Po ponad 10 proc. ankietowanych wymieniło zarządzanie usługami w terenie oraz Internet Rzeczy. Trzy pierwsze wskazania odzwierciedlają potrzebę posiadania przez operatorów odpowiednich narzędzi do analiz w czasie rzeczywistym i automatyzacji prostych procesów – zaznaczają autorzy raportu.
Jeśli chodzi o preferencje związane z wdrożeniami SI, to 46,2 proc. operatorów uznało, że najlepszą ramą jest struktura małych, współpracujących ze sobą, bloków, które można uzupełnić o nowe elementy.
Tylko 13,2 proc. ankietowanych jest zainteresowanych w pełni autonomiczną sztuczną inteligencją. Największy odsetek (38,5 proc.) preferuje mechanizmy SI, które pozwalają wykrywać zdarzenia w sieciach i zalecają podjęcie konkretnych, automatycznych, działań. W dalszej kolejności wskazano mechanizmy SI, które wykrywają, rekomendują i stosują rozwiązania po zapoznaniu się z systemem (24,2 proc.), oraz takie, które wykrywają zdarzenia sieciowe i rekomendują pracownikom działania do wykonania (23,1 proc,). Tylko 1,1 proc. respondentów preferowało sztuczną inteligencję, która wyłącznie wykrywa i raportuje zdarzenia.
Osiągnięto szeroki konsensus co do obszarów, w których interpretowalność SI jest najważniejsza. Respondenci za najważniejsze wskazywali „predykcyjne, zapobiegawcze utrzymanie aktywów, planowanie zadań terenowych i delegowanie” (21,3 proc.), a następnie „gwarancje biznesowe i wykrywanie problemów” (20,8 proc.). „Integralność danych, wykrywanie systemu, zalecenia dotyczące projektowania usług i orkiestracja” oraz „wykrywanie oszustw i zapobieganie im” znalazły się na trzecim miejscu (20,3 proc.), a następnie „fakturowanie, chatboty i wsparcie sprzedaży” (17,3 proc.).
Ankietowani operatorzy szczerze przyznali, że największą przeszkodą we wdrażaniu sztucznej inteligencji jest brak odpowiednich umiejętności – wskazało na to 40,7 proc. respondentów. Pokazuje to ich gotowość do współpracy przy projektach SI z zewnętrznymi specjalistami.
Wysokie koszty wdrożenia SI lub UM są uznawane przez operatorów (20,9 proc. ankietowanych) za drugą największą przeszkodę. Kolejną jest brak zasobów kadrowych do prowadzenia szkoleń w zakresie algorytmów uczenia maszynowego (19,8 proc.).
Jeśli chodzi o techniczne wyzwania związane z wykorzystywaniem SI/UM do obsługi danych, nie było dużej różnicy między odsetkiem respondentów, którzy jako największe problemy wskazywali lokalizowanie wszystkich źródeł danych oraz przetwarzanie dużych ilości danych w czasie rzeczywistym (odpowiednio 28 proc. i 26,1 proc.). Podobnie niewielka różnica była między operatorami, którzy wskazywali na dane dotyczące etykietowania (19,8 proc.) i nie zawierające wystarczających informacji do wykorzystania w uczeniu maszynowym (17,2 proc.).
W podsumowaniu wyników badania Mobile World Live podkreślono, że operatorzy są w pełni świadomi, że sztuczna inteligencja może być głównym filarem metamorfozy i ulepszania operacji, podczas wchodzenia w erę 5G. Wielu już wprowadziło w jakiejś formie mechanizmy SI do swoich sieci lub planuje to zrobić.
Dostawcy usług komunikacyjnych wykorzystują elastyczność technologii SI/UM, wprowadzając je w tak różnych obszarach, jak OSS i BSS, obsługa klienta, wykrywanie oszustw oraz monitorowanie, planowanie i optymalizacja sieci.
– Szeroki zakres wykorzystania tych technologii przez operatorów pokazuje jak ważne są dla nich w nadchodzącej dekadzie – piszą autorzy raportu w konkluzjach.
Zaznaczają jednocześnie, że potrzebują oni pomocy, aby w pełni wykorzystać zalety tych technologii.
Raport „Artificial Intelligence, Machine Learning and the Future of Telecoms” powstał na podstawie odpowiedzi uzyskanych w ankiecie internetowej przeprowadzonej na 226 respondentach na zlecenie Comarch przez Mobile World Live. Operatorzy sieci komórkowych z rocznymi przychodami przekraczającymi 10 mld dolarów stanowili 15,5 proc. respondentów, a 4 proc. pochodziło od MNO, których roczna sprzedaż wynosiła od 5 do 10 mld dol. Kolejne 20,8 proc. respondentów to operatorzy telekomunikacyjni, których przychody nie przekraczały 5 mld dol. Pozostała część składała się z dostawców usług telekomunikacyjnych, specjalistów SI i UM, analityków branżowych i innych zainteresowanych stron w tej dziedzinie. Pod względem geograficznym najbardziej reprezentowana była Europa (48,4 proc.), a następnie Azja (28,6 proc.), Ameryka Północna (11 proc.), Afryka i Bliski Wschód (po 4,4 proc.), Ameryka Południowa (2,2 proc.) i Australia (1,1 proc.).
Artificial Intelligence, Machine Learning and the Future of Telecoms
