Wat zijn belangrijke technologische trends (volgens Gartner)?

Het commerciële onderzoeksbureau Gartner heeft onlangs weer verschillende ‘hype cycles’ gepubliceerd. Deze grafische voorstellingen schetsen een beeld van de volwassenheid en de toepassing van technologieën en applicaties. Hebben deze technologieën en toepassingen  potentie voor het oplossen van realistische bedrijfsmatige problemen en voor het benutten van nieuwe kansen?

Volgens Gartner -en dat is niet onomstreden- doorlopen nieuwe technologieën vijf fases voordat zij binnen de samenleving breed geaccepteerd zijn. In eerste instantie is er zeer veel aandacht voor een nieuwe technologie of toepassing. Vervolgens is sprake van (te) hoog gespannen verwachtingen. Daarna gaat de technologie/toepassing door een dal van desillusie. Via de Slope of Enlightenment komt de technologie/toepassing uiteindelijk terecht op het plateau van productiviteit. Gartner schat ook in binnen welke termijn de technologie/toepassing breed geaccepteerd zal zijn (2-5 jaar, 5-10 jaar, meer dan 10 jaar).

FrankWatching vat de trends uit de Hype Cycle for Emerging Technologies 2021 samen.Dat zijn er drie:

1. Meer aandacht voor vertrouwen. We worden steeds kritischer over wat er met onze data gebeurd. Dat leidt er bijvoorbeeld toe dat cloud services per land of regio (zoals de EU) worden aangeboden (souvereign cloud). Volgens Gartner is een andere ontwikkeling industry clouds: cloudservices die specifiek relevant zijn voor een bepaalde branche. Ik kan me bijvoorbeeld voorstellen dat er binnen Europa een speciale ‘cloud’ komt voor leertechnologieën. Een derde toepassing is decentralized identity (DCI). Dankzij blockchain technologie hebben gebruikers controle over de eigen digitale identiteit en over de data die zij met anderen delen. Organisaties en overheden hoeven in bepaalde situaties niet alles van jou te weten. Dankzij technologie voor gedecentraliseerde identiteit kun je veel beter toegespitste informatie verstrekken. Deze trend is m.i. zeker ook relevant voor opleidingsinstituten en onderwijsinstellingen die weleens over te veel informatie over lerenden beschikken.
2. Accelerating growth. Als sprake is van vertrouwen, kun je versnelde groei doormaken. Een voorbeeld van een toepassing is multiexperience: interacties vinden plaats binnen verschillende digitale ‘touchpoints‘ (zoals het wereldwijde web, mobiele applicaties, AR of VR). Er is dan sprake van een naadloze en consistente digitale gebruikerservaring dankzij een combinatie van interactiemodaliteiten. Een voorbeeld is m.i. het houden van live online sessies binnen virtual reality. Deze ontwikkeling kan volgens mij leiden tot een krachtigere digitale leeromgeving. Bovendien krijgen mensen dan een digitale representatie van henzelf (digital humans).
3. Sculpting change oftewel veranderingen vormgeven. Volgens Gartner gaat het erom disruptieve veranderingen te herkennen, erop te anticiperen en ze in je voordeel te gebruiken. Bijvoorbeeld door kunstmatige intelligentie te gebruiken voor het verbeteren van software-ontwikkeling (AI-augmented software engineering) of door middel van self-integrating apps: deze toepassingen maken gebruik van een combinatie van geautomatiseerde service discovery, geautomatiseerde extractie en mapping van metadata, geautomatiseerde procesdefinitie en geautomatiseerde mapping van afhankelijkheden. Daardoor kunnen applicaties en diensten met elkaar geïntegreerd worden, zonder dat er praktisch een mens aan te pas komt. Ik krijg hierbij overigens wel een ‘computer says no‘-gevoel. Volgens Gartner is deze laatste toepassing tussen 5 en 10 jaar productief.

Opvallend is dat geen enkele ‘emerging technology’ uit deze hype cycle de piek van (te) hooggespannen verwachtingen voorbij is. Verder valt op dat onderliggende technologieën als blockchain technologie en vooral AI het fundament vormen van veel toepassingen.

In een andere bijdrage vat Rhea Kelly de specifieke hypecycle voor AI samen. De belangrijkste trends op het gebied van AI zijn dan:

1. Verantwoordelijke AI. Belanghebbenden eisen meer vertrouwen, transparantie, eerlijkheid en controleerbaarheid van AI-technologieën. Verantwoorde AI biedt een governance-kader om aan die eisen te voldoen.
2. Kleine en grote hoeveelheden gegevens. AI-modellen die gebruik maken van grote hoeveelheden historische data zijn minder relevant geworden. Small data en wide data zijn relevanter voor robuustere analyses en besluitvorming. Bij small data pas je analysetechnieken toe die minder gegevens vereisen maar toch bruikbare inzichten bieden. Wide data zijn gegevens die de analyse en synergie van een verscheidenheid van kleine en grote, ongestructureerde en gestructureerde gegevensbronnen mogelijk maken. Opleidingsinstituten en onderwijsinstellingen beschikken veelal over small data en kunnen deze dus toch in combinatie met AI gebruiken, bijvoorbeeld voor learning analytics.
3. Operationalisering van AI-platforms. AI-projecten worden van concept en pilot naar ‘productie’ gebracht en dragen bij aan het aanpakken van organisatiebrede knelpunten.
4. Efficiënt gebruik van middelen. AI-innovatie vereist een zo efficiënt mogelijk gebruik van middelen omdat sprake is van een hoge mate van complexiteit en schaalgrootte van data, modellen en rekenhulpmiddelen die bij AI-implementaties betrokken zijn.

This content is published under the Attribution 3.0 Unported license.