Aby usprawniać funkcjonowanie swoich systemów, operatorzy telekomunikacyjni potrzebują także platform chmurowych oraz przetwarzania danych na brzegu sieci (ang. edge computing). Technologie te pomogą usprawnić działanie infrastruktury teleinformatycznej oraz obsługę nowych aplikacji (IoT, connected/autonomous car, telemedycyna i inn.). Niezawodne łącza i minimalne opóźnienia w sieciach mają kluczowe znaczenie, zwłaszcza przy obsłudze podłączonych do sieci samochodów (ang. connected cars), a w przyszłości autonomicznych pojazdów, gdzie rzecz będzie dotyczyć bezpieczeństwa pasażerów.
Operatorzy nie tylko będą musieli zapewniać coraz bardziej niezawodne szerokopasmowe łącza z minimalnymi opóźnieniami, ale także być dostawcami treści – zwłaszcza wideo – które będą odpowiedzialne za 89 proc. ruchu w sieciach do 2025 r. – czytamy w raporcie GIV.
Nowe technologie, takie jak IoT i chmura, sprawiają, że sieci będą musiały obsługiwać coraz większe ilości danych. Aby lepiej planować rozbudowę sieci i systemów łączności, automatyzacja staje się koniecznością. Aplikacje sieciowe oparte na AI mogą zapewnić inteligentne rozwiązania służące do optymalizacji działania sieci, automatyzacji obsługi i utrzymania sieci. Wprowadzanie sztucznej inteligencji do środowiska ICT przyczyni się również do ewolucji automatycznych, samonaprawiających i samooptymalizuących sieci, zapewniających duże moce obliczeniowe oraz analizę danych.
Aby wyeliminować opóźnienia i błędy wynikające z ręcznej obsługi operacji sieciowych (w tym planowania i optymalizacji), dostawcy usług komunikacyjnych mogą automatyzować procesy biznesowe za pomocą funkcji AI, takich jak: uczenie maszynowe, głębokie uczenie (deep learning) i przetwarzanie języka naturalnego. Zapotrzebowanie na wykorzystywanie sztucznej inteligencji do automatyzowania działań operacyjnych telekomów będzie rosło w miarę jak ich sieci fizyczne będą wirtualizowane.
Sieci SDN i wirtualizacja funkcji sieciowych będą funkcjonowały w oparciu o zautomatyzowane procesy, które zapewnią sprawność i efektywność kosztową. Autodiagnostyka i samooptymalizacja sieci będzie możliwa pod warunkiem dysponowania pogłębionym obrazem systemu, który można uzyskać na podstawie dokładnych analiz big data. W przyszłości, dzięki AI, będzie można z wyprzedzeniem rozpoznawać wystąpienie problemów w sieci, zanim dotkną abonentów. Inteligencję trzeba będzie jednak wszczepiać do wszystkich narzędzi software’owych i sprzętowych. Pomoże to w budowie systemu podłączanych do sieci sensorów o zdecentralizowanej architekturze.
