[[373625]]

日前，德勤管理咨詢正式發布了《2021技術趨勢報告》。本年度報告研究了疫情一年來對企業戰略、運營和技術帶來的連鎖反應，論述了其重大發現：全球企業正在加速數字化戰略轉型，從而構建「韌性」、開創全新的經營模式。

《報告》表明，危機以一種重要而意想不到的方式推動變革，全球企業均在加速數字化轉型，不僅是為了運營更加靈活、高效，更主要地是為了應對市場需求和客戶期望的劇烈波動。在這樣的背景下，報告討論了接下來18至24個月及以后的九大技術趨勢，包括未來的工作環境、人工智能產業化、關鍵核心業務的升級以及支持多樣性、公平性和包容性的技術等內容，分為三大類：

一、 企業技術方面，關注協調公司和技術戰略的重要性；重新審視企業如何利用云計算、低代碼和平臺戰略等進行數字化創新，優化遺留資產；還深入研究了供應鏈轉型。

企業的核心在于戰略工程化、激活核心系統、解放供應鏈，從而確保組織戰略和技術戰略協同、一致，方可成功。

二、 在人機交互方面，報告著眼于未來工作場所、數字化體驗趨勢以及支持多樣性、公平和包容的新技術。

為數十億人量身定制、整合數字與現實、重啟數字化工作環境，為客戶、員工和利益相關者提供了正反兩個方面視角：如何更好地融合線上與線下體驗，從而創造更多價值？公平性與包容性（DEI）技術介紹了日益復雜的公平工具如何在人才生命周期中確保組織的公平與包容，并持續推動創新。

三、 數據方面，報告關注領先企業如何利用MLOps將AI工業化，并由此讓機器（而不是人）來管理數據。報告還關注了數據安全方面的趨勢。

介紹了 MLOps：產業化人工智能 ；機器數據革命：專供機器的數據，以及零信任：從不相信，永遠驗證，企業通過工業化和自動化實現更多價值的三個機會。

總之，這些技術趨勢明確了動蕩一年更具希望的一面。新技術和正在實施的新業務計劃顯示出了良好的前景。九大趨勢具體如下。

技術驅動的戰略決策

今天的技術為某些組織帶來了新的競爭優勢，同時也為某些組織造成生存的威脅。結果是，公司戰略和技術戰略之間的界限變得模糊不清。而那些具有遠見且精明的企業戰略家們把技術和競爭格局看得更為長遠，在技術加持的業務拓展中考慮更多的未來可能性。

但是，不確定性和可能性的復雜范圍可能超出了人類大腦自身的處理能力，因此，他們轉向使用具有高級分析、自動化和AI的戰略技術平臺，以幫助他們做決策。組織正在使用這些工具不斷識別來自內部和外部的戰略力量，為戰略決策提供信息，并監督決策結果。因此，組織正在將戰略開發從一個少頻、耗時轉變為持續、動態的過程，從而幫助戰略家更有創造性地思考未來的各種可能性。

釋放核心資產價值

對企業系統進行現代化改造，并將其遷移到云端，有助于釋放組織的數字勢能。直到最近，這些事情也有可能會破壞同一組織的數字化轉型預算。對于很多企業而言，遷移到云上和現代化改造的成本可能會過高。但這種情況將會改變。

趨勢是，一些開拓性的公司正在用巧妙的外包來重塑傳統業務，以促進現代化改造。另外，也有一些公司正探索將核心資產轉移到強大的平臺中，包括低代碼選項。最后，許多公司正在通過解決ERP系統的技術債務和將非必要的功能轉移到其他平臺。在不確定的環境下，這些從傳統核心資產中獲取更多價值的創新方法可能很快會成為每位CIO（首席信息官）數字化轉型手冊的標準組成部分。

釋放供應鏈數據價值

長期以來，供應鏈一直在考慮做生意的成本，現在正走出后臺，進入客戶細分和產品差異化的價值前線。面向未來的制造商、零售商、分銷商及其他人正在探索如何釋放供應鏈的價值，將其從成本為中心轉變為以客戶為中心。他們正在收集、分析整個供應網絡中共享的數據，以獲取更多價值。比如，一些組織正在探索使用機器人、無人機及圖像識別等，使得物理供應鏈交互對員工更加高效、安全。

最大的挑戰在于，將已建立的供應鏈轉變為彈性的、以客戶為中心的供應網絡。對于絕大多數組織而言至關重要，需要持之不懈的努力。

MLOps:工業化的人工智能

復雜的機器學習模型可以幫助公司有效地發現模式、揭示異常、做出預測和決策，并產生洞察力，并且日益成為組織績效的關鍵驅動因素。企業意識到需要從個人英雄主義轉向工程性能，從而有效地將ML模型從開發轉移到生產和管理。

然而，由于笨拙、脆弱的開發和部署過程，阻礙了產品團隊、操作人員和數據科學家之間的協作。隨著AI和ML技術的成熟，大量的工程和操作規程可以幫助組織克服這些障礙，有效地擴展AI，以實現業務轉型。為了實現AI和ML更廣泛的變革性收益，手工人工智能時代必須讓位于自動化、工業化的洞察力。MLOps(也被稱為ML CI/CD、ModelOps和ML DevOps)：DevOps工具和方法在模型開發和交付中的應用，能夠在開發和部署階段，實現機器學習的工業化和規模化。

機器數據革命:讓數據支持機器決策

隨著機器學習對企業運營和決策的影響越來越大，越來越多的人工智能先驅認識到，目前遺留的數據模型和基礎設施都是為支持人類而不是機器學習決策而設計的，這可能會成為機器學習成功的障礙。所以這些企業正在部署新的技術和方法，包括先進的數據捕獲和結構化能力，分析來識別隨機數據之間的連接，以及下一代基于云的數據存儲來支持復雜的建模。

這些工具和技術可以幫助企業將不斷增長的數據量轉化為未來的基礎，迎接一個新時代的到來。在這個新時代，機器不僅會增強人類的決策能力，還會做出人類無法做出的實時、大規模決策。

零信任:驗證，而非信任

復雜的網絡攻擊和不斷變化的企業環境呼喚一個「零信任」架構。在零信任架構中，每個訪問請求都應該基于所有可用的數據點進行驗證。包括用戶身份、設備、位置和其他變量，這些變量為每個連接提供上下文，并支持更細微的，有風險性的決策。

數據、應用程序、工作負載和其他資源被視為單獨的、可管理的單元，根據最小特權原則提供訪問。正確實現零信任安全架構所需的自動化和工程可以幫助加強安全態勢、簡化安全管理、改善最終用戶體驗，并支持現代企業環境。不過，向零信任的轉變可能需要大量的努力和規劃，包括解決基本的網絡安全問題，自動化手動流程，以及根據安全組織、技術領域和企業本身的轉型變化進行規劃。

重啟數字化辦公

隨著線上辦公的普及，很多企業都在預測其未來的發展和影響：遠程工作會是常態嗎？永久的遠程辦公是可持續的嗎？生產力和員工福利會受到怎樣的影響？缺乏同事交流會影響創新嗎？實體辦公室會扮演什么角色？

如果企業去接受線上辦公的積極方面，包括使用數字化辦公工具、利用平臺生成的數據，企業或許能夠克服線上辦公的缺陷和不確定性。未來隨著工作空間的發展，企業可以利用現在線上辦公的數據和經驗創建繁榮、高效、低成本的辦公室，并與遠程體驗無縫交織在一起。

為數十億人定制:當數字與實體相結合

回顧2020年，我們會發現這可能是「數字化生活」的轉折點，工作、教育等都逐漸線上化。但是，數字互動的盛行也會讓人懷念面對面交流的日子。展望未來，消費者可能會期待實體和數字品牌的結合——既有高度個性化的親身體驗，又不犧牲在線交易的便利。

德勤預計，在未來18到24個月，線上和線下的互動將不再是分開的體驗，客戶的購物將是人與數字元素的整合、設計，以創造無縫的品牌體驗，以適應個人客戶的行為、態度和偏好。

DEI 技術:保證公平的工具

越來越多的企業都將多元化、公平、包容（DEI）視為必須，而技術在解決日益復雜的DEI挑戰中發揮著越來越重要的作用。在未來幾個月里，預計企業將會采用新工具，如高級分析、自動化和AI（自然語言處理、機器學習），以幫助告知、交付和衡量DEL的影響。