Komunikasi menghadapi tantangan unik dalam mengadopsi kecerdasan buatan

Kecerdasan buatan membuat jalan melalui teknologi, tetapi telah menghantam beberapa hambatan di bidang komunikasi. Pelajari apa yang menghambat tren ini dan di mana letak peluangnya.

Di permukaan, kecerdasan buatan (AI) tampaknya tersebar luas di industri telekomunikasi. Selama bertahun-tahun kami telah terbiasa dengan sistem menu yang diaktifkan suara yang merespons perintah verbal Anda.

Lebih lanjut tentang kecerdasan buatan

Namun, potensi kecerdasan buatan dalam komunikasi jauh lebih dalam daripada kontrol akustik, meskipun dengan beberapa tantangan unik. Saya membicarakannya dengan Tom Fotet, Wakil Presiden Accedian Manajemen Produk, Penyedia Solusi Jaminan Kinerja, Kyle Anderson, Wakil Presiden Portofolio dan Teknik di Blue Planet, Penyedia Otomasi Cerdas dan Eric Braun, Chief Commercial Officer di MobiledgeX, sebuah perusahaan komputer Canggih.

Kami melihat: 5G: Apa artinya Internet of Things (PDF gratis) (TechRepublic)

Scott MathesonApa peluang untuk kecerdasan buatan dalam komunikasi?

Tom FotetJaringan komunikasi menghasilkan sejumlah besar data, dan sebagai hasilnya ada banyak peluang untuk kecerdasan buatan di bidang ini. Peluang dibagi menjadi tiga kategori utama:

• Gunakan data untuk memahami dan memperkirakan kinerja dan keamanan jaringan dan aplikasi.
• Gunakan data untuk memahami dan memprediksi perilaku pelanggan.
• Gunakan data untuk membantu pelanggan ketika mereka menghadapi masalah (dukungan pelanggan).

Untuk memanfaatkan kecerdasan buatan, operator telekomunikasi harus memanfaatkan teknologi yang mampu memberikan data berkualitas tinggi yang paling akurat (dan bersih) terkait dengan kinerja, pengalaman pengguna akhir, dan keamanan perusahaan.

Erik BrownAda banyak peluang untuk kecerdasan buatan dalam komunikasi. Ada tiga bidang peluang di mana kecerdasan buatan dalam komunikasi dapat bersifat transformasional:

Sistem operasi dan bisnis Telecom memaksimalkan peluang untuk pengalaman pelanggan pribadi sambil memaksimalkan efisiensi pengiriman, kinerja, dan pemeliharaan preventif. Sistem operasi dan komersial Telecom menghasilkan data bersih dan berharga dalam jumlah besar – titik masuk yang ideal untuk analisis pembelajaran mesin dan penggunaan proses inferensi yang diambil oleh sistem kecerdasan buatan. Telecom hari ini sudah menjadi solusi Internet of Things (IoT) terbesar di planet ini.

Karena distribusi komunikasi yang unik, infrastruktur dapat tersedia untuk menampung mesin AI dari penyedia pengadaan pihak ketiga yang dapat bekerja pada sejumlah besar data publikasi pihak ketiga secara real time dan yang tidak dapat digunakan sebaliknya untuk mendapatkan wawasan dari penyedia pembelian pihak ketiga. Ini adalah peluang utama yang dapat ditangkap oleh komputasi dan keunggulan 5G dari perspektif penyedia pembelian pihak ketiga, karena semua perusahaan menjadi penyedia layanan dengan hak mereka sendiri terhadap pelanggan mereka.

Kami melihat: GlobalData mengharapkan jaringan 3G / 4G untuk mendominasi pasar telekomunikasi Indonesia yang besar pada tahun 2023 (TechRepublic)

Di masa depan, ada juga peluang untuk mengintegrasikan visi kecerdasan buatan untuk komunikasi dan visi penyedia pembelian pihak ketiga untuk meningkatkan pengalaman dan operasi karena kehadirannya dalam jaringan Edge Telecom. Contohnya adalah kinerja radio yang dapat diprediksi di mana aplikasi dapat mengantisipasi perubahan dalam kemampuan berkomunikasi dan menyesuaikan kinerjanya sebelum perubahan.

Kaylem AndersonAI sangat penting untuk operasi dan kontrol tidak hanya di jaringan saat ini tetapi di masa depan. Ketika penyedia layanan terus mengembangkan jaringan mereka untuk mendukung permintaan yang terus meningkat untuk produk dan layanan baru, mereka membangunnya di atas sistem yang ada – mereka mencampur A dan Vendor B lama dan baru, dan mereka umumnya menjadi lebih canggih.

Mengelola kompleksitas jaringan ini membebani teknisi jaringan dan menempatkan penyedia layanan di barisan terdepan untuk berinteraksi dengan jaringan mereka alih-alih proaktif. Membawa AI ke jaringan memberikan peluang besar untuk mengatasi masalah layanan, mengurangi tugas manual, dan meningkatkan efisiensi operasional, yang pada akhirnya memungkinkan sumber daya dialihkan untuk menciptakan pengalaman yang lebih baik, lebih ramah pelanggan. Ini adalah tujuan akhir dari jaringan adaptif – otomatisasi berbasis AI.

Scott Matheson: Apa yang dapat diberikan Amnesty International dan implementasi apa yang saat ini tidak dapat berikan?

Tom FotetJaringan komunikasi secara tradisional sangat tradisional dan tetap untuk desain, penyebaran, dan pemeliharaan. Tuntutan baru-baru ini pada jaringan operator diperlukan untuk menjadi lebih dinamis (yang mengarah pada munculnya jaringan yang ditentukan perangkat lunak (SDN), simulasi virtualisasi untuk NFV) dan teknologi yang berdekatan) tetapi proses perancangan, penggelaran, dan pemeliharaan mereka berjuang untuk mengimbangi kompleksitas yang semakin tinggi ini, dan sebagian besar tetap operasi manual untuk sebagian besar Operator telekomunikasi.

Singkatnya, Amnesty International menjanjikan kemampuan untuk mengotomatisasi beberapa siklus hidup desain / penyebaran / pemeliharaan dengan lebih baik, memungkinkan peningkatan kompleksitas jaringan tanpa peningkatan biaya operasi jaringan yang sesuai.

Erik BrownSecara historis, sistem komunikasi telah dirancang dan diimplementasikan dengan hati-hati berdasarkan pengalaman panjang dalam sifat panggilan telepon. Dengan 4G / LTE dan 5G, beban jaringan dengan cepat dikonversi ke koneksi data, yang pada dasarnya berbeda dari panggilan telepon suara yang mengharuskan penyedia layanan telekomunikasi untuk mengubah banyak desain dan prinsip-prinsip operasional sebagai hasilnya, secara dramatis. Pembelajaran mesin dan data yang sudah tersedia menyediakan sarana untuk melakukannya, serta dasar untuk mengotomatisasi operasi jaringan.

Kami melihat: Bagaimana kecerdasan buatan memengaruhi tempat kerja (TechRepublic)

Pembelajaran otomatis berdasarkan data ini juga merupakan cara bagi operator jaringan untuk mendapatkan wawasan yang sangat berharga tentang bagaimana jaringan mereka digunakan dan di mana nilai dibuat.

Kaylem AndersonAI hanya memiliki kemampuan untuk meningkatkan setiap langkah dari perjalanan operasi jaringan. Kecerdasan buatan dapat belajar lebih cepat daripada yang dapat dilakukan manusia, jadi dengan mengambil keuntungan dari sejumlah besar data yang dihasilkan oleh jaringan ini, solusi kecerdasan buatan dapat mengidentifikasi pola dan potensi masalah jaringan sebelum menjadi kenyataan, menemukan solusi, dan mengimplementasikannya sebelum gangguan layanan. Sebagai contoh, solusi Blue Network Proactive Network Operations meningkatkan kecerdasan buatan untuk memprediksi banyak pemadaman jaringan yang tidak direncanakan, mengidentifikasi penyebabnya dan menggambarkan tindakan yang diperlukan untuk secara proaktif menyelesaikan masalah.

Scott MathesonSeberapa mudah peluang ini untuk diterapkan?

Tom FotetDi satu sisi, peluang AIOps ini mudah diterapkan karena kita berbicara tentang jaringan yang secara tradisional menghasilkan banyak data tentang cara kerjanya. Di sisi lain, mengumpulkan data itu dan melakukan sesuatu yang cerdas dengannya bukanlah proses yang diprakarsai oleh sebagian besar operator telekomunikasi; Mereka sebagian besar menggunakan data untuk menghasilkan alarm dan bekerja dengan pola pikir yang rusak / diperbaiki. Implementasi sistem dan proses dapat menjadi tantangan.

Erik Brown: Mengubah desain dan praktik bisnis yang dikembangkan lebih dari seabad pengalaman adalah hal yang paling sulit. Masalah-masalah ini diperparah oleh kebaruan ML / AI, pengetahuan baru yang diperlukan, dan perubahan yang diperlukan untuk mengotomatisasi proses. Nilai potensial sangat besar, tetapi menangkap nilai ini memerlukan perubahan di semua tingkatan operator dari manajemen dan struktur bisnis ke kompetensi atletik yang diperlukan.

Jika Anda telah mencari komputasi 5G dan canggih, dan menggunakan model 4 edge yang ditunjukkan di sini, jelaslah bahwa ujung komunikasi ada saat ini tetapi satu-satunya aplikasi yang mendapat manfaat dari memiliki infrastruktur terdistribusi adalah fungsi komunikasi yang sama, seperti pengontrol radio, inti paket, dan fungsi jaringan batas. Tantangan terbesar bagi perusahaan telekomunikasi untuk mengambil keuntungan penuh dari memungkinkan AI untuk diri mereka sendiri dan penyedia pengadaan pihak ketiga adalah untuk memungkinkan akses terprogram ke infrastruktur dan sistem mereka dan untuk membuat akses semudah mungkin dan "secara lokal di atas awan" mungkin.

Kaylem Anderson: Memanfaatkan AI dalam jaringan tidak sesederhana mengambil jari, melainkan upaya yang cukup berharga. Langkah pertama untuk setiap penyedia layanan adalah untuk menentukan apa otomasi itu, dan dengan demikian AI muncul di jaringannya – di mana diperlukan dan di mana ia dapat membantu memberikan nilai dengan lebih baik. Dari sana, mereka dapat mulai memperkenalkan kecerdasan buatan ke dalam proses. Ini sangat penting, meskipun begitu cepat, solusi AI masih perlu waktu untuk belajar, yang berarti mengadopsi AI tidak segera.

Kami melihat: 4 cara untuk meningkatkan penyebaran AI dan pembelajaran mesin (TechRepublic)

Memang, penyedia layanan akan terus sangat bergantung pada keahlian manusia, terutama pada tahap awal: Ya, tim Operasi Jaringan akan menggunakan kecerdasan buatan untuk mengidentifikasi masalah akar penyebab potensial, tetapi anggota tim ini tidak akan menutup loop AI dan mengotomatiskan perbaikannya. Hanya ketika solusi AI mengembangkan rekam jejak yang terbukti dan tim operasi memiliki tingkat kepercayaan yang tinggi terhadap rekomendasinya dan kemampuannya untuk menggambarkan dan bertindak secara tepat jika solusi AI digunakan untuk mengotomatisasi proses sepenuhnya.

Data adalah arus utama yang menjalankan seluruh percakapan ini, dan data inilah yang akan menentukan kecepatan fungsi AI. Sistem ini membutuhkan data pembelajaran. Mereka mengandalkan pelatihan dan penandaan data, yang membutuhkan investasi. Penyedia layanan yang merangkul pentingnya data sejak dini akan melihat kelangsungan jangka panjang karena kemampuan AI mereka terbayar dengan kecepatan tinggi.

Scott Matheson: Apa yang menyebabkan keterlambatan dan hambatan ini?

Tom Fotet: Teknologi pemanfaatan data Aiops tersedia di jaringan komunikasi saat ini dan sebagian besar didasarkan pada teknologi open source yang mapan dan ilmu data yang solid yang dikembangkan di bidang dan industri lain. Hambatan terbesar yang kita lihat adalah perubahan: kemampuan untuk memotivasi orang dan proses untuk mengadopsi perubahan yang mereka butuhkan untuk beralih dari metode kerja yang sebagian besar manual ke metode yang lebih otomatis dan memakan waktu. Organisasi memerlukan waktu untuk belajar mempercayai data dan percaya bahwa AI dapat secara efektif mengotomatiskan banyak tugas, memungkinkan manusia untuk melakukan operasi yang lebih kompleks dan berharga.

Erik Brown: Perubahan sebesar ini harus didorong dari atas ke bawah, berdasarkan pada tujuan strategis perusahaan yang jelas atau ditugaskan dengan dukungan operasional yang jelas untuk mengatasi resistensi yang diharapkan terhadap "kami tidak melakukannya dengan cara ini!" Adopsi proses cloud asli, proses dan bakat sangat penting, dan penemuan harus beralih dari struktur akademik ke pembelajaran yang benar-benar cerdas.

Seperti yang dikatakan direktur pemasaran kami, komunikasi pintar menempatkan banyak taruhan. Hal yang baik tentang komputasi canggih adalah bahwa hal itu akan terjadi karena setiap pemain menyadari bahwa itu harus terjadi. Ini termasuk speedometer, operator seluler, dan semua penjual. Jadi satu-satunya pertanyaan adalah bagaimana itu harus terjadi. Ini bukan pasar yang cocok untuk semua.

Kami melihat: Di antara perkiraan teknologi terbaik untuk tahun 2020 adalah kemajuan signifikan dalam jaringan 5G, kecerdasan buatan dan komputasi canggih (TechRepublic)

Apa yang kami katakan kepada semua operator adalah bahwa satu-satunya strategi yang salah adalah tidak melakukan apa-apa. Tolong jangan secara akademis membicarakan hal ini selama dua tahun karena dalam dua tahun ke depan pasar akan terbentuk dengan kata sebenarnya dan Anda tidak akan memiliki pengaruh atau pemahaman. Jika saya adalah anggota organisasi masyarakat sipil, saya akan sangat takut untuk memilih satu strategi ketika tidak ada yang yakin bagaimana pasar ini akan muncul. Tempatkan dua taruhan dan pelajari darinya.

Scott MathesonApa yang harus dilakukan organisasi untuk meringankan hambatan?

Tom FotetAIOps adalah tentang perubahan bertahap: memulai data kecil dan mengambil manfaat dari membuat keputusan yang lebih baik, sambil meninggalkan keputusan akhir di tangan manusia, adalah cara yang baik untuk memulai. Teknologi tersedia untuk mengotomatisasi otomasi "loop tertutup" tanpa melibatkan manusia dalam pengambilan keputusan; Misalnya, secara otomatis mendeteksi dan memperbaiki masalah jaringan – tetapi itu tidak harus menjadi langkah pertama.

Scott Matheson: Apa yang harus dilakukan oleh penyedia layanan untuk mengurangi hambatan?

Tom FotetTetap terinformasi dengan klien mereka. Jika AIOps terkait dengan perubahan bertahap, penyedia layanan harus berhenti membesar-besarkan manfaatnya dan bekerja dengan pelanggan mereka untuk mulai menerapkannya. Bagi sebagian besar operator, perubahan akan terjadi melalui evolusi, bukan revolusi.

Scott MathesonPeluang apa yang akan tersedia di masa depan?

Tom FotetKarena jaringan komunikasi sangat kaya akan data, ada banyak peluang. Konsep menggunakan otomatisasi loop tertutup untuk jaringan perawatan mandiri adalah tujuan yang diupayakan setiap orang, dan tentu saja dapat dicapai secara luas di masa depan.

Lihat juga