#90 Barreiras à adoção de tecnologia futura
Subscribe to get the latest
on 2022-06-07 00:00:00 +0000
with Darren W Pulsipher, Glenn Kurowski,
Darren Pulsipher, Arquiteto Principal de Soluções da Intel, discute as barreiras para a adoção de novas tecnologias no setor público e o que está por vir no futuro com Glenn Kurowski, CTO da CACI.
Keywords
#ai #neuromorphic #security #moderncomputing #devsecops #generativeai #multicloud #zerotrust #cybersecurity #people #technology
Glenn é o Diretor de Tecnologia (Chief Technology Officer) na CACI, uma empresa de seis bilhões de dólares do porte da Fortune 500, focada em segurança nacional. Ele está na indústria há 35 anos, dedicado a assuntos militares, de inteligência e cibersegurança para o governo dos Estados Unidos. Sendo um engenheiro, ele pensa, age e processa questões como um engenheiro.
Tecnologia excitante em IA, neuromórfica e segurança às vezes não é adotada rapidamente no setor público.
A primeira barreira é a complexidade. Aqueles na comunidade técnica são excelentes inovadores, mas nem sempre são bons em tornar a tecnologia fácil de usar, consumir ou administrar. Glenn vê alguma melhora, no entanto. Por exemplo, nos últimos cinco anos, a complexidade de usar a inteligência artificial diminuiu significativamente à medida que mais pessoas estão utilizando ferramentas e kits de desenvolvimento de software.
Outra barreira pode ser a falta de talento para arquitetar, projetar, implantar e manter a tecnologia no setor público. Novos talentos não só precisam ser atraídos para a indústria, mas também devem ser capazes de obter autorizações. O outro lado da equação de talento é que muitos são resistentes à adoção de novas tecnologias. É um desafio de gerenciamento de mudanças. Se não for abordado corretamente, o talento existente se torna um obstáculo à adoção de nova tecnologia. Em vez de perguntar como chegar ao “sim”, eles encontram mil razões para dizer “não”.
A terceira é cibersegurança. Glenn não descreve isso como uma barreira porque não é algo que poderia ser removido. Ainda assim, a indústria poderia ser mais proativa em levar as decisões mais à esquerda e envolver a segurança mais cedo para acelerar a adoção.
O setor público poderia aprender com a rapidez com que a tecnologia dos smartphones foi adotada com o surgimento do iPhone. Os primeiros iPhones eram incrivelmente simples de usar, e a empresa estava empenhada em entregar aos clientes algo que eles pudessem usar imediatamente. Além disso, a comunidade de desenvolvimento podia criar e inovar instantaneamente com os kits de desenvolvimento de software e os processos. Crianças no sexto ano podem desenvolver com os kits para iPhone e Android. A usabilidade era essencial e isso impulsionou o desenvolvimento de software de forma eficiente.
O setor público deve tentar imitar essas qualidades e abordar seu mercado e clientes da mesma forma, especialmente em relação à análise de dados. Há uma imensa quantidade de dados e não estamos aproveitando muito deles. Assim como Steve Jobs levou sua tecnologia para além do público-alvo médio, a mesma coisa precisa acontecer na análise de dados. Em vez de focar nos cientistas de dados, talvez o público-alvo deva ser uma pessoa de negócios ou uma pessoa comum que precisa gerenciar uma casa.
Glenn acredita que o primeiro passo para pensar dessa maneira sobre IA e análises é estar firmemente comprometido em libertar os dados. Muitos dados estão presos em designs proprietários, o que é um modelo de negócio ruim. Os clientes devem renovar contratos não porque suas informações são controladas e fechadas por um provedor, mas sim porque o provedor está oferecendo soluções, valor e inovação.
A IA deve ser apresentada como uma assistente digital aos clientes, ao invés de um robô obscuro e mágico nos bastidores pelo qual o cliente fica nervoso em confiar. Uma assistente digital está apenas um passo à frente do que você está tentando realizar, fornecendo dados e informações por meio de aprendizado de máquina e aprendizado profundo que tornam sua vida mais fácil e permitem que você faça o processamento. Dessa forma, a IA adiciona valor instantâneo e é muito menos assustadora.
Glenn acredita que a tecnologia que o setor público deve ter hoje é, em primeiro lugar, a nuvem e mais dela. A nuvem retira muitos erros humanos da administração. Ela reduz a área de ataque e possui um modelo de consumo pay-as-you-go, o que pode ser econômico se você desenvolver software para esse modelo.
Segundo, existem boas plataformas de DevSecOps. Programadores de software podem passar mais tempo no desenvolvimento real com as ferramentas disponíveis. DevSecOps ainda está em estágios iniciais, e o crescimento será explosivo.
Uma tecnologia fundamental durante o trabalho remoto da COVID-19 é a Solução Comercial para Classificação (CSFC). Essa tecnologia existe há uma década. No entanto, ela evoluiu a ponto de ter sido simplificada em termos de implantação, administração e segurança, tornando-se facilmente acessível. Alguém pode trabalhar em um domínio não classificado e ainda ter acesso a segredos, por exemplo, com confiança de que não haverá qualquer vazamento. Essa é uma nova e importante capacidade.
Tudo isso se relaciona à atração e retenção de talentos. A dificuldade nisso não é porque o setor público não tem problemas emocionantes e desafiadores, mas sim a percepção de que o governo se move muito lentamente. Há alguma verdade nisso devido à importância de manter uma certa santidade ou confiança. Ainda assim, na realidade, o governo está à beira de muitas novas tecnologias, como a fotônica ou comunicação baseada em luz. Algumas áreas avançam rapidamente, como no desenvolvimento de software com ágil e DevSecOps.
Glenn acredita que o domínio espacial explodirá e será fundamentalmente diferente em cinco anos para o futuro da tecnologia. A capacidade de colocar mais coisas em órbita de forma econômica, com melhorias em tamanho, peso e potência, juntamente com a capacidade de comunicar com fotônica por milhares de quilômetros rapidamente, permite conectividade e a capacidade de distribuir e usar dados nesses cargas úteis.
Outra área que será muito diferente é a agilidade espectral. O domínio do espectro eletromagnético será crucial para a conectividade resiliente em conflitos. As disputas subsequentes enfatizarão fortemente quem pode se comunicar e interferir nas comunicações. A agilidade espectral é a capacidade de saber dinamicamente o que está acontecendo ao seu redor no espectro, para que você possa se mover rapidamente. Essa conectividade é fundamental para o comando e controle conjunto e a visão JADC2 de trabalho.
Uma terceira área é o que pode ser feito com o Kubernetes e com o código de infraestrutura. A automação irá remover trabalho manual e facilitar as coisas de maneira geral.
Nenhuma conversa sobre o futuro da tecnologia estaria completa sem mencionar o Quantum. Os modelos de programação quântica em construção são completamente diferentes dos modelos tradicionais. Precisamos chegar a um ponto onde tenhamos conjuntos de ferramentas para programadores que tornem o processo muito mais automatizado. Treinar alguém por dois anos para ser um programador de computação quântica não é escalável, por isso precisamos que os conjuntos de ferramentas de desenvolvimento de software evoluam, assim como a comunidade abstraiu a complexidade e desenvolveu conjuntos de ferramentas para inteligência artificial.
A última área é a evolução contínua da computação em borda. O número de processos de computação é fenomenal, gerando criatividade com tamanho, peso e energia. A computação em borda continuará a se transformar para ser segura e confiável. A comunicação resiliente pode não ser uma conexão dedicada, mas uma rede em malha onde partes da mensagem são recombinadas no outro extremo. Isso pode fornecer soluções em ambientes táticos e em ambientes de negação e interrupção.
Darren vê a arquitetura tradicional de Von Neumann diminuindo no futuro, já que podemos ter persistência de dados sem unidades de disco, e podemos ter dados que vivem, se movem e migram com funções que trabalham com eles. As camadas e limitações do modelo Von Neumann serão removidas.
Glenn acredita que isso acontecerá mais rápido do que as pessoas geralmente preveem devido ao viés da experiência. Mas é um mundo diferente quando se consegue fazer com que todas as outras peças coexistam e remover os problemas de latência. Imagine o que pode ser feito na velocidade de inferência na borda, por exemplo, com veículos autônomos. Essa tecnologia está acontecendo, e os programadores consideram camadas de abstração desde o início. Assim, você poderia, por exemplo, pegar um modelo de rede neural que já está desenvolvido e executá-lo por meio de um conjunto de ferramentas de desenvolvimento de software para colocá-lo em uma base de hardware, uma arquitetura não-Von Neumann, e você não precisa reprogramar. Isso acelerará a adoção e será transformacional.