Gartner ha pubblicato una versione aggiornata del suo Hype Cycle for Emerging Technologies. Si tratta di una valutazione che mette in evidenza le tecnologie emergenti considerate più importanti e promettenti per il prossimo futuro. Una valutazione che si basa soprattutto sul potenziale "trasformativo" che queste tecnologie hanno nelle imprese.

Peraltro, lo Hype Cycle for Emerging Technologies va considerato con una certa attenzione. Le tecnologie che elenca sono certamente promettenti ma non sempre a breve termine. Per Gartner, si tratta di tecnologie emergenti che possono dare un vantaggio competitivo a chi le adotta, vantaggio che si può concretizzare velocemente (entro due anni, come minimo) ma anche molto più in là, sino a dieci anni.

Sono comunque tecnologie sulle quali le aziende devono essere preparate, sottolinea Gartner. E non è un caso che quelle del nuovo Hype Cycle si possano raggruppare in tre macro-ambiti che rimandano a temi già vissuti come importanti: l'automazione delle funzioni di Intelligenza Artificiale, l'ottimizzazione del potenziale delle tecnologie digitali, la creazione di esperienze immersive.

Partiamo proprio da questo aspetto: Gartner ritiene che "il futuro delle esperienze digitali sia immersivo" e che quindi si baserà sempre più su tecnologie che permettono di creare rappresentazioni virtuali dinamiche di persone, ambienti, sistemi complessi.

La creazione di ambienti virtuali si porta però dietro sensibili problemi di gestione e privacy di nuovi dati, come anche la necessità di trasportare in maniera trasparente al virtuale processi, come i pagamenti digitali, che nel mondo reale si svolgono già in maniera fluida.

Per questo alcune delle tecnologie emergenti che Gartner mette in evidenza sono legate proprio a una nuova gestione sicura dei dati (ad esempio via NFT, piattaforme web3 o sistemi di gestione decentralizzata delle identità), oltre che alla creazione in sé di ambienti virtuali (qui si citano genericamente il metaverso o i digital twin).

Il difficile delle tecnologie

L'automazione dell'AI è un altro aspetto chiave. Secondo Gartner la crescita dell'adozione delle tecnologie AI nelle imprese è evidente, e positiva. Ma è frenata dalla necessità di impiegare personale umano in molte delle fasi di una ipotetica supply chain dell'AI: sviluppo dei modelli di machine learning, addestramento, implementazione vera e propria. Per velocizzare il processo di sviluppo dell'AI nelle imprese questa supply chain deve essere il più possibile automatizzata, riducendo la necessità di personale ed esperti umani. Diverse tecnologie possono aiutare in questo senso.

Tra quelle che cita Gartner nel suo Hype Cycle troviamo la generazione automatica di codice attraverso machine learning, la progettazione generativa basata su AI, la "causal AI" (che va oltre le previsioni basate su correlazioni per evidenziare anche i legami causa-effetto) e i "foundation model", ossia modelli di machine learning efficaci ma abbastanza generici da poter essere usati, con una minima ottimizzazione, per scopi diversi.Diverse tecnologie emergenti del nuovo Hype Cycle sono collegate a quella che Gartner chiama "optimized technologist delivery": in pratica, la necessità di ridurre il gap che esiste sempre tra le nuove tecnologie e una loro applicazione pratica. Perché le nuove tecnologie sono sempre meno acquistabili come prodotti stile "chiavi in mano", richiedono un lavoro anche impegnativo di personalizzazione, integrazione, configurazione.

Questo è il compito di chi realizza soluzioni, servizi e prodotti a partire dalle tecnologie. Per Gartner sono i "solution builder", una comunità sempre più numerosa a cui sono dedicate tecnologie specifiche che avranno una importanza sempre maggiore, perché realizzano il salto tra l'introduzione di una nuova tecnologia in azienda e la creazione di un prodotto o processo innovativo che su di essa si basano.

Prevedibilmente, le componenti di optimized technologist delivery spaziano su un campo molto vasto. Si va dalla gestione del cloud (con componenti di FinOps, cloud verticali per settori di mercato, cloud sustainability...) a componenti hardware più o meno di base (computational storage, data observability, telemetria...) per arrivare alla cyber security (architetture di cyber security mesh, risk governance...).