身处高度不确定的市场格局中，尽管技术变革的浪潮风起云涌，但很多企业还是希望找到相对确定的投资，以获得较好的 ROI 表现。可以说，在当今的时代，创新的理念和工具并不缺乏，企业更需要的是一条通往商业成功的正确路径和策略。在 Gartner 公布的 2024 年十大战略技术趋势中，就给出了一些有价值的参考建议。Gartner 研究副总裁高挺介绍称：" 此次的‘十大战略技术趋势’分为三个主题，即保护你的投资、开发者的崛起、交付价值，这些趋势背后还有一个共性，那就是 AI。"

Gartner 2024 年十大战略技术趋势

十大趋势分布在上述三大主题，既有相关联的部分，也有独立的部分。在 " 保护你的投资 " 中，AI Trism（AI Trust，Risk，Security Management/AI 信任、风险和安全管理）的提出恰逢其时，如今，每个组织都在 AI 的发展中争先恐后，但只有少数企业会系统性的思考其背后的风险。这正是 Gartner 担心的问题。在没有护栏的情况下，AI 模型可能会迅速产生脱离控制的多重负面效应，抵消 AI 所带来的一切正面绩效和社会收益。AI TRiSM 提供用于模型运维（ModelOps）、主动数据保护、AI 特定安全、模型监控（包括对数据漂移、模型漂移和 / 或意外结果的监控），以及第三方模型和应用输入与输出风险控制的工具。

Gartner 预测，到 2026 年，采用 AI TRiSM 控制措施的企业将通过筛除 80% 的错误和非法信息来提高决策的准确性。据了解，AI TRiSM 架构包括六个模块，分别是：内容异常检测、数据保护、AI 应用安全、可解释性 / 透明度，、模型管理（ModelOps），以及对抗攻击的防御，旨在从早期数据训练可能遭遇的 " 恶意引导 "，到应用生成式 AI 时的 " 提示词攻击 "，提供全生命周期的 "AI Trust" 框架。

CTEM（Continuous Threat Exposure Management/ 持续威胁暴露面管理）是一套对于安全态势的修复和改进的框架，可以帮助企业持续且统一地评估数字与物理资产的可访问性、暴露情况和可利用的务实系统性。该架构不止是发现漏洞，然后去修补，而是更关注业务层面的风险暴露面，先进行识别，然后对其以业务为导向进行风险的优先级管理，根据威胁载体或业务项目（而非基础设施组件）调整 CTEM 评估和修复范围不仅能发现漏洞，还能发现无法修补的威胁。Gartner 预测，到 2026 年，根据 CTEM 计划确定安全投资优先级别的企业机构将减少三分之二的漏洞。

CTEM 包括五个模块，分别是 Scoping、Discovery、prioritization、Validation、Mobilizatlon，每个模块拥有各自的方法论、技术工具和实践。威胁暴露面所指的不止是网络安全漏洞，而是涉及风险范围、风险敞口，以及应用程序、社交账户、IT 设备等，还要考虑风险暴露后被利用的可能性，以及对业务的影响程度等因素。当然，风险控制并不能做到完全的自动化，Gartner 认为，接受与风险共存、同时提高业务韧性是更为实际的做法。这也是 CTEM 的理念，即很多风险需要花费大量的资源去控制或消除，要结合业务优先级来处理。

社会数字化水平的提升，伴随着电力等资源的大量消耗，尤其是暴力计算的加剧，人们更需要考虑一种可持续的技术路径。Gartner 预测，到 2025 年时 75% 的组织会面临持续的电力短缺，到 2027 年时 25% 的 CIO 的个人薪酬将与他们对可持续技术的影响挂钩。可持续技术（Sustainable Technology）是一个数字解决方案框架，其用途是实现能够支持长期生态平衡与人权的环境、社会和治理（ESG）成果。提高使用 IT 时的效率、循环性与可持续性变得更加重要。

践行可持续技术减少碳排放

那么，要如何找到资源使用和能源节约的平衡点呢？首先要 Sustainability of IT，IT 部门要可持续，提高资产利用率，把这种理念贯穿于工作流程、供应链等各个方面，促进循环经济，其次是 Sustainability with IT，IT 要对可持续性进行赋能的地方，也就是相关的数据，企业要搜集、管理、分析能耗数据，说要心中有数，高效管理。

在开发者的崛起部分，平台工程（Platform Engineering）是第二年入选这一趋势，指的是构建和运营自助式内部开发平台的一门学科，通过一系列的工具和流程为企业的软件开发团队提供了自助开发门户 / 内部开发平台，该平台涵盖应用程序生命周期中的所有操作，由专门的产品团队创建和维护，并通过与工具和流程对接来支持用户需求层，目标是优化生产力和用户体验并加快业务价值的实现。相较之下，传统的项目开发制容易造成重复开发等资源浪费，而平台工程可以提供可组装、可重用、可配置的服务，能够根据不同应用场景的需求提供相应的模块，包括基础设施、开发工具、数据管理、安全与身份管理、运维管理、服务目录等平台能力。

借助 AI 增强开发，可以强化整个开发的生命周期，使用生成式 AI、机器学习等 AI 技术协助软件工程师进行应用设计、编码和测试，例如，对样板代码、重构代码，以及旧的框架或编程语言进行学习等场景带来了较大的帮助，同时，像单元测试、系统集成测试、UAT 测试、回归测试等传统环节会被 AI 开发取代，重点体现在编写测试代码、生成测试数据、生成单元测试中的 " 测试桩 "。可以说，AI 辅助软件工程提高了开发人员的生产力，使开发团队能够满足业务运营对软件日益增长的需求。这些融入了 AI 的开发工具能够减少软件工程师编写代码的时间，使他们有更多的时间开展更具战略意义的活动，比如设计和组合具有吸引力的业务应用等。

Gartner 预测，到 2027 年将有超过 70% 的企业使用行业云平台（ICP）加速其业务计划，而 2023 年的这一比例还不到 15%。ICP 通过可组合功能将底层 SaaS、PaaS 和 IaaS 服务整合成全套产品，推动与行业相关的业务成果。这些功能通常包括行业数据编织、打包业务功能库、组合工具和其他平台创新功能。ICP 是专为特定行业量身定制的云方案，可以进一步满足企业机构的需求。进一步来看，行业云平台具备可组装和模块化两大特征，可以把一些通用的业务能力模块化之后放在公有云的架构上，之后进行重新的排列组装。除了会放在公有云上，行业云平台还添加了针对行业的 " 业务能力封装（PBC）"，可以支持特定行业需求。根据 Gartner 的估算，当前在 20 多个行业中有超过 270 个 " 行业云平台 "。

在交付价值部分，智能应用（Intelligent Applications）是时下比较流行的一种概念，Gartner 将智能应用中的 " 智能 " 定义为自主做出适当响应的习得性适应能力。在许多用例中，这种智能被用于更好地增强工作或提高工作的自动化程度。作为一种基础能力，应用中的智能包含各种基于 AI 的服务，如机器学习、向量存储和连接数据等。因此，智能应用能够提供不断适应用户的体验。这种智能可以体现在手机上的电量管理，也可以体现在自动驾驶、机器人等场景，系统可以通过自学习去改善用户体验。

目前，已经存在对智能应用的明确需求，在 2023 年 Gartner 首席执行官（CEO）和业务高管调查中，26% 的 CEO 认为对企业机构破坏力最大的风险是人才短缺。吸引和留住人才是 CEO 在人力资源方面的首要任务，而 AI 被认为是未来三年对他们所在行业影响最大的技术。Gartner 预测，到 2026 年超过 80% 的独立软件开发商，都会把生成式 AI 的能力嵌入到企业当中去，这一比例在 2023 年只有 1%。

经过大规模预训练的模型、云计算与开源的融合正在推动生成式人工智能（生成式 AI）的全民化，使这些模型能够被全球工作者所用。到 2026 年，Gartner 预测超过 80% 的企业将使用生成式 AI 的 API 或模型，或在生产环境中部署支持生成式 AI 的应用，而在 2023 年初这一比例不到 5%。也就是说，生成式 AI 的使用门槛将会越来越低，几乎可以为所有人提供 " 生成、创造、编写数字内容和内容 " 的能力，相应的应用成本同样会降低。

生成式 AI 应用可以让企业用户访问并使用大量内部和外部信息源，这意味着生成式 AI 的快速采用将极大地促进企业知识和技能的全民化。大型语言模型使企业能够通过丰富的语义理解，以对话的形式将员工与知识相连接。由于人们可以随时随地获取更多的知识和技能，意味着全新的生产力浪潮也会随之到来，云和开源的融合将加速生成式 AI 的民主化，同时，相应的风险治理同样值得重视。

智能化带来的改变不仅体现在技术上，也影响了团队协作的方式。增强型互联员工队伍（ACWF）是一种优化员工价值的战略，利用 AI 联接了员工，加强了协作性，带来了数字化的员工体验，通过使用智能应用和员工队伍分析提供了助力员工队伍体验、福祉和自身技能发展的日常环境与指导。同时，ACWF 还能为关键的利益相关方带来业务成果和积极影响。通过 " 增强 "，可以对从终端应用知识库，甚至是员工情绪中提取出来的数据进行接近实时的处理和反馈，例如企业可以从员工的工作时间、邮件信息、访问数据等分析出其当前的工作状态和压力，以改善工作流程和效率。到 2027 年底，25% 的首席信息官（CIO）将使用增强型互联员工队伍计划将关键岗位的胜任时间缩短 50%。

机器客户（也被称为 " 客户机器人 "）是一种可以自主协商并购买商品和服务以换取报酬的非人类经济行为体。Gartner 预测，到 2027 年会有超过 50% 的销售和服务中心配备接听机器客户的电脑。高挺表示，机器客户的进化过程分为三个阶段——人类主导，由机器通过一定的规则去购买特定商品；人类和机器共同主导，优化购买的选择，最终由机器根据规则执行购买操作；机器推测人类的需求，根据规则、场景和偏好进行自主化购买。目前，已经进入了第二阶段，像沃尔玛曾开发了一款 "AI 谈判软件 " 用于和不同的供应商谈判采购自用商品，最终达成了 68% 的交易。

高挺引述了一则处于 " 机器客户 " 第二阶段的事例：某人能够用 ChatGPT 和 Dall-E 准备晚餐菜单，然后通过 Dall-E 把菜单的文字转化为图片请柬，并且可以用 ChatGPT 创建 " 购物清单 "，在美国 Instacart（食品和杂货的配送平台）通过说出要买的东西，或上传原材料，最后由系统完成自动下单。同时，还可以把请柬同步在社交平台上。Gartner 预测，到 2028 年将有 150 亿台联网产品具备成为客户的潜力，这一数字还将在之后的几年增加数十亿。到 2030 年，该增长趋势将带来数万亿美元的收入，其重要性最终将超过数字商务的出现。在战略上应考虑为这些算法和设备提供便利乃至创造新型客户机器人的机会等。" 我们认为‘机器客户’将会越来越多的走向成熟。" 高挺说。