Kluczowe prognozy dla sektorów technologii, mediów i telekomunikacji. Deloitte opublikowało raport TMT Predictions 2022.

W tegorocznym raporcie TMT Predictions ponownie część prognoz została ukształtowana przez pandemię. W 2022 nadal aktualny będzie problem niedoboru półprzewodników. Deloitte przewiduje, że będzie on odczuwalny przez co najmniej 24 miesiące, a jego łączny wpływ na gospodarkę ocenia się na kwotę ponad 0,5 bln dolarów. Półprzewodniki są wykorzystywane obecnie niemal wszędzie – można je znaleźć w diodach w oświetleniu LED, chipy RFID są już w sklepach samoobsługowych i transporcie, w automatyce przemysłowej, smart rozwiązaniach w budynkach, automatyce domowej czy e-sporcie.

Kryzys związany z ich niewystarczającą podażą jest jednak najbardziej widoczny przede wszystkim w branży automotive. Na rozwiązanie problemów z niedoborem układów scalonych w skali globalnej może w pewnym zakresie wpłynąć też produkcja chipów w modelu open- source, w szczególności i w oparciu się o otwarty standard RISC-V.

Co więcej, rekordowo kształtują się inwestycje typu venture capital w firmy produkujące układy scalone. Deloitte przewiduje, że w 2022 r. fundusze VC na całym świecie zainwestują w nie ponad 6 mld dol. – suma ta jest nieco niższa niż w 2021 r., ale ciągle znacznie przekracza nakłady odnotowane w ostatnich dwóch dekadach.

Quantum compitung

Ale prognozy TMT Predictions to nie tylko kwestia zmian wywołanych globalną pandemią. Zdaniem ekspertów Deloitte w długoterminowej perspektywie ogromny potencjał mają komputery kwantowe. Prawdopodobnie jednak nie zostanie on zrealizowany przed końcem dekady, a obecnie jest bardzo niewiele przypadków ich faktycznego zastosowania na świecie.

Do najciekawszych rynków, na których komputery kwantowe mogą w najbliższym czasie zaistnieć prawdopodobnie należeć będą chemia kwantowa, i materiałoznawstwo, komunikacja kwantowa oraz problemy optymalizacyjne i rekomendacje – we wszystkich obu tych dziedzinach zaobserwowano ostatnio postępy, jeśli chodzi o wykorzystanie obliczeń QC.

Ta technologia może też w przyszłości poprawić wydajność algorytmów sztucznej inteligencji (SI). Jest wiele modeli SI, które wymagają cały czas dużej mocy obliczeniowej. Na przykład obszar ryzyk klimatycznych – naukowcy szukają materiałów mogących skutecznie wychwytywać dwutlenek węgla.

Sztuczna inteligencja

TMT Predictions to także prognozy dotyczące sztucznej inteligencji. Eksperci Deloitte przewidują, że w 2022 r. dojdzie do wielu debat na temat bardziej ustrukturyzowanych ram regulacyjnych dotyczących sztucznej inteligencji. Jeśli nawet pojawią się jakieś konkretne propozycje w tym zakresie, ich wprowadzenie w życie w postaci rzeczywistych przepisów prawdopodobnie nastąpi jednak nie wcześniej niż w 2023 r. lub później.

Organy regulacyjne mają obawy co do konsekwencji wykorzystania Sl w związku z kwestiami sprawiedliwości, uprzedzeń, dyskryminacji, różnorodności i prywatności. Na przykład, podstawowym narzędziem stojącym za Sl jest uczenie maszynowe, któremu organy regulacyjne i inne podmioty bacznie się przyglądają i analizują je pod kątem potencjalnych uprzedzeń społecznych.