Gartners 10 största tekniktrender för 2025 – Nya gränser för AI

Gartners strategiska teknologitrender för 2025

Varje år presenterar Gartner en lista över kommande teknologier under 2025 som "driver dig snabbare mot dina affärsmål". Och årets rapport om de viktigaste strategiska tekniktrenderna 2025 är inget undantag. Som förväntat har teknologier relaterade till AI tagit sig in på listan. Men AI är inte den "enda trenden", den finns i nästan alla trender. Framtiden utvecklas och kommer att bestå av flera ansikten av AI – låt oss se hur de påverkar företag.

Gartner har uppdelat dessa tio tekniktrender i tre nyckelområden : AI-krav och risker, nya gränser för datoranvändning och synergi mellan människa och maskin . Att bemästra en enda av dessa kan ge en betydande förbättring av din konventionella affärsmodell.

I takt med att organisationer förstår det komplexa landskapet kommer de strategiska krav som Gartner identifierat att kräva mer genomtänkta överväganden och beslutsamma åtgärder för att se någon väsentlig fördel.

Låt oss utforska Gartners främsta strategiska teknologitrender 2025 nu. Du kan se videon här:

1. Agentisk AI

Google har också lanserat Gemini 2.0 för Agentic AI-eran , det visar hur företag har börjat förbereda sig i förväg för en era av intelligens.

Den viktigaste skillnaden från traditionell AI är autonomi, dvs. istället för att bara svara på kommandon tar agentisk AI initiativ och räknar ut de steg som behövs för att utföra en uppgift, ungefär som en mänsklig assistent skulle göra.

Gartner förväntar sig att minst 15 % av de dagliga arbetsbesluten kommer att fattas autonomt genom agentisk AI år 2028, en ökning från 0 % år 2024.

Några användningsfall i verkligheten: Inom detaljhandeln kan agentisk AI integreras i lagerhanteringssystem. Till exempel kan ett agentisk AI-system analysera försäljningsdata och lagernivåer, och genom att matcha det med de förutspådda efterfrågefluktuationerna kan det autonomt ombeställa varor som sedan kan godkännas eller avvisas av människor.

2. AI-styrningsplattformar?

Med den ökande användningen av AI-plattformar har etik blivit en central del av alla samtal. Inte bara AI, utan ansvarsfull AI är vad varumärken letar efter. Och AI-styrningsplattformar är kärnan i denna omvandling. Dessa är utformade för att hantera de etiska och juridiska aspekterna av AI samtidigt som de hjälper användare att förstå AI:s operativa genomförbarhet inom ramen för efterlevnad. Därmed gör de det möjligt för organisationer att upprätthålla policyer och säkerställa efterlevnad, vilket gör det enklare att implementera ansvarsfull AI.

Enligt Gartner kommer organisationer som använder AI-styrningsplattformar år 2028 att se 30 % högre kundförtroende och 25 % bättre regelefterlevnad.

Inom finanssektorn kan AI-styrningsplattformar användas för att hantera efterlevnad och risker i samband med algoritmiska handelssystem. Dessa plattformar kan övervaka handelsalgoritmer genom att automatisera efterlevnadskontroller och tillhandahålla revisionsspår. Vilket bidrar till efterlevnad av regelkrav, vilket säkerställer transparens och ansvarsskyldighet.

3. Desinformationssäkerhet

Gartner förutspår att 50 % av företagen år 2028 kommer att använda produkter, tjänster eller funktioner specifikt för att hantera användningsområden för desinformationssäkerhet, en ökning från mindre än 5 % år 2024. Detta är inte en överraskning med tanke på ökningen av bedrägerier och bedrägerier som begås med deepfakes (vi har sett många av dessa, särskilt under valet 2024) .

Desinformationssäkerhetstekniker kan hjälpa till att upptäcka, spåra och motverka felaktig information som nätfiske, djupförfalskningar, skadlig programvara eller att initiera övertaganden. Med desinformationssäkerhet kan du säkerställa informationens noggrannhet, verifiera äkthet och samtidigt mäta spridningen av innehåll som kan skada organisationer.

Genom att upptäcka falska berättelser i realtid kan organisationer agera proaktivt för att skydda sin trovärdighet och upprätthålla publikens förtroende, särskilt när det gäller deras varumärkesrykte.

4. Postkvantkryptografi

Alla vet att kvantdatorer kommer att bli normen under det kommande decenniet. Ändå kommer framstegen inom kvantberäkning att göra asymmetrisk kryptografi osäker och år 2034 helt förstörbar. Enkelt uttryckt kan den nuvarande kryptografin, som förlitar sig på komplexa matematiska algoritmer som Shors algoritm, enkelt lösas av kvantdatorer.

Därför finns det ett behov av postkvantkryptografi som utnyttjar matematiska problem som tros vara svåra för kvantdatorer att lösa, såsom gitterbaserad, kodbaserad, hashbaserad eller multivariat polynomkryptografi . Med tanke på att brottslingarna redan anammar en "skörda nu, dekryptera senare"-mentalitet, kommer införandet av postkvantkryptografi nu att framtidssäkra system för att skydda deras dataintegritet och upprätthålla säkerheten i en kvantaktiverad värld.

5. Omgivande osynlig intelligens

Märker vi verkligen elektriciteten eller internet nu? Inte om de inte är frånvarande, eller hur?

Teknikens framtid är definitivt AI, men det är allestädes närvarande AI, precis som Ambient invisible intelligence, vilket är den utbredda användningen av små, billiga taggar (som börjar på 0,38 dollar ) och sensorer för att spåra platsen och statusen för olika objekt och miljöer.

Detta underlättar övervakning och beslutsfattande i realtid utan att det krävs arbetskraft.

Läs också:

Sakernas resa från dataströmning till datasjöar

6. Energieffektiv databehandling

Enligt IBM står datacenter för 3 % av den årliga totala energiförbrukningen – en ökning med 100 % under det senaste decenniet. För att inte tala om det växande inflytandet från LLM:er (som har en ganska hög energiförbrukning). Låt oss jämföra: en enda ChatGPT-sökning använder 2,9 wattimmar el, vilket är 10 gånger mer än en Google-sökning .

Hållbarhet är inte bara AI, utan även ett fokusområde på styrelsenivå för de flesta organisationer. Så energieffektiv databehandling, som fokuserar på att minska energiförbrukningen i samband med beräkningsprocesser, är ett viktigt behov just nu.

Medan konventionella processorförbättringar når sina gränser, förväntas nya datortekniker, såsom grafikprocessorer (GPU), neuromorfisk databehandling och kvantberäkning, leverera de betydande energieffektivitetsvinster som behövs under de kommande fem till tio åren. Det är viktigt att notera att minskningen av energiförbrukningen inte kommer med kompromissade prestandanivåer.

7. Hybridberäkning

Hybriddatabehandling utökar klassisk databehandling genom att kombinera den med kommande teknologier år 2025 , såsom processorer, grafikkort, edge-enheter, ASIC, fotonik, biodatabehandling, neuromorfiska och kvantmekaniska funktioner . Detta gör det möjligt för organisationer att utnyttja styrkorna hos var och en av dessa för att lösa komplexa problem.

Organisationer som använder hybridberäkningsstrategier kan hantera utmaningar som tidigare var oöverstigliga på grund av beräkningsbegränsningar. Denna metod placerar företag i framkant av innovation inom sina respektive områden.

Det kan vara så enkelt som: Tänk på det som att använda det bästa av två världar: En organisation kan hålla sina känsliga, kritiska program igång på sina egna datorer (på plats) för bättre säkerhet och kontroll, samtidigt som de använder molntjänster för uppgifter som kräver mycket datorkraft – som att analysera stordata, köra AI-program eller lagra säkerhetskopior.

8. Spatial beräkning

Spatial computing integrerar fysiska och digitala upplevelser genom tekniker som förstärkt verklighet (AR) och virtuell verklighet (VR) ( även Metaverse ) . Det möjliggör immersiva interaktioner som förbättrar användarengagemang. Gartner förutspår att år 2028 kommer 20 % av människor att ha en immersiv upplevelse med permanent förankrat, geopositionerat innehåll en gång i veckan, en ökning från mindre än 1 % år 2023.

Spridningen av 5G och nya enheter som Apple Vision Pro och Meta Quest 3 driver konsumenternas efterfrågan och öppnar möjligheter för nya affärsmodeller. Från att skapa verklighetstrogna simuleringar för praktisk personalutbildning till och med kreativa digitala tvillingar kan spatial databehandling optimera upplevelser.

9. Polyfunktionella robotar

Polyfunktionella robotar kan utföra flera uppgifter i olika miljöer, vilket kräver få eller inga justeringar. Detta öppnar upp för flexibilitet som ökar människors produktivitet i både arbets- och hemmiljöer.

Även om många företag har varit långsamma med att anamma robotar med en mängd olika funktioner, har deras attraktionskraft ökat i takt med den pågående utvecklingen och sjunkande priser, särskilt inom branscher som tillverkning och lagerhållning. Vi ser tidiga användare använda robotar för att hantera flera uppgifter.

Ett exempel på en polyfunktionell robot är en kvalitetskontrollrobot som kan inspektera om en del är korrekt installerad och säkerställa att det inte finns något skräp i eller runt arbetsytan.

10. Neurologisk förbättring

Inte implantation på Black Mirror-nivå för att återskapa minnen, utan för att utnyttja neurologiska förbättringstekniker för att revolutionera hälso- och sjukvården. Sådan teknik kan användas för att få feedback i realtid om anställdas eller kunders mentala tillstånd eller emotionella välbefinnande. Tanken är att utforska gränssnitt mellan hjärna och maskin för att hjälpa anställda att utveckla sina kompetenser och förbli konkurrenskraftiga genom att förbättra kognitiva förmågor eller identifiera förändringar i patienternas hälsa/interaktioner.

Ett användningsområde inom hälso- och sjukvården kan vara behandling av psykisk ohälsa. Genom att ge feedback i realtid samt en detaljerad rapport om individer kan mer skräddarsydda terapeutiska interventioner utformas för varje individ.

Slutsats: Att ta ett steg tillbaka

Vi ber dig inte att investera i alla dessa tio framtida tekniktrender 2025 , men det är viktigt att vara medveten om vad framtiden kommer att bli. För du måste börja förbereda dig för den.

Ta till exempel agentisk AI: med den kan du automatisera kundupplevelser genom att använda dataanalys för att fatta noggrant kalkylerade beslut i varje steg – men innan du börjar med agenten måste du ha en rätt datainsamlings- och lagringsmiljö på plats för att säkerställa att du har data före analysen.

TLDR: AI finns överallt och allt har AI. Men nyanserna och inkluderingen varierar beroende på implementering och behov.