Noticias - Actualidad
23
Diciembre
2022

NUTANIX: Retos tecnológicos para 2023

Modelos de trabajo asíncronos, ahorro energético y segmentación de datos serán retos tecnológicos a los que se enfrentarán las empresas en 2023.

Valora esta entrada

|

Wendy Pfeiffer, CIO de Nutanix (NASDAQ: NTNX), compañía líder en cloud computing para nubes privadas, híbridas y multinube, ha presentado los que, en su opinión, serán tres de los principales retos que marcarán la agenda tecnológica de las empresas en 2023.

Sus predicciones para el nuevo año son las siguientes:

  • Adopción de modelos y procesos de trabajo asíncronos. Las empresas podrán ser más innovadoras gracias a la implementación de formas de trabajo más eficaces, que faciliten la colaboración entre diferentes usos horarios y sean más flexibles. Esto significará que deberán replantearse su enfoque de la colaboración asíncrona, incluidas las herramientas y políticas que ayuden a impulsarla.
  • Replanteamiento de las infraestructuras de TI teniendo más en cuenta el consumo energético y la huella de carbono. La sociedad cada vez exige a las empresas un mayor esfuerzo para reducir la huella de carbono y ser más ecológicas, pero además ahora mantener un excesivo consumo de energía también tiene un mayor impacto en sus resultados económicos. La nube está pensada principalmente para ofrecer velocidad y rendimiento y no tanto para ahorro de energía, lo que obligará a las empresas a plantearse cómo las tareas que actualmente trasladan a la nube podrían realizarse en otro lugar de forma más eficiente y económica.
  • Los grandes cambios sufridos por muchas redes sociales tendrán un impacto significativo en las empresas. Muchas organizaciones dependen de los datos adquiridos a las empresas que gestionan plataformas de redes sociales para ajustar sus propios algoritmos de segmentación. Y si estos datos se vuelven más obsoletos y están menos cuidados, la segmentación será cada vez menos refinada. En segundo lugar, todos estos datos son a menudo la base para entrenar herramientas de Inteligencia Artificial (IA) y Machine Learning (ML); por lo que es posible que estas soluciones se vuelvan también mucho menos eficaces.