Предыдущие 2 года локдауна и экономического спада повлияли в том числе и на структуру бизнес-процессов как большого, так и малого бизнеса. Это повлекло за собой смену приоритетов в работе с корпоративными информационными системами и корректировку ИТ-стратегий. Даже самые консервативные компании поняли, что digital-эра уже наступила, и именно программные решения будут определять то, как мы будем организовывать свою жизнь и работу.

DevOps

Инструменты анализа производительности приобретут статус «must have» для DevOps команд и не только в крупных компаниях. Это в том числе связано с повсеместным внедрением микросервисов и разработкой облачных приложений, которые требуют согласованности - быстрого поиска и решений задач в сложных архитектурах.

Производительность – не выделенная профессиональная компетенция или обязанность одного специалиста. Культуру data driven-подхода к принятию решений следует поощрять и развивать в командах разработчиков ПО и подразделениях компании. Когда каждый сотрудник сможет мониторить, анализировать, формировать отчеты, то решение задач и отладка процессов станут гораздо быстрее и проще.

Узкоспециализированные AI-разработки

Применение искусственного интеллекта (ИИ) для решения бизнес-задач уже не футуристическая фантазия, но повседневная реальность. Хотя говорить о раскрытии всего потенциала ИИ рано. Если разделить все ИИ-решения на группы, то можно выделить три основные:

• Узкоспециализированные ИИ, которые созданы для решения 1 задачи ,и поэтому сфера их применения ограничена. Таковы системы распознавания изображений, речи, алгоритмы персонализированных рекомендаций. В ближайшие несколько лет именно эти ИИ-решения будут завоевывать рынки.
• Основные ИИ. Они воспроизводят сложные когнитивные процессы человеческого мозга. Такие системы самообучаемы, и благодаря постоянно наращиваемым знаниями научаются решать задачи нового класса. Пока в этом направлении ведутся разработки, готовых успешных решений такого уровня сложности пока нет.
• Искусственный супер-интеллект. Это теоретическое направление, основанное на идее развивающегося самостоятельного интеллекта. То есть ИИ, который не просто моделирует и повторяет процессы в человеческом мозге, но будет обладать собственным сознанием и превзойдет возможности человека.

Автоматическое машинное обучение и no-code ИИ

Машинное обучение стало прорывной технологией, которая повлияла на развитие многих бизнесов. Технология нашла свое практическое применение в чат-ботах и виртуальных ассистентах, распознавании речи и изображений, персональных рекомендациях и рекламе, предиктивной аналитике, беспилотниках.

Более того, такие решения стали доступны пользователям, не владеющими технической экспертизой. Сейчас уже на масс-маркете представлено много конструкторов чат-ботов, которые могут быть созданы способом drag-and-drop за несколько кликов.

Блокчейн больше, чем функционал для криптовалюты

Блокчейн-технологии перестали ассоциироваться только с криптовалютой и финтехом и вышли в большое плавание. Дело в том, что распределенные децентрализованные системы позволяют получить беспрецедентный уровень безопасности и прозрачности транзакций. И это обстоятельство делает их востребованными в таких сферах, как логистика, автоматизация, сельское хозяйство, нефтегазовая промышленность и не только. Например, системы для безопасного электронного голосования, решения для защиты интеллектуальной собственности и другие.

Широкое распространение cloud-native решений

Разработчики все больше начнут использовать облачные технологии для создания приложений, командного управления и коммуникаций. В силу своей независимости от инфраструктуры они могут быть запущены на множестве серверов, поэтому любая компания может ими воспользоваться. Эти решения основаны на микросервисах и контейнерах, которые обеспечивают гибкость и масштабируемость, а также улучшают продуктивность команд разработчиков. Рост спроса подстегнул повсеместный удаленный режим работы, когда компаниям было актуально организовать виртуальную рабочую среду для удаленных сотрудников.

GitOps

Рост популярности cloud-native решений стимулировал широкое распространение этой практики автоматизации инфраструктурных процессов и его интеграцию с практиками DevOps (CI\CD-цепочками).

Python лидирует

Согласно данным TIOBE and PYPL Index в 2020 году лидером среди языков программирования был JavaScript. Но в 2021 его позицию занял Python, и, по всей видимости, эта тенденция продолжится и в текущем и следующем году, так как это самый востребованный язык для ИИ-решений и разработок в области машинного обучения.

Low-code и no-code

Разработка ПО движется к упрощению вместе с новым подходом low- и no-code. Эти платформы позволяют практически каждому создать ПО без традиционного кодинга, используя графический интерфейсы. Такая программная среда для разработки имеет огромный потенциал! Любой человек может превратить свою идею в цифровой продукт без технических знаний.

Для самих разработчиков это возможность ускорить процесс в 2 раза, сократить количество «ручных» операций. А также высвободиться от стандартных операций и переключиться на проекты высокой сложности, где их профессиональные компетенции будут задействованы полноценно.

По прогнозу экспертов аналитического агентства Gartner, к 2024 году low-code прочно захватит лидерство, и 65% приложений будет создано с помощью этой технологии.

‍TCoE

Тестирование – неотъемлемая часть разработки. И сейчас на рынке наблюдается тренд предлагать тестирование как выделенную услугу. Для этого создаются специальные платформы – центры тестирования качества (Testing Center of Excellence). Они интегрируют стандарты разработки ПО, лучшие практики и набор методов, которые могут быть востребованы различными командами в компании. ‍

PWA в тренде

Разработка прогрессивных веб-приложений остается разумным выбором для большинства бизнесов. Являясь, по сути, регулярным веб-сайтом, это ПО также может функционировать как традиционное мобильное приложение. При этом пользователю не нужно его загружать на устройство. Для заказчиков это в первую очередь оптимизация расходов.

Мультимодальные и мультицелевые БД

Современное ПО гораздо сложнее предшествующих версий десятилетней давности. Современные требования к функциональности и совместимости серьезно выросли, и сейчас ПО должно работать с разным типами данных, соответственно быть совместимым с различными типами баз данных. Но иметь несколько баз данных для одного приложения нецелесообразно. Вот одна БД с поддержкой различных моделей данных будет гораздо уместнее.