In questo inizio d’anno, diverse realtà stanno proponendo scenari sulle tecnologie digitali emergenti che avranno impatto nel prossimo futuro.

E’ sempre interessante avere una percezione di cosa viene raccontato e di come questi scenari siano popolati da macro-trend che definiscono la maturazione di un filone tecnologico, ed il suo adattamento a soluzioni più pratiche.

Tra queste analisi una interessante è quella di Gartner dell’Impact Radar (ne trovate un estratto QUI)

In questo orientamento vediamo diverse tecnologie emergenti, e la loro rappresentazione per impatto, tempo necessario per la maturazione sul mercato, e raggruppamento in macro ambiti.

Uno dei primi temi che emerge è come Dati ed Intelligenza artificiale siano elementi centrali. Questo sia in ambiti di Rivoluzione della Produttività (Dati sintetici, AI Generativa, Self-supervised Learning, Edge AI o AIASE, dove è tutto concentrato su AI e dati) che in ambito di Smart World (IoT, Assistenti virtuali avanzati o Smart Spaces) dove l’AI viene invece applicato concretamente ed i dati raccolti, ma anche in ambito di abilitatori critici (Graph Technologies o AI generated composite applications).

Sono molto poche le tecnologie emergenti che non utilizzano, sono correlate, o sono aree specifiche di Intelligenza artificiale legata ai dati.

Alcuni ambiti sono già maturi (e necessari) come le piattaforme Low Code (LCAP) per accelerare l’implementazioni di applicazioni distribuite in scenari dove la carenza di competenze di programmazione è ormai critica o le autenticazioni Passwordless, per risolvere il principale fattore di vulnerabilità legato alle credenziali utente.

L’AI ed i dati sembrerebbero poco rappresentati nello scenario che, forse, subirà un’accelerazione nel prossimo futuro: (Sicurezza onnipresente e trasparente), anche se in questo report non vengono identificate tecnologie e modalità emergenti come l’UEBA (User and Entity Behavior Analytics) o l’XDR (Extended detection and response), tecnologie che si fondano su modalità di analisi avanzate e machine learning.

Un’altra cosa importante che emerge da questo rapporto è come, nonostante alcune evoluzioni recenti che potrebbero rendere le architetture più efficienti dal punto di vista energetico (Proof-of-stake), sia totalmente fuori dai radar la tecnologia Blockchain, da molti paragonata, per impatto futuro atteso, all’Intelligenza artificiale.

Dal punto di vista strategico queste valutazioni sono molto interessanti, sia per valutare investimenti e sviluppo di competenze, che per comprendere quali percorsi di sviluppo pianificare per adottare tecnologie che possano portare impatti in prodotti ed ambienti digitali.

Come raccomandazioni penso che le opportunità che emergono da questo rapporto si possano trovare in questi ambiti:

• Investimento su esperienze utenti più personalizzate che possano facilitare l’adozione della tecnologia in più scenari, utilizzando sia gli assistenti virtuali evoluti che le interfacce multimodali
• Valutare l’adozione progressiva di tecnologie come lo sviluppo software AI-augmented (AIASE) che consentirà di ridurre i costi di realizzazione delle applicazioni aumentandone la qualità media, aspetto di grande valore in un contesto globale che vede la domanda di produzione software molto superiore alla capacità effettiva di produzione.
• Implementare progressivamente tecnologie di AI generativa (e dati sintetici), un’ambito di applicazione di enorme potenziale in molti ambiti (personalmente avrei inserito l’AI Generativa tra gli abilitatori critici)
• Adottare rapidamente tecnologie di autenticazione con la modalità Passwordless (Adozione semplice ma necessità di sviluppo culturale interno ed esterno) e di piattaforme Low Code nel portafoglio applicativo.