信息技術研究和顧問公司Gartner公布了企業機構在2020年需要研究的重要戰略科技發展趨勢。Gartner将戰略科技發展趨勢定義為具有巨大颠覆性潛力、脫離初期階段且影響範圍和用途正不斷擴大的戰略科技發展趨勢；這些趨勢在未來五年内迅速增長、高度波動、預計達到臨界點。

Gartner副總裁兼院士級分析師David Cearley表示：“以人為中心的智能空間（people-centric smart spaces）是用來組織Gartner 2020年重要戰略科技發展趨勢并評估其帶來的主要影響的核心結構。把人作為技術戰略的核心強調了技術最重要的作用之一：影響客戶、員工、業務合作夥伴、社會或其他關鍵群體。從某種意義上來講，企業機構采取的所有行動都是為了直接或間接影響這些個人和群體，這就是‘以人為中心’的方法。”

Cearley認為：“智能空間建立在以人為中心的理念上。人、流程、服務及物等多項元素在智能空間彙聚，創造出沉浸度、交互性和自動化程度更高的體驗。”

2020年十大戰略科技發展趨勢具體如下：

超自動化（Hyperautomation）

超自動化是一個為了交付工作、涵蓋了多種機器學習、套裝軟件和自動化工具的集合體。超自動化不但包含了豐富的工具組合，還包含自動化本身的所有步驟（發現、分析、設計、自動化、測量、監控和再評估）。超自動化的主要重點在于理解自動化步驟的作用範圍、它們彼此之間的關聯以及它們的組合與協調方式。

該趨勢由機器人流程自動化（RPA）開始。但僅機器人流程自動化還稱不上超自動化，它需要組合多種工具來幫助複制任務流程中人類所參與的部分。

多重體驗（Multiexperience）

從現在起到2028年，用戶體驗将在兩個方面發生巨大的變化，即用戶對于數字世界的感知以及用戶與數字世界的交互方式。會話平台正在改變人與數字世界的交互方式，而虛拟現實、增強現實與混合現實正在改變人們對數字世界的感知。感知與交互模式的同時改變将在未來帶來多感官與多模式體驗。

Gartner研究副總裁Brian Burke表示：“這一模式将從‘精通技術的人’轉變為‘理解人類的技術’。這種與人類進行多重感官交流的能力将創造一個更豐富的環境，從而能夠傳遞更細緻的信息。”

專業知識的民主化（Democratization of Expertise）

專業知識的民主化緻力于通過極簡的體驗且在不需要接受大量成本高昂培訓的前提下為人們提供專業技術知識（例如機器語言、應用程序開發）或業務領域專業知識（例如銷售流程、經濟分析）。“公民化”（例如公民數據科學家、公民解決方案整合者）、公民程序開發和無代碼模式都是專業知識民主化的例子。

Gartner預測，從現在起到2023年，這一民主化趨勢的四個關鍵方面将加速發展，包括數據和分析的民主化（從針對數據科學家的專用工具擴大到适用于一般開發人員的普及工具）、開發的民主化（自主開發應用程序中使用的人工智能工具）、設計的民主化（低代碼、無代碼的場景持續增加，更多的應用程序開發功能實現自動化，為公民開發者提供支持）以及知識的民主化（非IT專業人員通過使用工具和專家系統，應用超出自身具備的專業知識和受到的培訓以外的專業技能）。

人體機能增強（Human Augmentation）

人體機能增強研究如何使用技術提供認知與體能增強并使其成為人類體驗中不可或缺的一部分。體能增強通過在人類身體上植入或外置可穿戴設備等技術部件改變人類固有的身體機能，從而實現增強。認知增強則是通過傳統的計算機系統和新興的智能空間中的多體驗接口中的信息和應用來實現。在未來十年，由于越來越多的人追求機能增強，人類體能與認知增強技術将會變得越來越普遍。這将産生一種全新的“消費化”效應，員工持續增強自身的機能，并進一步拓展到改進所在的辦公環境。

透明度與可追溯性（Transparency and Traceability）

越來越多的消費者意識到其個人信息的價值并提出控制個人信息的要求。企業機構也認識到保護與管理個人數據的風險日益增加，而政府正在實施嚴格的法律法規确保企業機構做到這一點。透明度與可追溯性已成為支持此類數字道德與隐私需求的關鍵要素。

透明度與可追溯性指用于滿足監管要求、維持使用人工智能和其他先進技術中所需遵守的道德規範以及恢複對企業機構信任缺失的态度、行動以及輔助技術與實際措施。企業機構在建立透明度與信譽措施時必須專注于三個領域：（1）人工智能與機器學習；（2）個人數據隐私、所有權與控制；（3）符合道德的設計。

邊緣賦能（The Empowered Edge）

邊緣計算是一種在信息來源、存儲庫及使用者附近進行信息處理、内容收集和交付的計算拓撲結構。它試圖将網絡流量與計算處理保留在本地以減少延遲、發揮邊緣能力以及賦予邊緣更大的自治性。

Burke先生表示：“目前，邊緣計算主要關注的是在制造、零售等特定行業中嵌入式物聯網系統提供的離線或分布式能力。但随着邊緣被賦予越來越成熟和專業的計算資源及越來越多的數據存儲，邊緣計算将成為幾乎每個行業和應用的主導要素。機器人、無人機、自動駕駛汽車及可操作系統等複雜的邊緣設備将加快這一轉變。”

分布式雲（Distributed Cloud）

分布式雲指的是将目前集中式的公有雲服務分布到不同的物理位置，原來的公有雲提供商繼續負責分布式雲的運營、治理、更新和疊代。這對于目前大多數公有雲服務所采用的集中式模式是一次巨大的轉變，并且将開辟雲計算的新時代。

自動化物件（Autonomous Things）　　

自動化物件是使用人工智能自動執行那些以往被人類執行的任務的物理設備。最典型的自動化物件有機器人、無人機、自動駕駛汽車/船及各種設備。它們的自動化超越了固化的程序所能實現的自動化程度，并能夠借助人工智能做出與所在環境和人類進行更自然交互的高級行為。随着技術能力的改進、監管機構的批準以及社會接受度的提高，自動化物件将被越來越多地用于不受限制的公共場所。

Burke表示：“随着自動化物件的普及，我們預計獨立的智能物件将轉變成無論是否有人操作，都可以讓多台設備一起工作的協作式智能物件組合。例如，不同種類的機器人可以在同一個裝配流程中同時運行。在快遞行業中，最高效的解決方案可能是由自動駕駛汽車将包裹運到目标區域，然後由車上的機器人和無人機進行最後的派送。”

實用型區塊鍊（Practical Blockchain）

區塊鍊可以通過實現信任、提供跨業務生态透明度和實現跨業務生态價值交換、降低成本、減少交易結算時間及改善現金流來重塑整個行業。由于可以追溯到資産的來源，因此“以次充好”的概率大幅降低。資産追蹤對于其他領域也具有很大的價值，包括追蹤食物在整條供應鍊中的足迹以識别污染來源、追蹤各零部件以協助産品召回等。Burke先生表示：“由于可擴展性與互操作性不佳等各種技術問題，區塊鍊在企業中的應用還不成熟。盡管存在這些挑戰，但由于區塊鍊所具有的颠覆性和帶來收入增長的巨大潛力，企業機構應開始評估這項技術，即便是認為這項技術在近期不會快速普及的企業機構也不例外。”

人工智能安全（AI Security）

人工智能與機器學習将被繼續用于提升各種應用場景中人類決策的能力。

雖然這給實現超自動化和使用自動化物件進行業務轉型帶來了良機，但同時也因為物聯網、雲計算、微服務（microservices）及智能空間中高度連接的系統增加了大量潛在攻擊點而給安全團隊與風險領導者帶來了新的挑戰。安全與風險領導者應專注于三個關鍵領域——保護人工智能賦能系統、利用人工智能提升安全防禦機制以及做好攻擊者對人工智能的惡意使用的心理準備。