行业专家指出，从来没有预见过如此迅速变化的发展前景。随着创新的步伐突飞猛进，IT的主要子行业已经变得越来越复杂:
•人工智能：ChatGPT在去年11月的惊人亮相让行业人士注意到，人工智能正在呈指数级增长，提供了一个在不久前还很科幻的工具集(免费)。
2023年及以后的技术预测
以下是对2023年及以后将影响企业发展的技术和发展趋势进行的预测。
数字化转型
(1)值得关注的六大趋势
2023年有六个主要的宏观趋势值得关注。
· 首先，人们的工作方式发生了改变。如果说人们从新冠疫情中学到了什么的话，那就是工作地点和方式在不断变化。创新技术将继续是实现这种灵活性的关键。
· 经济增长转变。全球金融市场出现动荡。推动全球经济增长的国家正在发生变化，地缘政治挑战改变了商业运作方式。预测市场变化并找到成功的方法需要大量的数据分析和洞察，这会在未来一年中继续增长。
· 包括采购、制造、分销、库存和最后一公里交付在内的供应链已经发生了变化，数据和洞察变得至关重要。对于许多企业来说，要确保适应供应链的变化，以达到客户和员工的期望，他们现在面临着难以置信的压力。
· 网络安全。网络安全不再只是企业首席安全官的工作，而是每个人的工作。然而，这需要以一种不制造摩擦或减缓业务的方式来完成。
· 数据的价值。根据Statista公司发布的一份调查报告，到今年年底，全球每人平均将产生97 ZB的数据。如果能够捕捉、分析并应用它来获得更好的业务结果，这就创造了巨大的机会。
· 对社会负责的企业为每个人创造了机会和希望，让每个人都能做出正确的决定，共同影响气候变化、多样性和包容性，让世界变得更美好
(2)元宇宙技术仍将只是炒作，而数字化转型技术将快速发展
虽然围绕元宇宙技术可能会出现一些令人眼花缭乱的产品，但在2023年，元宇宙不会产生任何大规模采用或改变游戏规则的影响。在可预见的未来，这些技术仍将只是炒作，直到越来越多的企业更好地了解这个领域及其影响。
以降低成本为重点的加速数字化转型的技术将在2023年获得动力。在新冠疫情期间开始的数字化转型趋势会继续加速，企业会寻找新的方法来提高系统和流程的效率。
(3)IT的可持续性和降低成本
远程工作仍然是一个不变的趋势，随着越来越多的员工选择在家工作，人们将看到更多关于IT可持续性的讨论，包括如何降低IT成本，以及如何对环境产生更积极的影响。
人们使用的笔记本电脑约70%的碳足迹来自制造过程，因此企业可以采取切实行动，以提高成本效益和可持续性，评估如何延长笔记本电脑和其他设备的生命周期。企业领导者要问的一个关键问题是，他们所在的公司如何更有效地重新利用和更新IT设备。
人工智能和数据
(1)从机器人到智能自动化的重大扩展
在过去的几十年，自动化的价值主要来自于使用机器人来复制人类的行为，并消除费力而重复的任务。在2023年，预计将见证从机器人到智能自动化的重大扩展，智能自动化使用人工智能和分析来执行数据驱动的任务，几乎不需要人工交互。这种实现将对人力的依赖转移到技术上，因此工作人员可以将注意力集中在业务的其他领域。
随着越来越多的企业采用这种更新的结构，他们会发现企业的日常任务效率更高。想象一下，只需操作键盘和鼠标，就可以简化数百个流程和决策，从确定员工工作任务的优先级，到确定货架上的产品库存，再到自动化客户联系。优化工作流程和降低成本的可能性和机会是无限的。
(2)企业将寻求能够实现目标的人工智能解决方案
2023年，不支持并行处理的低效x86传统计算架构将让位于加速计算解决方案，这些解决方案能够提供构建语言模型、推荐器等所需的计算性能、规模和效率。
在经济逆风中，企业将寻求能够实现目标的人工智能解决方案，同时简化IT成本并提高效率。使用软件集成跨基础设施工作流的新平台将带来计算性能的突破，降低总体拥有成本，减少碳足迹，并在变革性人工智能项目上获得可观的投资回报，从而取代更浪费、更陈旧的架构。
(3)人工智能将彻底改变安全、风险和欺诈
人工智能和强大的数据功能重新定义了企业的安全模型和功能。安全从业者和整个行业将拥有更好的工具和及时的信息，他们应该能够以更高的精度隔离安全风险。他们还将使用更多类似营销的技术来了解异常行为和不良行为。
(4)个性化将塑造员工体验
个性化已经成为企业和消费者寻求建立忠诚度的主要目标之一。2023年，这种个性化将在工作场所变得更加普遍(个性化的福利、奖励、入职、培训计划)。
员工在本质上是消费者，他们将越来越多地期待在日常生活中习惯的个性化服务进入工作场所。在员工招聘方面仍然具有挑战性，企业正在为放缓的增长速度做准备的时候，个性化可以帮助企业用更少的资源做更多的事情，并确保人才的稳定性。
(5)安全自动化的主动足迹继续扩大
安全自动化部署将转向积极主动的方法，帮助在网络攻击发生之前进行预防，而不是基于历史攻击回溯性地构建工作流和流程。
其中包括安全团队利用早期威胁情报信号，并在工作流程中构建针对它们的防御措施。其结果将是一个全面的新的防御攻击的能力框架，将整个安全堆栈整合到迄今为止最强大的保护方法中。
(6)人工智能和机器学习系统必须实时工作
医疗保健人工智能将很快从被动状态转变为主动状态。要实现这一点，人工智能和机器学习系统必须实时工作。这可以通过以下几种方式来实现：
·实现主动或预测人工智能的一种方法是拥有一个基于MLOps的闭环系统，其中机器学习模型训练在后台进行，以生成仅应用于实时数据的模型。观察预测质量，如果预测质量下降，则触发自动闭环，重新训练数据以生成新模型，并将新版本放回流预测管道中。
·实现主动人工智能的另一种方法是实现一个持续学习框架，在这个框架中，相同的模型从错误中学习，并随着时间的推移自动纠正自己。
(7)人工智能方法将基于自我监督和生成式人工智能算法的使用
如今的大多数人工智能模型都是基于监督学习的，其中标签与测量相结合，以教授一种预测未知数据的算法。然而，创建一个标记的数据集需要大量的工作，因此，通常只有数据的一个子集可以被标记，从而限制了当前模型的学习能力。
在未来几年，可以期待看到基于使用自监督和生成式人工智能算法的人工智能方法，以促进在模型训练中纳入更大量的数据。
监督学习能够学习底层测量的重要特征，这些特征是数据的更丰富的表示。生成算法的优点是创建合成数据——标签来自不同的信号域，重要的特征是从感兴趣的域学习的。在这两种情况下，都需要进行适当的验证，以证明算法的有效性，并证明其预测中没有任何偏差。
(8)自动化、AIOps和经济衰退
与人们在新冠疫情开始时看到的情况非常相似，2023年的经济衰退将迫使企业弄清楚如何通过自动化和AIOps等技术来扩大规模，而不是通过增加员工数量实现规模扩张。
由于很多公司冻结员工招聘，并被迫以固定的预算工作，除了裁员之外，企业必须找到支持现有员工的方法，并为IT、SRE和DevOps团队创造一个压力较小的工作环境，以避免员工倦怠。因此必须采用有效的、自动化的解决方案。
(9)行业认可的开放式Lakehouse将会出现
随着市场进一步选择表格式、计算引擎和接口的开放选项，Lakehouse版本的LAMP堆栈将会出现。Linux基金会和Apache软件基金会的项目将成为其中的组件。