Modelli di lavoro asincroni, risparmio energetico e segmentazione dei dati saranno le sfide tecnologiche che le imprese dovranno affrontare nel 2023.
Lo ha reso noto Wendy Pfeiffer, CIO di Nutanix, azienda specializzata nel cloud computing privato, ibrido e multicloud, che ha delineato quelle che, a suo avviso, saranno tre delle principali sfide che definiranno l’agenda tecnologica delle imprese nel 2023.
Le sue previsioni per il nuovo anno sono le seguenti:
- Adozione di modelli di lavoro asincroni. Nel 2023 le aziende potranno essere più innovative grazie all’implementazione di modalità di lavoro più efficienti che facilitino la collaborazione tra i diversi fusi orari e siano più flessibili. Ciò significherà ripensare il loro approccio alla collaborazione asincrona, compresi gli strumenti e le policy che la guidano.
- Ripianificazione delle infrastrutture IT, tenendo in maggiore considerazione il consumo di energia e l’impronta di carbonio. Alle aziende viene richiesto di fare di più per ridurre l’impronta di carbonio e diventare più ecologiche… Sebbene la riduzione delle emissioni di anidride carbonica e l’adozione di misure sostenibili siano lodevoli e migliorino la loro reputazione, le aziende risentono dell’impatto sui profitti di un maggiore consumo energetico dovuto all’uso del cloud. Quest’ultimo è utilizzato per la sua velocità e prestazioni migliorate, piuttosto che per il risparmio energetico, e ciò costringerà le aziende a considerare come le attività che attualmente spostano nel cloud che possano essere gestite altrove in modo più efficiente ed economico.
- Gli importanti cambiamenti apportati a molte piattaforme di social media avranno un impatto significativo in azienda. Il 2022 è stato un anno turbolento per le piattaforme di social media e alcune delle tendenze perdureranno anche quest’anno. In primo luogo, molte aziende si affidano ai dati acquistati dalle società che gestiscono le piattaforme di social media per perfezionare i propri algoritmi di targeting. Se questi dati diventeranno obsoleti e meno curati il targeting diventerà sempre meno preciso. In secondo luogo, tutti questi dati sono spesso la base di partenza per addestrare gli strumenti di intelligenza artificiale e di machine learning: è quindi possibile che anche queste soluzioni perdano di efficacia.
