尽管预测性人工智能已经迫使每个行业的每个企业重构IT 运营，但在过去的一年当中生成式人工智能的出现又加速的这一转变。如今2023年，全世界都已经体会到了人工智能的潜在魅力，那么到了2024年，更多的企业会重新思考IT运营的各方面。
生成式人工智能将改变每一个网络和移动应用程序。使用 GenAI 为新客户和员工体验提供支持将成为主流。企业将开始嵌入 GenAI，以生成全球跨行业的新交互方式。开源将加速法学硕士创新以扩展人工智能。对于希望利用人工智能（包括 GenAI）力量的组织来说，将会从大型、单一的法学硕士集群转向小型、高度专业化的开源法学硕士。法学硕士的培训和运营成本将是这一转变的主要推动力，但并不是唯一的推动力。具有特定领域调整功能的小型专业法学硕士将受到企业数据科学团队的青睐，他们希望在特定用例中比单一的一体化法学硕士能够提供更高的准确性。
企业架构师将控制生成式人工智能的未来。重新思考应用程序堆栈的首席信息官和企业架构师将开始重塑其基础设施堆栈以应用可组合性原则。企业能够跟上支持生成式人工智能的技术不断创新的步伐的唯一方法是选择模块化、原子、可编排的 GPU 堆栈组件，这些组件可以根据业务需求或组件功能快速、轻松且经济高效地添加和替换改变。人工智能和机器学习将完全云原生。基于 CPU 的 Kubernetes 集群将扩展为容器化服务和模型，以便在基于 GPU 的集群上运行。云工程和架构的原理将转移到 GPU 世界，以便已经使用 Kubernetes 和容器注册表在 CPU 上进行应用程序开发的开发人员能够将其开发工作转移到 GPU 上。
CISO 将介入，帮助管理数据和 AI/ML 的合规性和正确使用。虽然数据科学家完全有能力在 DevOps 范式中发挥作用，但他们并不是安全专家。数据科学家不应该是唯一考虑用于训练人工智能/机器学习模型的数据是否包含偏差的人。相反，CISO 有责任介入并建立标准治理和合规政策，将安全性集成到 AI/ML 管道和模型中，以避免模型偏差。数据和数据存储策略将被重新构想。数据无处不在，因此企业需要从根本上重新思考支持数据的底层基础设施。数据集太大，传输成本太大，潜在的数据滥用现象不断扩大。因此，企业将采取新的方法来采购、保护、传输和确保支持未来 AI/ML 应用程序所需的大规模数据集的治理和合规性。内容交付网络（CDN）将被云计算取代。在网络的早期，CDN 都是关于在边缘缓存内容。展望未来，所有这些内容都将在边缘动态生成，并通过生成人工智能针对特定用户进行个性化。将有数百万个自主代理自动根据传入的用户请求组装上下文并相应地生成内容。CDN 将转变为推理优化的 GPU 计算资源，为新的人工智能驱动的云原生应用程序提供支持。
