การ์ทเนอร์ระบุถึงแนวโน้มเทคโนโลยีที่สำคัญซึ่งจะก่อให้เกิดความเปลี่ยนแปลงครั้งใหญ่ในอนาคต โดยตอนนี้ยังอยู่ในระยะเริ่มต้นและคาดว่าจะได้รับการใช้งานอย่างแพร่หลายและสร้างแรงกระเพื่อมในวงกว้างมากขึ้น หรือมีแนวโน้มที่จะเติบโตอย่างรวดเร็วจนถึงระดับสูงสุดในช่วงอีก 5 ปีข้างหน้า
10 แนวโน้มเทคโนโลยีที่สำคัญที่สุดสำหรับปี 2020
Hyperautomation
Hyperautomation เป็นการผสานรวมเทคโนโลยี Machine Learning (ML), ซอฟต์แวร์สำเร็จรูป และเครื่องมือต่าง ๆ สำหรับระบบงานอัตโนมัติเข้าไว้ด้วยกันเพื่อรองรับการทำงาน ไฮเปอร์ออโตเมชั่นนอกจากจะครอบคลุมเครื่องมือที่หลากหลายแล้ว ยังครอบคลุมทุกขั้นตอนของระบบงานอัตโนมัติ (ค้นหา วิเคราะห์ ออกแบบ ดำเนินการโดยอัตโนมัติ ตรวจวัด กำกับดูแล และประเมินผล) การทำความเข้าใจเกี่ยวกับกลไกที่หลากหลายของระบบอัตโนมัติ รวมถึงความเกี่ยวข้องกันของกลไกเหล่านี้ และแนวทางการผสานรวมกลไกต่าง ๆ เพื่อให้ทำงานร่วมกันได้อย่างกลมกลืนถือเป็นหัวใจสำคัญของไฮเปอร์ออโตเมชั่น เทรนด์ดังกล่าวเริ่มต้นจากกระบวนการทำงานแบบอัตโนมัติ (Robotic Process Automation – RPA) อย่างไรก็ตาม ลำพังเพียงแค่ RPA ไม่ถือว่าเป็นไฮเปอร์ออโตเมชั่น เพราะระบบไฮเปอร์ออโตเมชั่นจำเป็นต้องอาศัยการผสานรวมเครื่องมือต่าง ๆ เพื่อทำหน้าที่แทนมนุษย์
Multiexperience
จนถึงปี 2571 ประสบการณ์การใช้งานของผู้ใช้จะมีการเปลี่ยนแปลงครั้งใหญ่ในส่วนที่เกี่ยวกับวิธีที่ผู้ใช้รับรู้และสัมผัสกับโลกดิจิทัล รวมถึงวิธีการโต้ตอบและมีปฏิสัมพันธ์กับโลกดิจิทัล แพลตฟอร์มการสนทนา (Conversational Platforms) ก่อให้เกิดการเปลี่ยนแปลงสำหรับรูปแบบการโต้ตอบระหว่างผู้ใช้กับโลกดิจิทัล ขณะที่ Virtual reality (VR), Augmented Reality (AR) และ Mixed Reality (MR) ทำให้รูปแบบการรับรู้และสัมผัสกับโลกดิจิทัลเปลี่ยนแปลงไป การเปลี่ยนแปลงทั้งหมดนี้ทั้งในส่วนของรูปแบบการรับรู้และการมีปฏิสัมพันธ์จะนำไปสู่ประสบการณ์แบบพหุประสาทสัมผัส (Multisensory) ในหลากหลายรูปแบบ (Multimodal)
Democratization of Expertise Democratization
การเปิดโอกาสให้ผู้คนเข้าถึงความเชี่ยวชาญด้านเทคนิค (เช่น ML, การพัฒนาแอพพลิเคชั่น) หรือความเชี่ยวชาญด้านธุรกิจ (เช่น กระบวนการขาย การวิเคราะห์ทางเศรษฐศาสตร์) ผ่านประสบการณ์ที่เรียบง่ายกว่าเดิม และไม่จำเป็นต้องเข้ารับการฝึกอบรมที่ยาวนานและเสียค่าใช้จ่ายจำนวนมาก ตัวอย่างเช่น นักพัฒนาทั่วไปที่สามารถทำหน้าที่เป็นดาต้า ไซแอนทิส (Data Scientists) หรือผู้ติดตั้งระบบโดยไม่ต้องมีความเชี่ยวชาญเฉพาะด้าน หรือสามารถพัฒนาโปรแกรมหรือสร้างโมเดลข้อมูลโดยไม่ต้องเขียนโค้ด
จนถึงปี 2566 การ์ทเนอร์คาดว่า 4 ปัจจัยที่สำคัญที่เป็นตัวเร่งแนวโน้ม Democratization ให้เกิดขึ้น ได้แก่ Democratization ในด้านข้อมูลและการวิเคราะห์ (เครื่องมือที่ใช้สำหรับนักวิทยาศาสตร์ข้อมูลจะขยายไปสู่ชุมชนนักพัฒนาระดับมืออาชีพ), การพัฒนา (ใช้เครื่องมือ AI ในการพัฒนาแอพพลิเคชั่น), การออกแบบ (ขยายไปสู่กระบวนการที่ไม่ต้องมีการเขียนโค้ดหรือใช้โค้ดน้อยมาก โดยอาศัยฟังก์ชั่นการพัฒนาแอพพลิเคชั่นเพิ่มเติมที่ทำงานแบบอัตโนมัติ เพื่อเสริมศักยภาพให้แก่นักพัฒนาทั่วไป) และความรู้ (บุคลากรที่ไม่ได้อยู่ในสายงานไอทีสามารถใช้เครื่องมือและระบบความเชี่ยวชาญเพื่อปรับใช้ทักษะเฉพาะด้าน) Human Augmentation
Human Augmentation
เป็นการใช้เทคโนโลยีเพื่อปรับปรุงทางด้านการรับรู้และกายภาพ โดยเป็นส่วนสำคัญของประสบการณ์ของผู้ใช้ Augmentation ในด้านกายภาพจะช่วยปรับปรุงหรือเปลี่ยนแปลงขีดความสามารถของมนุษย์ ด้วยการปลูกถ่ายหรือติดตั้งส่วนประกอบทางด้านเทคโนโลยีไว้บนร่างกายของมนุษย์ เช่น อุปกรณ์สวมใส่ ส่วน Augmentation ในด้านการรับรู้จะอาศัยการเข้าถึงข้อมูลและการใช้แอพพลิเคชั่นบนระบบคอมพิวเตอร์ทั่วไป รวมถึงอินเทอร์เฟซแบบ Multiexperience ในสภาพแวดล้อมของสมาร์ทสเปซ ในช่วง 10 ปีข้างหน้า จะมีการยกระดับ Human Augmentation ทั้งด้านกายภาพและการรับรู้ โดยจะได้รับการใช้งานอย่างแพร่หลายเพื่อเสริมสร้างประสบการณ์ของผู้ใช้ และจะนำไปสู่กระแส “Consumerization” รูปแบบใหม่ ซึ่งพนักงานจะพยายามใช้เทคโนโลยีเพื่อเสริมสร้างและขยายขีดความสามารถและประสบการณ์ของตนเอง และปรับปรุงสภาพแวดล้อมการทำงานภายในสำนักงาน
Transparency and Traceability
ผู้บริโภคมีความตระหนักรู้เพิ่มมากขึ้นว่าข้อมูลส่วนตัวของตนมีมูลค่า และดังนั้นจึงต้องการที่จะควบคุมข้อมูลดังกล่าว องค์กรต่าง ๆ รับรู้ถึงความเสี่ยงที่เพิ่มมากขึ้นของการปกป้องและจัดการข้อมูลส่วนตัว ขณะที่รัฐบาลเริ่มบังคับใช้กฎหมายที่เข้มงวดเพื่อให้มีการคุ้มครองและจัดการข้อมูลดังกล่าวอย่างเหมาะสม ความโปร่งใส (Transparency) และการตรวจสอบย้อนกลับ (Traceability) ถือเป็นองค์ประกอบสำคัญที่จะช่วยสนับสนุนจริยธรรมทางดิจิทัล (Digital Ethics) และการปกป้องความเป็นส่วนตัว ความโปร่งใสและการตรวจสอบย้อนกลับหมายรวมถึงแนวคิด การดำเนินการ เทคโนโลยีที่รองรับ และแนวทางปฏิบัติที่ได้รับการออกแบบเป็นพิเศษเพื่อรองรับกฎระเบียบที่เกี่ยวข้อง และสนับสนุนแนวทางที่ถูกต้องตามหลักจริยธรรมสำหรับการใช้เทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence หรือ AI) และเทคโนโลยีขั้นสูงอื่น ๆ รวมทั้งแก้ไขปัญหาการขาดความน่าเชื่อถือของบริษัทต่าง ๆ องค์กรที่พยายามจะสร้างความโปร่งใสและความน่าเชื่อถือจำเป็นที่จะต้องมุ่งเน้น 3 ส่วนหลัก ๆ ได้แก่ (1) AI และ ML; (2) การเก็บรักษา การครอบครอง และการควบคุมข้อมูลส่วนตัว และ (3) การออกแบบที่สอดคล้องกันตามหลักจริยธรรม การเพิ่มขีดความสามารถให้กับส่วนขอบของเครือข่าย (Empowered Edge)
เอดจ์คอมพิวติ้ง (Edge Computing)
เป็นโครงสร้างเครือข่ายคอมพิวเตอร์ที่จัดวางการประมวลผลข้อมูลและการรวบรวมและนำเสนอคอนเทนต์ไว้ใกล้กับแหล่งที่มา คลังข้อมูล และผู้ใช้ข้อมูลดังกล่าว โดยพยายามที่จะทำให้แทรฟฟิกและการประมวลผลอยู่ในเครือข่ายโลคอล เพื่อลดความหน่วง ใช้ประโยชน์จากทรัพยากรที่ส่วนขอบของเครือข่าย และเพิ่มอำนาจในการควบคุมและตัดสินใจให้กับระบบที่อยู่ส่วนขอบของเครือข่าย
ความสนใจเอดจ์คอมพิวติ้งในปัจจุบันส่วนใหญ่มาจากความจำเป็นของระบบ IoT ที่ต้องรองรับการทำงานในลักษณะกระจัดกระจายในโลกของ IoT ที่มีอยู่ในอุปกรณ์ต่าง ๆ สำหรับอุตสาหกรรมหนึ่ง ๆ เป็นการเฉพาะ เช่น อุตสาหกรรมการผลิตหรือค้าปลีก อย่างไรก็ตาม ในอนาคต เอดจ์คอมพิวติ้งจะเป็นปัจจัยสำคัญต่อทุกกลุ่มอุตสาหกรรมและทุกการใช้งาน เพราะส่วนที่อยู่รอบนอกของเครือข่ายถูกเสริมศักยภาพด้วยทรัพยากรประมวลผลที่ก้าวล้ำและรองรับการใช้งานเฉพาะด้านมากขึ้น รวมไปถึงอุปกรณ์จัดเก็บข้อมูลที่มากขึ้น อุปกรณ์ลูกข่ายที่ซับซ้อน เช่น หุ่นยนต์ โดรน ยานพาหนะไร้คนขับ และระบบปฏิบัติการ จะเร่งให้เกิดการเปลี่ยนแปลงรวดเร็วยิ่งขึ้น
ระบบคลาวด์แบบกระจาย (Distributed Cloud)
ระบบคลาวด์แบบกระจายหมายถึงการกระจายตัวของบริการคลาวด์สาธารณะไปยังสถานที่ต่าง ๆ โดยที่ผู้ให้บริการต้นทางของคลาวด์สาธารณะมีหน้าที่ควบคุม กำกับดูแล ปรับปรุง และพัฒนาบริการดังกล่าว ซึ่งนับเป็นการเปลี่ยนแปลงครั้งสำคัญจากเดิมที่บริการคลาวด์สาธารณะส่วนใหญ่มีลักษณะรวมศูนย์ (Centralized) และการเปลี่ยนแปลงนี้จะนำไปสู่ศักราชใหม่ของคลาวด์คอมพิวติ้ง (Cloud Computing)
อุปกรณ์อัตโนมัติ (Autonomous Things)
อุปกรณ์อัตโนมัติหมายถึงอุปกรณ์ทางกายภาพที่ใช้ AI เพื่อทำงานต่างๆ โดยอัตโนมัติ โดยเข้ามาแทนที่มนุษย์ อุปกรณ์อัตโนมัติที่พบเห็นได้ทั่วไปก็คือ หุ่นยนต์ โดรน ยานพาหนะ/เรือไร้คนขับ และเครื่องมือต่าง ๆ ที่ทำงานได้เอง การทำงานแบบอัตโนมัติที่ว่านี้จะครอบคลุมขอบเขตมากกว่าการทำงานอัตโนมัติตามโมเดลที่ตั้งค่าไว้อย่างตายตัว กล่าวคือ อุปกรณ์เหล่านี้จะใช้ AI เพื่อทำงานขั้นสูง และโต้ตอบกับคนหรือสิ่งรอบข้างได้อย่างเป็นธรรมชาติมากขึ้น ขณะที่ความสามารถทางเทคโนโลยีได้รับการพัฒนาปรับปรุงอย่างต่อเนื่อง กฎระเบียบก็มีการเปิดกว้างและอนุญาตให้ใช้งานอุปกรณ์เหล่านี้มากขึ้น และสังคมให้การยอมรับเพิ่มมากขึ้น ซึ่งจะส่งผลให้อุปกรณ์อัตโนมัติถูกใช้งานมากขึ้นในพื้นที่สาธารณะที่ปราศจากการควบคุม
ขณะที่อุปกรณ์อัตโนมัติได้รับการใช้งานอย่างแพร่หลายมากขึ้น เราคาดว่าจะมีการเปลี่ยนแปลงจากอุปกรณ์อัจฉริยะที่ทำงานตามลำพังไปสู่กลุ่มอุปกรณ์อัจฉริยะหลาย ๆ เครื่องที่ทำงานร่วมกัน โดยอาจแยกเป็นอิสระจากคนหรืออาจมีการป้อนคำสั่งโดยมนุษย์ ตัวอย่างเช่น แขนกลหลากหลายรูปแบบที่ทำงานอย่างสอดประสานกันในโรงงานประกอบชิ้นส่วน ในส่วนของธุรกิจขนส่ง โซลูชั่นที่มีประสิทธิภาพมากที่สุดก็คือการใช้อุปกรณ์อัตโนมัติเพื่อเคลื่อนย้ายพัสดุไปยังพื้นที่เป้าหมาย โดยหุ่นยนต์และโดรนที่เดินทางไปพร้อมกับยานพาหนะอาจจะทำหน้าที่จัดส่งพัสดุถึงมือผู้รับปลายทาง
บล็อกเชนที่ใช้งานได้ในทางปฏิบัติ
เทคโนโลยีบล็อกเชน (Blockchain) มีศักยภาพที่จะพลิกโฉมอุตสาหกรรมต่าง ๆ โดยจะช่วยสร้างความน่าเชื่อถือ ความโปร่งใส และรองรับการแลกเปลี่ยนมูลค่าในระบบนิเวศน์ทางธุรกิจ ทั้งยังช่วยลดต้นทุนและค่าใช้จ่าย เพิ่มความรวดเร็วในการทำธุรกรรม และปรับปรุงกระแสเงินสด เทคโนโลยีดังกล่าวช่วยให้สามารถตรวจสอบแหล่งที่มาของสินทรัพย์ จึงลดโอกาสที่จะมีการสลับเปลี่ยนเป็นสินค้าปลอม นอกจากนี้ การตรวจสอบติดตามสินทรัพย์ยังมีประโยชน์ในด้านอื่น ๆ เช่น การตรวจสอบสินค้าประเภทอาหารในซัพพลายเชนเพื่อระบุแหล่งที่มาของการปนเปื้อน หรือการตรวจสอบชิ้นส่วนที่เฉพาะเจาะจงเพื่อเพิ่มความสะดวกในการเรียกคืนสินค้า การใช้งานบล็อกเชนในอีกรูปแบบหนึ่งที่มีความเป็นไปได้ก็คือ การจัดการตัวตนผู้ใช้ นอกจากนี้ยังสามารถตั้งค่าสัญญาแบบ Smart Contract ไว้ในบล็อกเชน เพื่อให้เหตุการณ์อย่างใดอย่างหนึ่งเป็นทริกเกอร์ให้เกิดการดำเนินการอื่นต่อไป เช่น ระบบจะปลดล็อคการชำระเงินหลังจากลูกค้าได้รับสินค้า
บล็อกเชนยังขาดความพร้อมสำหรับการใช้งานในระดับองค์กร เนื่องจากยังมีปัญหาด้านเทคนิคมากมายหลายประการ เช่น ขาดเสถียรภาพ และไม่สามารถใช้งานร่วมกันได้อย่างเหมาะสม อย่างไรก็ดี ถึงแม้จะมีปัญหาท้าทายดังกล่าว แต่เทคโนโลยีนี้มีศักยภาพที่สูงมากสำหรับการพลิกโฉมอุตสาหกรรมและการสร้างรายได้ ดังนั้นองค์กรต่าง ๆ จึงควรเริ่มต้นพิจารณาและประเมินความเป็นไปได้ของบล็อกเชน แต่เราคาดว่ายังคงไม่มีการปรับใช้เทคโนโลยีนี้อย่างจริงจังและเป็นรูปธรรมในอนาคตอันใกล้
ระบบรักษาความปลอดภัย AI
AI และ ML จะยังคงถูกใช้งานเพื่อยกระดับการตัดสินใจของมนุษย์ในการใช้งานที่หลากหลาย ซึ่งจะช่วยสร้างโอกาสในการรองรับระบบไฮเปอร์ออโตเมชั่น และการใช้ประโยชน์จากอุปกรณ์อัตโนมัติเพื่อปรับปรุงธุรกิจ แต่ในขณะเดียวกันก็ทำให้เกิดปัญหาท้าทายใหม่ ๆ สำหรับทีมงานฝ่ายไอทีที่ดูแลด้านความปลอดภัยและผู้บริหารที่ต้องจัดการดูแลความเสี่ยง เพราะจะทำให้มีช่องทางการโจมตีเพิ่มขึ้นอย่างมากจากการใช้งาน IoT, คลาวด์คอมพิวติ้ง, ไมโครเซอร์วิส และระบบที่มีการเชื่อมต่อกันอย่างกว้างขวางในสมาร์ทสเปซ ผู้บริหารฝ่ายรักษาความปลอดภัยและความเสี่ยงควรจะให้ความสำคัญกับ 3 เรื่องหลัก ๆ ได้แก่ การปกป้องระบบที่ขับเคลื่อนด้วย AI, การใช้ AI เพื่อปรับปรุงระบบรักษาความปลอดภัย และการคาดการณ์เกี่ยวกับการใช้งาน AI โดยคนร้ายที่ต้องการโจมตีเครือข่าย