4 tecnologias emergentes que você precisa conhecer

Conheça as quatro tecnologias emergentes às quais os fornecedores de tecnologia e líderes de produtos precisarão responder  em 2023. O Gartner Emerging Technologies and Trends Impact Radar mostra aos líderes de produtos onde capitalizar as oportunidades de mercado. As seguintes tendências calibram suas estratégias, investimentos e ferramentas tecnológicas para você se manter à frente.

• O mundo inteligente se expande com maior fusão de experiências físico-digitais.
• A revolução da produtividade acelera com os avanços nas ferramentas e na tecnologia de inteligência artificial (IA).
• A transparência e a privacidade recebem mais atenção em meio ao crescimento exponencial da coleta de dados corporativos e pessoais.
• Novos capacitadores de tecnologia crítica criam novas oportunidades de negócios e monetização.

Essas tendências surgiram no Radar de Impacto de Tecnologias Emergentes e Tendências do Gartner de 2023. De acordo com a pesquisa, se destacam 26 tendências e tecnologias emergentes às quais os fornecedores devem responder, sejam eles um player novo ou estabelecido nesse espaço.

O Impact Radar retrata a maturidade, o momento do mercado e a influência das tecnologias. Sendo assim uma ferramenta útil para os líderes de produtos identificarem e rastrearem as tecnologias e tendências que os ajudarão a melhorar e diferenciar seus produtos. Ou seja, isso inclui permanecer competitivos e capitalizar as oportunidades de mercado.

Conheça as 4 tecnologias emergentes que farão disrupção nos próximos oito anos

A maioria das tecnologias e tendências emergentes deste ano estão de três a oito anos longe de alcançar a adoção generalizada. Assim, representam uma inovação significativa nos próximos anos. Vejamos quatro que achamos que serão especialmente interessantes.

Nº 1: Computação neuromórfica

• Um facilitador crítico, a computação neuromórfica fornece um mecanismo para modelar com mais precisão a operação de um cérebro biológico usando técnicas de processamento digital ou analógico.
• Levará de três a seis anos para passar do status de adotante inicial para a adoção majoritária.
• A computação neuromórfica terá um impacto substancial nos produtos e mercados existentes.

Os sistemas de computação neuromórfica simplificam o desenvolvimento de produtos, permitindo assim, que os líderes de produtos desenvolvam sistemas de IA mais rsponsivos à imprevisibilidade do mundo real. Dessa forma, seus recursos autônomos reagem rapidamente a eventos e informações em tempo real e formarão a base de uma ampla gama de futuros produtos baseados em IA. Os primeiros casos de uso incluem detecção de eventos, reconhecimento de padrões e treinamento de pequenos conjuntos de dados.

Esperamos dispositivos neuromórficos inovadores até o final de 2023, mas provavelmente levará cinco anos para que esses dispositivos atinjam a adoção inicial da maioria.

Além disso, espera-se um impacto significativo e que a computação neuromórfica interrompa muitos dos desenvolvimentos atuais da tecnologia de IA. Proporcionando assim, economia de energia e benefícios de desempenho não alcançáveis ​​com as gerações atuais de chips de IA.

Nº 2: Aprendizagem auto-supervisionada

• O aprendizado auto-supervisionado acelera a produtividade usando uma abordagem automatizada para anotar e rotular dados.
• Levará de seis a oito anos para passar do status de adotante inicial para a adoção majoritária.
• A aprendizagem auto-supervisionada terá um impacto significativo nos produtos e mercados existentes.

Os modelos auto-supervisionados aprendem como as informações se relacionam com outras informações. Por exemplo, quais situações normalmente precedem ou seguem outra e quais palavras geralmente andam juntas.

A aprendizagem auto-supervisionada emergiu recentemente da academia e atualmente é praticada por um número limitado de empresas de IA. No entanto, algumas empresas focadas em visão computacional e produtos de PNL recentemente adicionaram aprendizado auto-supervisionado a seus roteiros de produtos.

O impacto potencial e os benefícios do aprendizado auto-supervisionado são extensos, pois estenderá a aplicabilidade do aprendizado de máquina para organizações com acesso limitado a grandes conjuntos de dados. Dessa forma, sua relevância é mais proeminente em aplicativos de IA que normalmente dependem de dados rotulados, principalmente visão computacional e NLP.

Nº 3: Metaverso

• O metaverso alimenta o mundo inteligente, fornecendo um ambiente digital imersivo.
• Levará mais de oito anos para passar do status de adotante inicial para a adoção majoritária.
• O metaverso terá um impacto muito substancial nos produtos e mercados existentes.
• O metaverso permite conteúdo digital persistente, descentralizado, colaborativo e interoperável. Ou seja, ele se cruza com o conteúdo indexado e organizado espacialmente em tempo real do mundo físico.

É um exemplo de tendência combinatória em que várias tendências e tecnologias individualmente importantes, discretas e em evolução independente interagem umas com as outras para dar origem a outra tendência. Ou seja, as tecnologias e tendências emergentes e de suporte incluem (mas não estão limitadas a) computação espacial e a web espacial; persistência digital; ambientes multientidade; tecnologia de descentralização; rede de alta velocidade e baixa latência; tecnologias de detecção; e aplicativos de IA. 

Os recursos e funcionalidades que esses ETT trazem para o metaverso precisarão atingir uma maioria inicial para que ele atravesse o abismo. Dessa forma, consideramos todos os exemplos atuais como precursores ou ofertas pré-metaversos, pois são potencialmente capazes e compatíveis, mas ainda não atendem à definição de metaverso.

Embora os benefícios e as oportunidades do metaverso não sejam imediatamente viáveis, as soluções emergentes deste fornecem um indicador de possíveis casos de uso. Assim, esperamos que a transição para o metaverso seja tão significativa quanto a do analógico para o digital.

Nº 4: IA centrada no ser humano

• IA centrada no ser humano (HCAI) é um princípio comum de design de IA que exige que a IA beneficie as pessoas e a sociedade. Ela pode melhorar a transparência e a privacidade.
• Levará de três a seis anos para alcançar a adoção inicial da maioria.
• A HCAI terá um impacto substancial nos produtos e mercados existentes.

A HCAI assume um modelo de parceria de pessoas e IA trabalhando juntas para melhorar o desempenho cognitivo, incluindo aprendizado, tomada de decisão e novas experiências. Por isso, ela às vezes é chamada de “inteligência aumentada”, “inteligência centauro” ou “humano no circuito”. Porém com um sentido mais amplo, mesmo um sistema totalmente automatizado deve ter como objetivo os benefícios humanos.

A HCAI permite que os fornecedores gerenciem os riscos da IA ​​e sejam éticos, responsáveis ​​e mais eficientes com a automação, complementando a IA com um toque humano e bom senso. Muitos fornecedores de IA já mudaram suas posições para a abordagem HCAI mais impactante e responsável. Assim, a abordagem centrada na tecnologia de desenvolvimento de produtos de IA levou a inúmeros impactos negativos, estimulando os fornecedores a repensar suas estratégias de produtos de IA.

O impacto potencial da HCAI é alto porque alavanca as habilidades humanas para torná-los mais produtivos e remover limitações, vieses e pontos cegos evitáveis.

Fonte: Gartner