Il nuovo Technology Radar di Thoughtworks vede l’ML favorire l’IoT e nuove use case

di Redazione TecnoGazzetta

Arrivato al 12° anno di pubblicazione, l’ultimo rapporto mostra uno spostamento della proprietà dei dati verso le periferie, con una maggiore garanzia su privacy e personalizzazione delle informazioni

Thoughtworks ha pubblicato il volume 27 del Technology Radar, un rapporto biennale basato sulle osservazioni, le conversazioni e le esperienze di prima linea di Thoughtworks nel risolvere le sfide aziendali più difficili a livello globale. Mentre prima il machine learning (ML) richiedeva grandi insiemi di dati e l’accesso a un’immensa potenza di calcolo per affrontare problemi aziendali complessi, il rapporto osserva che la disponibilità di nuovi e più avanzati tool, di applicazioni e nuove tecnologie sta consentendo alle organizzazioni IT di fare di più con il ML, e in più luoghi.

Volume 27 del Technology Radar

Con l’aumento della potenza di calcolo su dispositivi di ogni tipo e dimensione e la diffusione di strumenti open-source più facili da usare, il ML sta diventando accessibile anche alle organizzazioni più piccole. In particolare, di fronte a requisiti più rigorosi e una maggiore consapevolezza sulla gestione della privacy e delle informazioni personalizzate, le organizzazioni hanno scoperto tecniche come il machine learning federato, che fornisce una maggiore privacy delle informazioni sensibili negli ambiti dell’IoT e della telefonia mobile. Poiché il ML dipende in larga misura dalla qualità di addestramento dei dati, le cautele standard rimangono quelle relative alle vulnerabilità e al bias dei set di dati. Tuttavia, una preponderanza di strumenti open source sta contribuendo a creare trasparenza nel modo in cui gli algoritmi interpretano e agiscono sui dati.

“Riservati, in precedenza, solamente ad utilizzatori esperti e ad organizzazioni IT con più risorse, oggi la maggiore disponibilità e facilità d’uso dei modelli e componenti basati sul ML, contribuisce fortemente ad abbattere le barriere all’entrata e rendere accessibile il ML ad un numero sempre maggiore di organizzazioni,” ha affermato Dr. Rebecca Parsons, chief technology officer di Thoughtworks.

“Consigliamo alle organizzazioni di essere aperte anche a casi d’uso più pragmatici in cui il ML può essere utilizzato per migliorare l’efficienza nella gestione aziendale, nei prodotti e nei servizi e non solo nelle applicazioni più rivoluzionarie.”

I temi in evidenza nel Technology Radar Vol. 27 includono:

  • La diffusione del ML: in poco più di un decennio, machine learning è passato da una tecnica altamente specializzata a qualcosa che può fare quasi chiunque abbia dati e potenza di calcolo. Questo è un fatto positivo, ma rimane essenziale che il settore riesca a gestire sia la proliferazione di strumenti e framework, sia le questioni etiche che stanno diventando sempre più visibili e urgenti.
  • Il potere delle piattaforme come prodotto: una piattaforma può essere una cosa potente, soprattutto quando si tratta di facilitare gli sviluppatori. Tuttavia, spesso vediamo risultati deludenti quando non vengono trattate correttamente come prodotti – è importante che le piattaforme siano costruite e mantenute in modo da rispondere e mediare le esigenze dei team tecnici e dell’organizzazione in generale.
  • Il decentramento della proprietà dei dati: quando si tratta di dati, la centralizzazione può essere costrittiva. Nuove tecniche e tool, tuttavia, stanno rendendo più facile superare le sfide della centralizzazione, offrendo vantaggi sia dal punto di vista tecnico che della privacy.
  • La modularità del mobile: i vantaggi della modularità sono ben noti ma, per una serie di ragioni, non sono stati altrettanto sfruttati nello sviluppo del mobile. Questa situazione sta iniziando a cambiare; riteniamo che l’adozione di un approccio modulare al mobile migliorerà non solo la qualità delle applicazioni mobili, ma anche l’esperienza nella loro realizzazione.

Vuoi ricevere gli aggiornamenti delle news di TecnoGazzetta? Inserisci nome ed indirizzo E-Mail:


Acconsento al trattamento dei dati personali (Info Privacy)