Основные технологические тренды 2025 года

Мы рады поделиться информацией из отчета “Основные стратегические технологические тренды 2025 года”! Отчет Gartner.

Это руководство предназначено для ИТ-директоров и представляет собой дорожную карту для навигации по будущем технологиям. В нем освещаются ключевые тенденции, которые будут определять инновации, при этом подчеркивается этическая ответственность и доверие. Начиная с достижений в области управления искусственным интеллектом и заканчивая развитием квантовых вычислений и интеграцией роботов в нашу повседневную жизнь, этот документ представляет собой сокровищницу информации, которая поможет вам согласовать цифровые амбиции вашей организации со стратегическим планированием для достижения долгосрочного успеха. Погрузитесь в процесс и узнайте, как эти тенденции могут изменить ваш подход к технологиям!

В отчете Gartner «Основные стратегические технологические тренды 2025 года» выделены следующие десять стратегических технологических трендов:

Гибридные вычисления (Hybrid Computing)

Сочетание локальных и облачных ресурсов для повышения гибкости и безопасности.

Гибридные вычисления (Hybrid Computing) представляют собой подход, который сочетает в себе использование различных вычислительных ресурсов, таких как локальные серверы и облачные технологии. Это позволяет организациям:

• Обеспечить безопасность и контроль: хранить критически важные данные и приложения на локальных серверах для повышения безопасности.
• Оптимизировать затраты: использовать облачные ресурсы для обработки пиковых нагрузок, что позволяет экономить на инфраструктуре.
• Ускорить внедрение инноваций: легко интегрировать облачные инструменты для разработки и тестирования, сохраняя при этом защищенные локальные среды для производства.

Таким образом, гибридные вычисления обеспечивают гибкость, масштабируемость и эффективность в управлении вычислительными ресурсами , .

Гибридные вычисления сочетают в себе различные технологии, такие как CPU, и графические процессоры GPU, периферийные устройства, ASIC и нейроморфные, квантовые и фотонные системы, для решения сложных вычислительных задач.

Постквантовая криптография (Post-Quantum Cryptography)

Защита данных от угроз, связанных с квантовыми вычислениями.

Постквантовая криптография (Post-Quantum Cryptography) — это область криптографии, которая разрабатывает методы защиты данных от потенциальных угроз, связанных с квантовыми вычислениями. Основные аспекты постквантовой криптографии включают:

1. Угрозы со стороны квантовых компьютеров: квантовые компьютеры способны решать определённые задачи, такие как факторизация больших чисел, значительно быстрее, чем классические компьютеры. Это может сделать многие существующие криптографические методы, основанные на асимметричной криптографии, уязвимыми.
2. Защита данных: постквантовая криптография разрабатывает алгоритмы, которые будут безопасны даже в условиях, когда квантовые компьютеры станут широкодоступными. Это включает в себя создание новых криптографических схем, которые не подвержены атакам с использованием квантовых технологий.
3. Будущее безопасности: подготовка к переходу на постквантовые алгоритмы важна для обеспечения безопасности конфиденциальных данных, таких как финансовая информация и интеллектуальная собственность, от возможных атак в будущем.
4. Планирование перехода: организациям рекомендуется разрабатывать стратегии перехода на постквантовые криптографические методы, чтобы защитить свои системы и данные от будущих угроз, связанных с квантовыми вычислениями , .

Таким образом, постквантовая криптография является важным направлением в обеспечении безопасности данных в условиях быстро развивающихся технологий.

Энергоэффективные вычисления (Energy-Efficient Computing)

Устойчивые технологии для снижения углеродного следа

Росатом в помощь

Энергоэффективные вычисления (Energy-Efficient Computing)

Энергоэффективные вычисления (Energy-Efficient Computing) — это подход к проектированию и эксплуатации вычислительных систем, направленный на минимизацию энергопотребления и сокращение углеродного следа. Основные аспекты включают:

1. Устойчивость: энергоэффективные вычисления становятся важным элементом устойчивого развития, поскольку они помогают организациям снизить негативное воздействие на окружающую среду, связанное с высоким энергопотреблением.
2. Снижение энергопотребления: использование новых технологий, таких как графические процессоры (GPU), нейроморфные вычисления и квантовые вычисления, позволяет значительно сократить энергопотребление по сравнению с традиционными методами обработки данных.
3. Оптимизация инфраструктуры: энергоэффективные вычисления включают в себя оптимизацию работы центров обработки данных, использование более эффективных систем охлаждения и управления энергией, а также разработку программного обеспечения, которое требует меньше ресурсов.
4. Экономия средств: снижение энергопотребления не только уменьшает углеродный след, но и приводит к значительной экономической выгоде для организаций за счет снижения затрат на электроэнергию и обслуживание оборудования.
5. Интеграция в повседневные операции: применение энергоэффективных технологий может быть реализовано в различных аспектах работы, включая использование IoT-датчиков для управления освещением и климатом в офисах, что позволяет оптимизировать энергопотребление в режиме реального времени , .

Таким образом, энергоэффективные вычисления представляют собой важный шаг к более устойчивому и экологичному будущему в области информационных технологий.

Пространственные вычисления (Spatial Computing)

интеграция физического и цифрового миров для

Пространственные вычисления (Spatial Computing) — это область технологий, которая объединяет физический и цифровой миры. Пространственные вычисления расширяют физический мир, “привязывая” цифровой контент к реальному миру, позволяя пользователям взаимодействовать с ним захватывающе, реалистично и интуитивно.

Основные аспекты пространственных вычислений включают:

1. Интерактивность: пространственные вычисления позволяют пользователям взаимодействовать с цифровыми объектами в трехмерном пространстве, создавая более интуитивные и захватывающие пользовательские интерфейсы. Это может включать использование технологий дополненной (AR) и смешанной (MR) реальности.
2. Цифровые двойники: одним из ключевых применений пространственных вычислений является создание цифровых двойников физических объектов или процессов. Это позволяет в режиме реального времени отслеживать и оптимизировать их производительность, а также проводить моделирование и тестирование без вмешательства в реальные операции.
3. Применение в различных отраслях: пространственные вычисления находят применение в таких областях, как здравоохранение (например, для обучения и симуляций), розничная торговля (например, для улучшения покупательского опыта) и промышленность (например, для мониторинга и управления активами).
4. Технологическая инфраструктура: для реализации пространственных вычислений необходима поддержка различных технологий, включая мощные вычислительные устройства, высокоскоростные сети (например, 5G) и специализированное программное обеспечение для обработки и отображения пространственных данных , .
5. Будущее взаимодействия: ожидается, что с развитием технологий пространственные вычисления станут более распространёнными, и к 2028 году значительное число людей будет регулярно взаимодействовать с цифровым контентом, интегрированным в их физическую среду.

Таким образом, пространственные вычисления представляют собой важный шаг в эволюции взаимодействия человека с технологиями, открывая новые возможности для бизнеса и пользователей.

Полифункциональные роботы (Polyfunctional Robots)

Использование роботов для выполнения различных задач в разных сферах.

Полифункциональные роботы (Polyfunctional Robots) — это машины, которые могут выполнять множество задач, следуя инструкциям или примеру человека. Они отличаются гибкостью как в конструкции, так и в способах работы. Они становятся все более актуальными в условиях растущих затрат на рабочую силу и необходимости повышения рентабельности в таких отраслях, как складская логистика и производство. Основные характеристики и области применения полифункциональных роботов включают:

1. Гибкость: многофункциональные роботы могут адаптироваться к выполнению различных задач, что делает их универсальными инструментами в производственных и сервисных средах. Они могут использоваться для выполнения таких задач, как сборка, упаковка, транспортировка и даже обслуживание.
2. Применение в различных отраслях:
   • Складская логистика: в складских помещениях они могут выполнять задачи по сбору, упаковке и транспортировке товаров.
   • Здравоохранение: В медицинских учреждениях полифункциональные роботы могут доставлять медикаменты, содействовать передвижению пациентов или даже дезинфицировать помещения.
   • Обслуживание на местах: Они могут использоваться для проверки оборудования, проведения планового технического обслуживания и устранения поломок в удаленных или опасных условиях.
3. Снижение затрат и повышение эффективности: использование многофункциональных роботов позволяет компаниям сократить трудозатраты и повысить общую эффективность операций, поскольку они могут выполнять задачи быстрее и с меньшим количеством ошибок, чем люди.
4. Человеко-машинное взаимодействие: многофункциональные роботы разрабатываются с учетом взаимодействия с людьми, что позволяет им работать в средах, созданных для человека. Для этого не обязательно иметь человеческую форму. Самые успешные многофункциональные роботы не будут копировать человеческую форму — они будут ее улучшать
5. Перспектива: Ожидается, что к 2030 году 80% людей будет ежедневно взаимодействовать с роботами. Сегодня 10%.

Таким образом, многофункциональные роботы представляют собой важный шаг в развитии робототехники, предлагая решения для повышения гибкости и эффективности в различных отраслях.

Нейро совершенствование (Neurological Enhancement)

Технологии, направленные на улучшение когнитивных функций человека.

“Нейро совершенствование” – это процесс улучшения когнитивных способностей человека с использованием технологий, которые считывают и декодируют мозговую активность и, при необходимости, записывают данные в мозг. омг

“Нейрологическое улучшение” (Neurological Enhancement) — это процесс, направленный на улучшение когнитивных функций человека с помощью технологий, которые могут считывать и декодировать активность мозга, а также, в некоторых случаях, воздействовать на него. Основные аспекты “нейрологического улучшения” включают:

1. Технологии взаимодействия с мозгом: “Нейрологическое улучшение” использует различные технологии, такие как интерфейсы «мозг-машина» (brain-machine interfaces, BMI), которые могут считывать нейронные сигналы и, в некоторых случаях, отправлять сигналы обратно в мозг. Это позволяет улучшать когнитивные способности, такие как память, внимание и обучение.
2. Применение в образовании и медицине:
   • Образование: Нейрологическое улучшение может быть использовано для персонализации образовательного процесса, адаптируя учебные материалы к потребностям и способностям студентов в реальном времени.
   • Медицина: В медицинской сфере технологии могут помочь сократить время обучения для хирургов, улучшая их навыки и уменьшая количество ошибок. Также они могут использоваться для повышения безопасности на рабочем месте, снижая количество несчастных случаев и травм.
3. Персонализированный опыт: “Нейрологическое улучшение” может создать более глубокие и персонализированные взаимодействия с потребителями, используя данные о нейронной активности для адаптации маркетинговых стратегий и продуктов.
4. Будущее технологий: Ожидается, что к 2030 году значительное количество работников в сфере информационных технологий будет зависеть от технологий “нейрологического улучшения”, таких как двунаправленные интерфейсы «мозг-машина», которые будут как финансироваться работодателями, так и использоваться самостоятельно , .
5. Этические и социальные аспекты: С развитием технологий “нейрологического улучшения” возникают вопросы этики и безопасности, связанные с использованием таких технологий, их воздействием на личность и возможными последствиями для общества.

Таким образом, нейро улучшение представляет собой перспективное направление, которое может значительно изменить подход к обучению, работе и взаимодействию человека с технологиями, открывая новые возможности для повышения производительности и качества жизни.

Автономные или полуавтономные ИИ (Agentic AI)

К 2028 году не менее 15% повседневных рабочих решений будут приниматься автономно с помощью искусственного интеллекта, по сравнению с 0% в 2024 году.

Вопросы, связанные с этикой и управлением искусственным интеллектом.

Agentic AI (Агентный ИИ) — это тип программного обеспечения, которое способно самостоятельно принимать решения и выполнять действия для достижения определенных целей. Основные характеристики и функции Agentic AI включают:

1. Автономность: Эти программы могут действовать без постоянного вмешательства человека, что позволяет им выполнять задачи и принимать решения в реальном времени.
2. Комбинация технологий: Agentic AI использует различные методы искусственного интеллекта, что позволяет ему быть более гибким и эффективным в решении задач.
3. Память: Программы могут запоминать информацию о предыдущих действиях и результатах, что помогает им улучшать свои решения и адаптироваться к изменяющимся условиям.
4. Планирование: Agentic AI способен разрабатывать стратегии и планы для достижения своих целей, что делает его полезным в сложных и динамичных средах.
5. Восприятие окружающей среды: Эти программы могут использовать сенсоры и другие источники данных для понимания своей среды, что позволяет им принимать более обоснованные решения.

В целом, Agentic AI представляет собой мощный инструмент, который может значительно повысить эффективность работы в различных областях, от автоматизации бизнес-процессов до улучшения пользовательского опыта.

Таким образом, для успешного внедрения ИИ организациям необходимо балансировать между использованием его возможностей и управлением связанными с этим рисками.

Платформы управления ИИ (AI Governance Platforms)

Инструменты для обеспечения этичного использования ИИ.

Платформы управления ИИ

Платформы управления ИИ (AI Governance Platforms) — это системы и инструменты, предназначенные для обеспечения ответственного и этичного использования технологий искусственного интеллекта (ИИ) в организациях. Они помогают управлять рисками, связанными с ИИ, и гарантируют, что его применение соответствует установленным стандартам и ценностям. Основные аспекты платформ управления ИИ включают:

1. Управление рисками: Платформы помогают оценивать потенциальные риски и вред, которые могут возникнуть при использовании ИИ, такие как предвзятость, нарушения конфиденциальности и негативные социальные последствия.
2. Процессы управления моделями: Они обеспечивают руководство по процессу управления моделями ИИ, включая соблюдение всех необходимых стандартов и контрольных точек на протяжении всего жизненного цикла модели.
3. Мониторинг и аудит: Платформы позволяют отслеживать использование ИИ, контролировать производительность систем и проводить аудит процессов принятия решений, чтобы гарантировать соответствие стандартам управления.
4. Этика и прозрачность: Они помогают организациям разрабатывать и внедрять этические принципы и политики, связанные с использованием ИИ, обеспечивая прозрачность и подотчетность в принятии решений.
5. Соответствие нормативным требованиям: Платформы управления ИИ помогают организациям соответствовать законодательным и регуляторным требованиям, что особенно важно в отраслях с жесткими стандартами, таких как финансы и здравоохранение.

В результате, использование платформ управления ИИ позволяет организациям не только минимизировать риски, связанные с ИИ, но и повысить доверие клиентов и соответствие нормативным требованиям, что в конечном итоге способствует долгосрочному успеху бизнеса , .

Императивы и риски ИИ

— это ключевые аспекты, которые необходимо учитывать при внедрении и использовании технологий искусственного интеллекта (ИИ). Основные моменты:

1. Императивы:
   • Инновации и конкурентоспособность: Организации должны активно использовать ИИ для создания новых продуктов и услуг, что позволяет им оставаться конкурентоспособными на рынке.
   • Эффективность и автоматизация: ИИ может значительно повысить операционную эффективность, автоматизируя рутинные задачи и позволяя сотрудникам сосредоточиться на более сложных и творческих аспектах работы.
   • Анализ данных: ИИ способен обрабатывать и анализировать большие объемы данных, что помогает в принятии более обоснованных решений и выявлении новых возможностей.
2. Риски:
   • Этические и правовые вопросы: Использование ИИ поднимает вопросы этики, такие как предвзятость алгоритмов, конфиденциальность данных и ответственность за решения, принимаемые ИИ.
   • Безопасность: Системы ИИ могут быть уязвимы для атак, что ставит под угрозу безопасность данных и инфраструктуры.
   • Социальные последствия: Внедрение ИИ может привести к изменениям на рынке труда, включая потерю рабочих мест и необходимость переквалификации работников.

ИИ в банках

Когда вы пользуетесь мобильным приложением или веб-сайтом банка, искусственный интеллект
участвует в таких функциях, как обнаружение мошенничества, одобрение кредитов и персонализированные финансовые консультации.

Платформа управления с использованием искусственного интеллекта помогает банку обеспечить справедливое и этичное принятие решений этими системами, защиту данных и соблюдение нормативных требований.

Безопасность от дезинформации (Disinformation Security)

Защита от манипуляций и ложной информации.

“Безопасность от дезинформации” (Disinformation Security) — это набор стратегий и технологий, направленных на защиту организаций от манипуляций, фальшивой информации и других форм дезинформации, которые могут угрожать их репутации, безопасности и операционной деятельности. Основные аспекты безопасности от дезинформации включают:

1. Идентификация и верификация информации: Системы безопасности от дезинформации используют технологии, такие как анализ данных и машинное обучение, для выявления и проверки подлинности информации. Это помогает определить, является ли информация достоверной или фальшивой.
2. Защита от манипуляций: Эти системы помогают предотвратить попытки манипуляции общественным мнением или репутацией организации через фальшивые новости, подделки и другие дезинформационные кампании. Это может включать мониторинг социальных медиа и новостных источников на предмет распространения ложной информации.
3. Обнаружение подделок: Технологии, такие как детекция “глубоких фейков” (deepfake), используются для выявления и предотвращения использования поддельных изображений и видео, которые могут быть использованы для обмана или манипуляции.
4. Обучение и осведомленность: Организации также должны обучать своих сотрудников и клиентов о рисках дезинформации и методах ее распознавания, чтобы повысить общую осведомленность и защиту.
5. Мониторинг и реагирование: Системы безопасности от дезинформации обеспечивают постоянный мониторинг информационного пространства для выявления и быстрого реагирования на угрозы, связанные с дезинформацией, что позволяет минимизировать потенциальный ущерб.

“Безопасность от дезинформации” играет критически важную роль в защите организаций от негативных последствий, связанных с распространением ложной информации и манипуляциями, что в свою очередь способствует поддержанию доверия и репутации , .

Окружающий интеллект (Ambient Invisible Intelligence)

Ambient Invisible Intelligence (Атмосферный невидимый интеллект) — это концепция, которая описывает использование небольших, недорогих датчиков и меток для отслеживания местоположения и состояния различных объектов и окружающей среды. Основные характеристики и аспекты этой технологии включают:

1. Невидим для пользователя: Технологии, составляющие “окружающий интеллект”, часто интегрированы в повседневные объекты и среды таким образом, что пользователи не осознают их присутствия. Это позволяет собирать данные без необходимости активного участия человека.
2. Сбор и анализ данных: Данные, собранные с помощью датчиков, отправляются в облако для анализа и хранения. Это позволяет организациям получать ценную информацию о поведении пользователей, состоянии объектов и окружающей среды.
3. Применение в различных сферах: Ambient Invisible Intelligence может использоваться в различных областях, таких как:
   • Розничная торговля: Автоматическая настройка освещения, музыки и рекомендаций по продуктам на основе поведения клиентов.
   • Здравоохранение: Непрерывный мониторинг состояния пациентов без необходимости носить носимые устройства, что позволяет реагировать на экстренные ситуации в реальном времени.
   • Производство: Компоненты и машины могут общаться с системами управления, предоставляя обновления о потребностях в обслуживании, уровнях запасов или паттернах использования , .
4. Экономическая привлекательность: Снижение стоимости технологий, таких как датчики и метки, делает их более доступными для широкого применения, что способствует их внедрению в различные экосистемы.
5. Поддержка AI и аналитики: Эти технологии становятся ключевыми источниками данных для искусственного интеллекта и аналитики, что позволяет улучшать продукты и процессы, а также оптимизировать цепочки поставок и управление ресурсами.

Таким образом, окружающий интеллект представляет собой важный шаг в развитии технологий, позволяющий создавать более умные и адаптивные системы, которые могут улучшать качество жизни и эффективность работы в различных сферах.

Делаем вывод из гартнеровского доклада про Технологические тренды 2025

Грядет синергия человека и машины (Human-Machine Synergy)

Улучшение взаимодействия между людьми и технологиями для повышения эффективности.

Синергия человека и машины (Human-Machine Synergy) — улучшение взаимодействия между людьми и технологиями с целью повышения общей эффективности и производительности. Основные аспекты этой синергии включают:

1. Совместная работа: Синергия подразумевает, что люди и машины работают вместе, дополняя друг друга. Технологии могут выполнять рутинные, повторяющиеся или сложные задачи, освобождая людей для более творческой и стратегической работы.
2. Улучшение производительности: Использование технологий, таких как роботы и искусственный интеллект, позволяет ускорить процессы и повысить точность выполнения задач. Это приводит к увеличению общей производительности и снижению ошибок.
3. Интуитивное взаимодействие: Разработка интерфейсов и систем, которые легко воспринимаются и используются людьми, способствует более естественному взаимодействию. Это может включать голосовые команды, жесты или другие формы управления, которые делают технологии более доступными.
4. Обучение и адаптация: Системы могут обучаться на основе взаимодействия с пользователями, что позволяет им адаптироваться к предпочтениям и стилю работы человека. Это создает более персонализированный опыт и улучшает результаты.
5. Поддержка принятия решений: Технологии могут предоставлять аналитические данные и рекомендации, которые помогают людям принимать более обоснованные решения. Это особенно важно в сложных и динамичных средах, где требуется быстрая реакция.
6. Улучшение качества жизни: Синергия человека и машины может также привести к улучшению качества жизни, например, через использование вспомогательных технологий для людей с ограниченными возможностями или через автоматизацию рутинных задач в повседневной жизни.

Синергия человека и машины направлена на создание гармоничного взаимодействия, где технологии не заменяют людей, а дополняют их способности, что в конечном итоге приводит к повышению эффективности и улучшению результатов , .

Эти тенденции подчёркивают важность стратегического подхода к технологиям и их влиянию на бизнес-модели и инновации.

Нейросети для бизнеса – 5 вариантов использования