随着企业希望在新兴业务模型，以及推动广泛数字化转型的分布式应用程序和服务方面保持领先地位，正在向敏捷的IT微服务全面转变。

过渡的关键是采用AI技术以及在工作场所中部署机器学习工具。这种结合使我们更加仔细地研究了如何在遵守安全性和道德标准的同时，在企业中快速部署这些技术。

本周发布的两项研究试图更加阐明未能跟上IT创新的后果，以及机器学习之类的技术将如何塑造不久的将来的工作场所。商业顾问毕马威(KPMG)周三(12月11日)发布的新研究显示，包括自动决策和其他分析工具在内的这些结构性变化有望重新定义工作场所，同时引发一系列围绕数据使用和隐私的道德问题。

IT服务平台专家Kong Inc.发布的另一项研究预测，许多公司大约有三年的时间来向微服务和其他敏捷IT工具进行战略过渡。供应商认为，这些替代方案将倒闭或被更敏捷的竞争对手收购。

Kong首席执行官兼联合创始人奥古斯托·玛丽埃蒂(Augusto Marietti)表示：“在数字创新方面，美国公司正面临“生死攸关的时刻”，大多数公司都需要短短几年的时间才能使它正确，然后才落在太远而无法维持生存。创始人。

“向微服务转移是不可避免的，并且在大多数公司中已经在进行，” Marietti继续说道。公司“已经意识到，他们需要工具来简化跨新旧软件体系结构和平台的分布式应用程序的管理和保护，以便他们能够专注于更具战略意义的计划。”

开源技术日益被视为实现转型的最快途径，Kong调查发现，上市公司已成为分布式IT体系结构和微服务(例如应用程序容器，数据库和容器编排)的最大用户。激励措施包括灵活性和加速DevOps。

除成本外，接受微服务的主要原因是安全性，在《香港调查》中接受调查的受访者中有56%指出。这种情绪突出表明，随着越来越多的工作负载转移到生产环境，人们越来越意识到需要关闭诸如Kubernetes集群协调器之类的流行框架。

尽管如此，Kong调查仍显示出与部署微服务相关的一系列挑战。尽管人们认为提高安全性是采用该技术的主要诱因，但许多受访者还表示，他们仍然对基于云的应用程序的运行时安全性感到担忧。另一个主要挑战是将微服务与单片式基础架构集成的困难。关注的问题是保留对旧平台的投资。

用于转换数字业务模型的新兴工具包括机器学习框架，它将在一系列业务流程中扮演更广泛的角色。毕马威(KPMG)的研究强调了AI部署的道德守则，该守则围绕数据分析和自动化决策等领域中人机交互的新政策建立。该准则必须包括数据隐私和安全性标准。

AI研究总结说，负责任部署的另一个支柱是使用“强大的道德指南针”开发安全算法。“在创建负责任地部署AI的算法时，数据的安全性和治理对于模型的整体完整性以及建立清晰的所有权线以产生责任至关重要。”

行业观察家指出，在新的十年中，使所有这些活动部件都啮合起来似乎是数字企业面临的最大挑战之一。Proctor&Gamble(纽约证券交易所：PG)的IT顾问和前经理Tony Saldanha说：“问题的第一部分是，您想在哪里进行数字化转型既不容易，也不直观。”“这似乎是一个移动的目标。”