterentwickeln müssen, um mithalten zu können mit sich ändernder Technologie. Wir haben Situationen erlebt, in denen schlecht geschulte Mitarbeiter mit LC/NC suboptimale Produkte herstellen.
Obwohl es immer Bedarf an einem formelleren Weg zum Grundlernen geben wird, rechnen wir mit einem beschleunigten Übergang von regulären Kursen hin zu kontinuierlichem Lernen, um unterschiedliche technische Fähigkeiten im gesamten Unternehmen zu vermitteln. In der Praxis bedeutet dies, die Mitarbeiterentwicklung auf die Vermittlung von Fähigkeiten auszurichten. Dies erfordert die Aufteilung der Fähigkeiten in minimale Sätze kombinierter Fähigkeiten. Beispielsweise hat ein großes Technologieunternehmen 146.000 Kompetenzdatenpunkte für die 1.200 bewerteten technischen Fähigkeiten erstellt.Der Schlüssel liegt darin, dass diese Fertigkeits-„Teile“ – etwa ein Stück Code oder ein Video einer bestimmten Verhandlungsstrategie – in den Arbeitsablauf integriert werden müssen, damit sie bei Bedarf bereitgestellt werden können. Dies könnte als „LearnOps“-Ansatz bezeichnet werden, bei dem das Lernen in den Betrieb integriert wird. Netflix hat diese integrierte Denkweise entwickelt, bei der Datenwissenschaftler direkt mit Produktmanagern, Entwicklungsteams und anderen Geschäftsbereichen zusammenarbeiten, um Experimente/Versuche zu entwerfen, durchzuführen und daraus zu lernen.
Ebenso wichtig wie die Fähigkeit zu lernen ist die Etablierung einer Lernkultur, in der kontinuierliches Lernen erwartet wird und einfach umzusetzen ist. Aufschlussreich kann die Art und Weise sein, wie Top-Ingenieure lernen, eine Gemeinschaft, die sich der Notwendigkeit, ihre Fähigkeiten auf dem neuesten Stand zu halten, sehr bewusst ist. Ihre Gewohnheit, Code zu teilen, ist tief verwurzelt und sie fühlen sich immer zu neuen Projekten hingezogen. Ein Vorteil der Verwendung von Open Source ist beispielsweise die integrierte Community, die den Code ständig aktualisieren und überprüfen kann. Im gleichen Sinne sehen wir, dass Unternehmen Produkte entwickeln, die zusätzliche Zeit einplanen, damit die Leute neue Tools oder Technologien ausprobieren können. Andere Unternehmen planen ebenfalls „Lernpuffer“ ein, um mit Rückschlägen in der Produktentwicklung umzugehen, damit Teams daraus lernen können. Mit einem breiten, offenen und durchdachten Informationsaustausch als Kernwert hat Netflix die Netflix Experimentation Platform als internes Produkt entwickelt, das als Lösungsspeicher für zukünftige Teams zur Wiederverwendung dient. Es verfügt über einen Produktmanager und eine Innovations-Roadmap mit dem Ziel, das Experimentieren zu einem einfachen und integralen Bestandteil des Produktlebenszyklus zu machen.Um diese kontinuierliche Lern- und Experimentierfähigkeit zu unterstützen, müssen Unternehmen in der Lage sein, Fehler zu akzeptieren, wobei der Schwerpunkt darauf liegt, die Auswirkungen potenziell kostspieliger Fehler wie Verlust oder Missbrauch von Kundendaten zu begrenzen. Die IT muss Protokolle, Anreize und Systeme entwickeln, um gutes Verhalten zu fördern und schlechtes Verhalten zu reduzieren. Viele Unternehmen beginnen, Praktiken wie automatisierte Tests einzuführen, um Fehler von vornherein zu verhindern; sie schaffen Räume, in denen Fehler keine Auswirkungen auf andere Anwendungen oder Systeme haben, wie etwa Quarantänezonen in Cloud-Umgebungen;
Dinge, über die Führungskräfte nachdenken sollten
•Haben Sie die wichtigsten Fähigkeiten aufgelistet, die Ihr Unternehmen benötigt? •Was ist das Mindestmaß an Kenntnissen, die für eine fortgeschrittene Benutzerdatenanalyse und einen fortgeschrittenen Bediener erforderlich sind? Verfolgen Sie, was Mitarbeiter lernen und ob diese Erkenntnisse effektiv sind und sich in einer besseren Leistung niederschlagen? Der Umsatz wird von 952 Millionen US-Dollar im Jahr 2020 auf 4,2 Milliarden US-Dollar steigen. GitHub verfügt bereits über mehr als 200 Millionen Code-Repositories und wird voraussichtlich bis 2025 100 Millionen Softwareentwickler haben. Fast 90 % der Entwickler nutzen bereits APIs. Software 2.0 schafft neue Möglichkeiten, Software zu schreiben und reduziert die Komplexität. Von 2021 bis 2028 wird die von Unternehmen über Cloud-Service-Plattformen, offene Repositories und Software as a Service (SaaS) erworbene Software mit einer durchschnittlichen jährlichen Wachstumsrate von 27,5 % wachsen.Schicht 3: Die IT wird zum Wegbereiter von Produktinnovationen, indem sie kleine, interoperable Codeblöcke bereitstellt.
Wenn Innovation an die Ränder des Unternehmens gedrängt wird und eine Kultur des kontinuierlichen Lernens das Unternehmen durchdringt, ändert sich die Rolle der IT. Große Veränderungen finden statt . Dies erfordert, dass sich die IT von ihrer traditionellen Rolle als „Beschützer großer Technologieressourcen“ zum „Anbieter kleiner Codeblöcke“ wandelt. Der Goldstandard der IT-Effizienz wird seine Fähigkeit sein, Menschen dabei zu helfen, Codeteile zu nützlichen Produkten zusammenzufügen.
Wir haben viele erfolgreiche Praxisfälle gesehen. Beispielsweise entwickelten Mitarbeiter der G&J Pepsi Bottling Company mit wenig Erfahrung in der Softwareentwicklung eine App, die Bilder von Ladenregalen untersuchen, die Anzahl und Art der darauf befindlichen Flaschen identifizieren und dann basierend auf historischen Trends automatisch Nachfüllungen durchführen konnte. Ein Pharmaunternehmen wuchs seine Low-Code-Plattform in nur einem Jahr von 8 auf 1.400 Benutzer. Geschäftsanwender außerhalb der IT erstellen mittlerweile Anwendungen mit Tausenden von Sitzungen pro Monat. Laut einer McKinsey-Umfrage erzielen Unternehmen, die „Citizen Developers“ unterstützen, 33 % höhere Innovationswerte als das untere Quartil der Unternehmen, die diese Unterstützung nicht bieten.Diese Entwicklungen deuten eher auf einen „Do-it-yourself“-Ansatz für Technologie hin, bei dem die IT nützliche wiederverwendbare Codeblöcke erstellt, diese manchmal zu spezifischen Produkten zusammenfügt und sie über benutzerfreundliche Katalogsysteme für Unternehmen verfügbar macht gewünschtes Produkt erstellen. Die IT stellt Richtlinien wie API-Standards und Anweisungen zu den Umgebungen bereit, in denen der Code am nützlichsten sein kann. Er schützt die vertraulichsten Informationen wie Kundendaten und Finanzunterlagen und verfolgt deren Einführung. Diese Tracking-Funktion wird mit der zunehmenden Verbreitung von Bots, KI, Algorithmen und APIs noch wichtiger. Transparenz allein reicht nicht aus. Die IT muss alle Aktivitäten durch erweiterte technische Leistungs- und Verwaltungsfunktionen sowie die Entwicklung neuer Rollen (Datendiagnoseexperten, Robotermanager usw.) verstehen.
Dieser „IT-as-a-Service“-Ansatz stellt das Produkt in den Mittelpunkt des Betriebsmodells und erfordert die Organisation der IT rund um das Produktmanagement. Einige Unternehmen haben sich in diese Richtung bewegt. Aber um die Größe zu erreichen, die zur Unterstützung rasanter und umfassenderer Innovationen erforderlich ist, ist auch ein stärkeres Engagement gegenüber den Produktbesitzern, die Zusammenarbeit mit Führungskräften auf der Geschäftsseite des Unternehmens und die Leitung von Teams mit echter Gewinn- und Verlustverantwortung (GuV) erforderlich. Viele Unternehmen, von traditionellen bis hin zu Digital Natives, stellen fest, dass Produktleiter, die allgemeine Produkt- und Portfoliostrategien festlegen, die Umsetzung vorantreiben und Produktbesitzer in die Lage versetzen, Innovationen im Einklang mit Geschäftsergebnissen und Gewinn- und Verlustkennzahlen voranzutreiben, den Technologiefluss erhöhen, Kapitalrendite liefern und beschleunigen das Tempo der Innovation.Fragen, über die Führungskräfte nachdenken sollten
• Was ist Ihre Vision, wie sich die Rolle von IT-Organisationen verändern wird, um die Technologie zu demokratisieren? • Wie werden Sie die Rolle eines technischen Produktmanagers stärken und wie werden Sie diese weiterentwickeln? Rolle? Eine Roadmap? •Welche Art von System müssen Sie aufbauen, um die Codenutzung, Wiederverwendung und Leistung zu verwalten?Die Grenzen des Vertrauens erweitern
Das ist es Schätzungen zufolge werden bis 2022 fast 100 % der biometrischen Geräte (z. B. Smartphones) biometrische Daten bei Transaktionen verwenden. Die Wirksamkeit dieser Technologien hat sich erheblich verbessert, wobei sich die besten Gesichtserkennungsalgorithmen seit 2014 um das 50-fache verbessert haben. Diese Entwicklungen schüren ein tiefes Unbehagen in der Beziehung zwischen Technologie und ihren Verbrauchern. „Ungefähr zwei Drittel der Amerikaner sind sehr oder äußerst besorgt über Hackerangriffe auf ihre persönlichen Daten, Finanzinstitute, Regierungsbehörden oder bestimmte Versorgungsunternehmen“, ergab eine Umfrage des Pearson Institute und des AP-NORC Center for Public Affairs Research
Schicht 4: Vertrauen wird ausgeweitet, um ein breiteres Spektrum an Anliegen der Stakeholder zu umfassen und wird zur Verantwortung des gesamten Unternehmens. Schaffen Sie mehr Kundenkontaktpunkte. Auch wenn die Rolle der IT im Unternehmen immer mehr zum Wegbereiter wird, bedeutet die wachsende digitale Umgebung, dass die IT ihre Vertrauensfunktionen in den Bereichen Sicherheit, Datenschutz und Netzwerke erweitern muss. Bisher haben die Verbraucher die Annehmlichkeiten, die die Technologie bietet, weitgehend angenommen – von der Online-Bestellung von Produkten über die Fernanpassung der Temperatur in ihren Häusern bis hin zur Überwachung ihrer Gesundheit über persönliche Geräte. Als Gegenleistung für diese Annehmlichkeiten sind Verbraucher bereit, einige persönliche Informationen anzugeben. Da sich die Technologie jedoch weiterentwickelt, nehmen die Bedenken hinsichtlich Datenschutz und Vertrauen zu, wodurch die Bedeutung des umfassenderen Themas Vertrauen steigt. Verbraucher sind sich zunehmend ihres Rechts auf Identität bewusst, treffen Entscheidungen auf der Grundlage von Werten und fordern von Unternehmen einen ethischen Umgang mit Daten und verantwortungsvolle KI-Technologie.
Die offensichtlichste Sorge der Verbraucher ist die Cybersicherheit, ein Dauerthema, das auf die Tagesordnung der Vorstandsetagen gesetzt wurde. Aber das Problem des technologiegetriebenen Vertrauens ist viel umfassender und wird durch drei Merkmale bestimmt. Erstens gibt die schiere Menge an personenbezogenen Daten, die von Unternehmen und Regierungen erfasst werden, Anlass zur Sorge hinsichtlich Datenschutz und Datenmissbrauch. Zweitens treten in der realen Welt immer häufiger persönliche Sicherheitsprobleme auf. Beispielsweise sind verkabelte Häuser, vernetzte Autos und das medizinische IoT allesamt Angriffsvektoren, die sich auf das Leben der Menschen auswirken könnten. Ein drittes Problem besteht darin, dass fortgeschrittene Analysen zu komplex erscheinen, um sie zu verstehen und zu kontrollieren, was zu tiefem Unbehagen über die Beziehung der Menschen zur Technologie führt. Diese Frage treibt die Entwicklung der „erklärbaren KI“ und die Bewegung zur Beseitigung von Vorurteilen in der KI voran. Zu dieser Komplexität kommt noch die Tatsache hinzu, dass Unternehmen häufig das Vertrauen in gesamten Technologieökosystemen verwalten und sicherstellen müssen. Nehmen wir zum Beispiel verkabelte Häuser. Die zunehmende Verbreitung von Geräten wie virtuellen Assistenten, Sicherheits-, Kommunikations-, Energieverwaltungs- und Unterhaltungssystemen bedeutet, dass sich eine große Anzahl von Anbietern auf Standards für die Verwaltung vernetzter Heimsicherheitsnetzwerke einigen muss. Diese Trends erfordern eine weitere Ausweitung der Grenzen des Vertrauens. Wenn Unternehmen nicht überdenken, wie sie dieses Vertrauen verwalten und pflegen, werden viele der wichtigen Vorteile der etablierten Unternehmen – bestehende Kundenbeziehungen und proprietäre Daten – gefährdet sein. Unternehmen müssen darüber nachdenken, Identitäts- und Vertrauensmanagement in den Mittelpunkt des Kundenerlebnisses und der Geschäftsprozesse zu stellen. Dies kann nur effektiv erreicht werden, wenn das Unternehmen einen engagierten Leiter mit echten Autoritäten und Vorstandsprioritäten ernennt und unternehmensweite Verantwortung in den Bereichen Vertrauen und Sicherheit übernimmt. Angesichts der technologischen Grundlagen dieser Vertrauensumgebung muss die IT eine Schlüsselrolle bei der Überwachung und Behebung spielen, beispielsweise bei der Bewertung der Auswirkungen neuer Rechtsvorschriften auf KI-Algorithmen, der Verfolgung von Vorfällen, der Ermittlung des Umfangs und der Art risikoreicher Datenverarbeitungsaktivitäten usw automatisierte Entscheidungsfindung und Überwachung des Vertrauensniveaus der Verbraucher und der sie betreffenden Probleme.Fragen für Führungskräfte zum Nachdenken
•Wer ist für die Vertrauens- und Risikohaltung im gesamten Unternehmen verantwortlich? •Wie integrieren Sie Kunden? Vertrauen in den gesamten Cybersicherheitsprozess?
•Welche Datenschutz-, Vertrauens- und Sicherheitsprozesse gibt es, um den gesamten Lebenszyklus von Daten zu verwalten? beschleunigen. In Zukunft müssen erfolgreiche Technologieführer nicht nur neue Technologien einführen, sondern auch Fähigkeiten aufbauen, um den laufenden Wandel zu bewältigen und ihn zu einer Quelle von Wettbewerbsvorteilen zu machen.Das obige ist der detaillierte Inhalt vonTrends, die die Zukunft von IT und Business verändern. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undress AI Tool
Ausziehbilder kostenlos

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

In der Welt der Front-End-Entwicklung ist VSCode mit seinen leistungsstarken Funktionen und seinem umfangreichen Plug-in-Ökosystem für unzählige Entwickler zum Werkzeug der Wahl geworden. In den letzten Jahren sind mit der rasanten Entwicklung der Technologie der künstlichen Intelligenz KI-Code-Assistenten auf VSCode entstanden, die die Codierungseffizienz der Entwickler erheblich verbessert haben. KI-Code-Assistenten auf VSCode sind wie Pilze nach einem Regen aus dem Boden geschossen und haben die Codierungseffizienz der Entwickler erheblich verbessert. Es nutzt Technologie der künstlichen Intelligenz, um Code intelligent zu analysieren und eine präzise Code-Vervollständigung, automatische Fehlerkorrektur, Grammatikprüfung und andere Funktionen bereitzustellen, wodurch Entwicklerfehler und mühsame manuelle Arbeit während des Codierungsprozesses erheblich reduziert werden. Heute werde ich 12 KI-Code-Assistenten für die Frontend-Entwicklung von VSCode empfehlen, die Sie bei Ihrer Programmierreise unterstützen.

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
