Jaká je strategie umělé inteligence pro operátory telekomunikačních sítí?

Dopravci disponují obrovským množstvím nevyužitých dat. Umělá inteligence tato data promění v úrodnou půdu pro vývoj nových služeb, zlepšení kvality stávajících služeb, zlepšení zákaznické zkušenosti a zefektivnění obchodních operací.

Nguyen Van Yen, člen představenstva VNPT

Shrnutí:
-Data a umělá inteligence v telekomunikacích: Operátoři mají velké množství dat, která nejsou správně využívána. Umělá inteligence může pomoci transformovat data do nástrojů pro zlepšení služeb a optimalizaci obchodních operací.
- Trendy v aplikacích umělé inteligence: Rozvoj sítí 5G a internetu věcí (IoT) tlačí operátory k tomu, aby se od roku 2016 zaměřili na umělou inteligenci. V poslední době se GenAI stala strategickým nástrojem, zejména po spuštění ChatGPT od OpenAI.
- Ekonomické přínosy umělé inteligence: Předpokládá se, že umělá inteligence vytvoří pro operátory obrovskou hodnotu, včetně snížení nákladů a vytvoření nových zdrojů příjmů. Společnost McKinsey odhaduje, že generace umělé inteligence by mohla telekomunikačnímu průmyslu přinést 100 miliard dolarů.
- Aplikace umělé inteligence v organizaci: Umělou inteligenci je třeba aplikovat na všech úrovních organizace, od analýzy dat až po administrativní funkce. Mnoho dopravců zřídilo specializované jednotky pro umělou inteligenci a vybudovalo centra excelence v oblasti umělé inteligence.
- Rizika v aplikaci umělé inteligence: Provozovatelé sítí čelí problémům s náborem lidských zdrojů pro umělou inteligenci, správou dat a zajišťováním bezpečnosti při nasazování umělé inteligence. Řízení umělé inteligence je důležitým faktorem pro zajištění úspěšného a udržitelného nasazení.
- Příprava dat pro umělou inteligenci: Pro efektivní aplikaci umělé inteligence musí operátoři připravit čistá a konzistentní data a zajistit společný datový model. Sběr a zpracování dat je velkou výzvou, která vyžaduje velké investice do analýzy a správy dat.

Stav aplikací umělé inteligence pro telekomunikační společnosti

Vzestup 5G, IoT a rostoucí objem velkých dat jsou faktory, které nutí poskytovatele telekomunikačních služeb obracet svou pozornost k umělé inteligenci. Někteří velcí a ambiciózní operátoři začali s umělou inteligencí zacházet v letech 2016 a 2017 a v letech 2019–2020 zaznamenal telekomunikační sektor silné přijetí umělé inteligence u operátorů po celém světě . V posledních 12–15 měsících (od spuštění OpenAI s Chat GPT) se povědomí o GenAI rozšířilo z nástroje pro tvorbu obsahu založeného na umělé inteligenci na strategickou platformu a rychle se stává centrem myšlení téměř každého poskytovatele telekomunikačních služeb na světě.

Zpráva společnosti Allied o průzkumu trhu [6] o umělé inteligenci na telekomunikačním trhu v roce 2022 ukazuje: „Globální trh s umělou inteligencí v telekomunikačním sektoru se v roce 2021 odhaduje na 1,2 miliardy USD a očekává se, že do roku 2031 dosáhne 38,8 miliardy USD s průměrnou roční mírou růstu 41,4 % v letech 2022 až 2031.“ Telekomunikační společnosti se obracejí na umělou inteligenci jako na klíčový nástroj pro inovace, provozní efektivitu a lepší zákaznickou zkušenost.

Společnost Ericsson věří [1], že umělá inteligence přinese do odvětví včetně telekomunikací nebývalou hodnotu. Provozovatelům sítí přinese umělá inteligence příležitosti k optimalizaci síťového provozu, zlepšení zákaznické zkušenosti, snížení nákladů, přispění k udržitelnému rozvoji, vytvoření nových zdrojů příjmů atd.

Společnost Gartner [2] provedla průzkum a rozdělila 29 technologií souvisejících s umělou inteligencí do 5 skupin: základní technologie umělé inteligence, technologie založené na GenAI; technologie umělé inteligence zaměřené na data; technologie důvěryhodné umělé inteligence. Trend zavádění technologií založených na GenAI se v příštích 1–3 letech pravděpodobně prudce zvýší.

Telekomunikační společnosti vnímají GenAI jako zlomový bod, silný hnací motor, který pomůže podpořit růst tržeb, ušetřit náklady a zásadně změnit prostředí uživatelské zkušenosti. Mnoho operátorů vnímá GenAI jako klíčové zaměření své strategie v oblasti umělé inteligence.

Měření ekonomického dopadu AI/GenAI

Měření ekonomického dopadu umělé inteligence na telekomunikační průmysl není snadný úkol, protože potenciální případy využití jsou široké a rozmanité a odhady tržní hodnoty se z různých zdrojů značně liší. Mnoho operátorů se však shoduje, že přínosy umělé inteligence pro telekomunikační podnikání jsou významné. Například [4]:

- Propouštění a snižování počtu pracovních míst v důsledku umělé inteligence a automatizace. Společnost BT (Spojené království) odhaduje, že by do roku 2030 mohla zrušit 10 000 pracovních míst díky využití digitalizace a automatizace.

- Generovat nové příjmy uvedením produktů s podporou umělé inteligence. Společnost SK Telecom (Jižní Korea) věří, že do roku 2028 může vygenerovat příjmy související s umělou inteligencí až ve výši 25 000 miliard KRW (přibližně 18,5 miliardy USD).

- Pomoci ušetřit náklady nebo zvýšit příjmy. Společnost McKinsey odhaduje, že GenAI by mohla pro telekomunikační sektor vytvořit přidanou hodnotu až 100 miliard dolarů.

Provozovatelé měří přínosy každého případu použití umělé inteligence na základě dvou aspektů: finančních (kvantifikované úspory času, úspory nákladů, zvýšení příjmů) a nefinančních (spokojenost zaměstnanců, spokojenost zákazníků, malé a obtížně kvantifikovatelné úspory času, udržitelnost).

Kde se v telekomunikacích používá umělá inteligence a jak ji implementovat

Dopravci považují umělou inteligenci za strategickou prioritu, kterou je třeba aplikovat na úkoly a oddělení související s analýzou dat. Nedávný prudký nárůst GenAI však vyvolal určité perspektivy ohledně aplikace umělé inteligence v telekomunikačním průmyslu, a to zejména v následujících oblastech:

- Oblasti použití umělé inteligence v telekomunikacích:

- Umělá inteligence je inovativní nástroj, takže musí být dostupná pro každou pracovní skupinu ve společnosti.

+ Je třeba vynaložit veškeré úsilí, aby byla umělá inteligence snadno použitelná, a to i pro skupiny s nízkými technologickými schopnostmi.

+ Jednotky specializované na umělou inteligenci musí být schopny znát implementační postupy úspěšných případů užití umělé inteligence a vytvářet vhodné modely a metody pro opětovné použití těchto případů užití v celé organizaci.

+ Demokratizaci přístupu k umělé inteligenci musí doprovázet zavádění nových přístupů FinOps pro umělou inteligenci, aby se zvládla nákladová rizika spojená s jejím zavedením.

+ Je třeba vyvinout a implementovat program správy a řízení umělé inteligence, aby se snížilo riziko nekontrolovaných nákladů a podpořilo se využívání a experimentování s umělou inteligencí.

- Nasazení umělé inteligence v telekomunikačním sektoru

Vybudovat si pozici CXO pro umělou inteligenci s odbornými znalostmi a autoritou pro řízení vývoje a aplikací produktů a služeb v oblasti umělé inteligence (např. Steve Jarrett jmenován hlavním ředitelem pro umělou inteligenci (CAIO) ve společnosti Orange Innovation, 12/2023; Deepika Adusumilli, 10/2023 ve společnosti BT; Chung Sukguen ve společnosti SK Telecom).

Založení dceřiné společnosti pro vývoj umělé inteligence , například Proximus Ada je dceřinou společností síťového operátora Proximus (Belgie), která se konkrétně zaměřuje na vývoj kybernetické bezpečnosti a schopností umělé inteligence pro splnění interních požadavků společnosti Proximus a poskytování služeb zákazníkům B2B.

Oddělte interní funkce umělé inteligence a funkce umělé inteligence zaměřené na zákazníka. Namísto budování centralizované organizace umělé inteligence se Telefónica rozhodla rozdělit ji do dvou divizí: Customer Insights and Innovation; Sítě, IT systémy a Interní digitální transformace (CDS) směrem k umělé inteligenci.

Toto rozdělení odpovědností je obzvláště zajímavé, protože GenAI se více zaměřuje na zákazníka než na síťové funkce, zatímco prediktivní umělá inteligence je stále častěji technologií používanou pro účely automatizace sítí.

Umělá inteligence jako nová obchodní funkce. Například společnosti China Mobile a SK Telecom investují značné prostředky do umělé inteligence, aby mohly poskytovat nové produkty a služby. Oba operátoři se zaměřují na budování vlastního modelu velkých jazyků (LLM) s nejlepšími řešeními a funkcemi a na prodej přístupu podnikům (DN) a dalším operátorům.

Zřízení Centra excelence v oblasti umělé inteligence (CoE).

V průzkumu společnosti TMFrum (2023) [4] 53 % operátorů uvedlo, že zřídili centrum excelence pro umělou inteligenci (AI CoE). Přesná velikost, rozsah a role AI CoE se však značně liší. Například Vodafone Ziggo (Nizozemsko) má AI CoE, které sdružuje experty společnosti na datovou vědu.

Společnost Telefónica má globální centrum excelence (AI CoE) vedené divizí Sítě a IT, které se specializuje na data a architekturu umělé inteligence s cílem přejít na společný datový model a zkoumat technologie a řešení umělé inteligence.

e& (Blízký východ) má CoE, kde má každé klíčové oddělení/funkce svého zástupce. V popředí je správa umělé inteligence s cílem zajistit, aby byly úspěšné případy použití umělé inteligence prozkoumány a aplikovány napříč různými odděleními.

Umělá inteligence jako funkce platformy. Někteří dopravci vytvořili – nebo budují – platformy umělé inteligence navržené tak, aby je zpřístupnily různým částem organizace.

Například Vodafone má platformu umělé inteligence, která také poskytuje samoobslužné nástroje a školicí materiály pro různé týmy, aby si mohly vytvářet vlastní případy užití. SK Telecom má platformu pro analýzu dat, která poskytuje celé organizaci přístup k LLM, kterou vyvíjí SKT.

- Správa umělé inteligence

Požadavky na správu a řízení AI. Mnoho požadavků na správu a řízení AI je součástí stávajících programů správy a řízení dat. Jsou však zapotřebí další ochranná opatření specifická pro AI, aby se zajistilo, že nástroje a systémy AI zůstanou bezpečné a etické. Existují dva typy programů správy a řízení AI:

- Program externí správy a řízení je navržen tak, aby chránil jednotlivce a organizace mimo společnost.

- Programy interního řízení jsou navrženy tak, aby chránily zaměstnance a zajistily úspěšné a udržitelné nasazení umělé inteligence v celém podniku.

Programy správy a řízení zaměřené na ochranu lidí a organizací mimo společnost bývají kodifikované a normativní. Například Evropská unie (EU) schválila v prosinci 2023 zákon o umělé inteligenci, který vstoupí v platnost v roce 2025, a USA vydaly v říjnu 2023 výkonný příkaz o umělé inteligenci.

Přísné vládní regulace mohou telekomunikačním společnostem pomoci vyvinout technologie a funkce , které lze zpeněžit v zahraničí, zejména v zemích s přísnými předpisy o datové suverenitě.

Například společnost China Mobile věří, že metody, které používá k plnění zákonů o umělé inteligenci, mohou pomoci s vývojem bezpečnostních technologií, které může nabídnout svým zákazníkům. Swisscom experimentuje s budováním vlastní infrastruktury umělé inteligence a rozvíjením interních odborných znalostí, které může využít k vytváření hodnoty a nových řešení ve svém podnikání v oblasti IT služeb.

Vznik GenAI také vyžaduje zlepšení interní správy a řízení umělé inteligence: zvyšování rozsahu; řízení nákladů; ochrana organizace před důsledky používání nepřesných výsledků; snížení rizika technického dluhu; ochrana před rizikem „zkorumpovaných“ dat školicího modelu LLM; ochrana organizace před porušením duševního vlastnictví (IP)/autorských práv.

Rizika aplikace umělé inteligence v podnikání

Průzkum TMforum 2023 o rizicích při aplikaci GenAI v telekomunikačním průmyslu zahrnuje:

3.1. Lidské zdroje pro umělou inteligenci

Pokud jde o nábor talentů v oblasti umělé inteligence, většina telekomunikačních společností je v porovnání s technologickými společnostmi v nevýhodě, zejména při náboru mladších talentů. Technologické společnosti obvykle nabízejí lepší platy, rychlejší kariérní postup a výrazně flexibilnější firemní kulturu.

Průzkum TM Forum o potřebách lidských zdrojů v telekomunikačních společnostech podle specializace [4] ukazuje, že poptávka po dovednostech v oblasti umělé inteligence/strojového učení, analýzy dat a automatizace je vysoká (64 %, méně než v oblasti bezpečnosti s 69 %).

Pokud jde o obtížnost dovedností, které mohou telekomunikační společnosti získat, 59 % respondentů uvedlo, že nejobtížněji se najímají odborníci na datovou vědu/analytiku dat a odborníci na umělou inteligenci/strojové učení (s 63 %) jsou na druhém místě hned za bezpečností.

Na veletrhu MWC 2024 společnost Korea Telecom (Korea) oznámila, že letos přijme až 1 000 expertů na umělou inteligenci a digitální technologie ve snaze stát se společností zaměřenou na umělou inteligenci a informační a komunikační technologie (AICT). Zároveň společnost KT také zvýšila interní školení v oblasti umělé inteligence, aby zcela změnila svou DNA směrem k umělé inteligenci.

Společnost China Mobile založila v roce 2019 platformu Jiutian na podporu své ambice stát se do roku 2025 vysoce automatizovaným dopravcem. Platforma umělé inteligence je přístupná externím vývojářům prostřednictvím otevřených API. V říjnu 2023 vyvinula společnost China Mobile v rámci společnosti Jiutian vlastní program LLM. China Mobile začínala s pouhými 20 inženýry umělé inteligence, nyní jich má 600 a do konce roku 2024 plánuje dosáhnout 1 000.

Vodafone spolupracuje s hyperscalery pro svou platformu umělé inteligence, ale stále potřebuje dovednosti v oblasti AIOps, stejně jako v oblasti analytiky, automatizace, cloudu a platforem. Vodafone láká talenty najímáním lidí na plný úvazek.

Ashish Yadav, seniorní ředitel společnosti Capgemini, uvedl, že telekomunikační společnosti stále častěji hledají seniorní talenty v oblasti cloudu a umělé inteligence na úrovni architektů prostřednictvím společností zabývajících se systémovou integrací jako formu insourcingu. Definici insourcingu lze interpretovat mnoha různými způsoby, ale v tomto kontextu telekomunikační společnosti „zacházejí“ s seniorními talenty partnerské společnosti jako s členy pracovního týmu telekomunikačního operátora.

Většina telekomunikačních společností také zvyšuje rekvalifikaci a zvyšování kvalifikace, aby proaktivně vyhledávala talenty v oblasti umělé inteligence na vyžádání. Tento přístup může být ve skutečnosti nákladově efektivnější než najímání nových talentů a stále častěji se uplatňuje u všech ostatních obtížně obsazovatelných odborníků.

V průzkumu TMForum o tom, co musí dopravci udělat pro efektivní využití umělé inteligence a strojového učení, 60 % respondentů uvedlo, že školení stávajících zaměstnanců v různých dovednostech v oblasti umělé inteligence by mělo velký dopad, zatímco 39 % uvedlo, že by mělo významný dopad.

Podle společnosti McKinsey & Company nutí GenAI provozovatele k internímu rozvoji odborných znalostí v oblasti umělé inteligence a zároveň vyžaduje nové dovednosti od uživatelů, jako je například prompt engineering – schopnost klást otázky, aby se od LLM dosáhlo co nejlepší odpovědi. Provozovatelé také potřebují najmout datové inženýry a odborníky v dané oblasti, „kteří chápou, jaká data shromažďovat a jak je shromažďovat, a také monitorují a vyhodnocují kvalitu nových typů dat generovaných a používaných systémy GenAI . “

3.2. Připravenost dat pro aplikace umělé inteligence

Architektura založená na datech je klíčem k udržení přesnosti a konzistence v celé síti. Použití společného datového modelu zajišťuje hladký tok dat napříč všemi systémy a jejich přesné zpracování ve všech automatizovaných pracovních postupech.

Umělá inteligence potřebuje data a datová analýza potřebuje umělou inteligenci. Mnoho operátorů dnes čelí značným výzvám při vývoji ucelených datových strategií, aby mohli plně využít technologie umělé inteligence. Provozovatelé v raných fázích experimentování s umělou inteligencí mohou podceňovat, co je potřeba, zejména z hlediska dat, k úspěšnému nasazení umělé inteligence ve velkém měřítku.

Mnoho dopravců postrádá ucelenou strategii, která by umožňovala horizontální tok dat napříč organizací v rámci jednotného datového modelu.

Některé specifické výzvy spojené s přípravou dat pro umělou inteligenci:

Chybí čistá, jasná, konzistentní a proveditelná data , která by bylo možné aplikovat na různé části podniku, od sítě přes poskytování služeb až po zákaznickou zkušenost. To je zásadní pro všechny procesy související s realizací založenou na datech a umělé inteligenci.

Absence společného datového modelu (data jsou v současné době shromažďována od více dodavatelů) má za následek extrémně časově náročnou agregaci strukturovaných a nestrukturovaných dat.

Nedostatek kontextu dat, tedy neúplná znalost toho, jak, kdy, kde a pro jaké účely jsou data shromažďována, je obzvláště významnou překážkou, kterou musí telekomunikační společnosti překonat, pokud chtějí nasadit GenAI nebo jakýkoli jiný typ modelu strojového učení.

Operátoři si uvědomují hodnotu dat a zvyšují své investice do datové analytiky. Společnost Omdia odhaduje, že globální operátoři do roku 2025 investují do datové analytiky 2,5 miliardy dolarů.

Ve skutečnosti je čas a investice potřebné ke shromažďování, čištění, transformaci a ukládání dat ve správném formátu často neúměrně vyšší než čas potřebný k jejich využití. Proces vytváření datových jezer a datových skladů probíhá již léta, ale dosud operátorům neumožnil nasadit umělou inteligenci ve velkém měřítku v celé jejich organizaci.

Nástup inovací a analytických nástrojů založených na umělé inteligenci vyvolal potřebu a poptávku po rozmanitějším a flexibilnějším využití dat, například:

- Umělá inteligence/strojové učení vyžaduje obrovské množství dat k trénování modelů

- Pro zajištění objektivních výsledků umělé inteligence jsou zapotřebí rozmanité datové sady a více datových typů.

- Přidání datových vrstev pro zlepšení přesnosti modelu a dopadu na aplikaci

- Modely musí být průběžně trénovány s využitím nejnovějších informací, aby si udržely prediktivní výkon, zejména v dynamickém prostředí.

- Data musí být k dispozici v reálném čase pro kritické obchodní funkce, zejména ve vysoce interaktivním prostředí.

- Nástup GenAI dal operátorům příležitost využít velké množství dostupných nestrukturovaných dat, ale tato data je třeba před jejich vložením do LLM označit a vyčistit.

Aby bylo možné dosáhnout významného pokroku v oblasti umělé inteligence z datového hlediska, musí operátoři zásadně změnit způsob, jakým přistupují k datům protékajícím jejich systémy, a někdy i změnit firemní kulturu. Klíčem je vybudovat společný datový model a vytvořit jednotný zdroj pravdivých informací.

Vytvoření jednotného zdroje pravdivých informací je nesmírně složitý úkol, který dosud kvůli fragmentaci dat přesahoval možnosti většiny operátorů. Společnosti BT, Deutsche Telekom a Telefónica podnikly kroky k řešení tohoto problému přesunutím všech svých dat do veřejného cloudu. Například v posledních dvou letech společnost BT přesunula více než 90 % svých dat na platformu Google Cloud.

Architektura, sestavení, nákup a škálování umělé inteligence

Mezi umělou inteligencí/generací umělé inteligence (AI/GenAi) a cloud computingem existuje mnoho podobností, zejména technologický posun a dominance hypervolajících operátorů. Operátoři čelí stejnému problému, stejné otázkou jako umělá inteligence a cloud: Co koupit a co vybudovat?

Přístup operátorů k umělé inteligenci je do značné míry formován základními principy otevřené architektury a kompozibility. Omair Ahmed Khan ze společnosti Deutsche Telekom říká, že většina projektů společnosti v oblasti umělé inteligence zahrnuje kombinaci budování a nákupu různých komponent: „Deutsche Telekom má hybridní strategii budování a nákupu a nákupní část nikdy nezahrnovala nákup kompletního řešení na klíč.“

Provozovatelé se domnívají, že je příliš brzy na to, aby AI považovali za součást své podnikové architektury nebo za součást své referenční architektury. Někteří provozovatelé s jasnou vizí a strategií pro integraci AI do své budoucí podnikové architektury si také uvědomují implementační výzvy, které se konkrétně týkají lidí, nástrojů a schopností potřebných k dosažení efektivních výsledků a jasné návratnosti investic.

Industrializaci softwaru lze považovat za dobrou praxi pro industrializaci umělé inteligence prostřednictvím přesunu dat do veřejných cloudů a zpřístupnění dat v reálném čase. CIO jihovýchodní asijské společnosti popsal proces industrializace umělé inteligence jako „datovou továrnu“. „To výrazně zkrátilo čas a náklady na výrobu umělé inteligence,“ řekl.

„Před dvěma lety byly náklady na výrobu umělé inteligence velmi vysoké. Vytvoření modelu umělé inteligence trvalo šest až osm měsíců. Nyní to trvá jen pár dní. Celý cyklus lze realizovat mnohem rychleji a s menším počtem lidí.“

Praxe u některých dopravců:

China Mobile: v rámci projektu Jiutian LLM zakoupila hardware a vybudovala vlastní datové centrum včetně grafických procesorů (GPU) a akcelerátorů.

Jio: Reliance Industries, mateřská společnost indické telekomunikační společnosti Jio, se spojila se společností Nvidia na vybudování superpočítačové infrastruktury pro umělou inteligenci. Reliance si klade za cíl poskytovat infrastrukturu umělé inteligence vědcům, vývojářům a startupům po celé Indii a vytvářet aplikace a služby umělé inteligence pro 450 milionů zákazníků společnosti Jio.

Rozhodnutí o tom, kde nasadit umělou inteligenci ve veřejném nebo soukromém cloudu, je také záležitostí telekomunikačních operátorů a do značné míry závisí na rozsahu nasazení. Nasazení umělé inteligence ve veřejném cloudu má výhodu v podobě dostatečných výpočetních zdrojů, výkonu a specializovaného hardwaru potřebného ke zpracování složitých algoritmů a velkého množství dat, nicméně náklady se mohou stát problémem, pokud operátor používá veřejný cloud pouze ke zpracování velkých objemů dat.

Rozhodnutí o využití privátního cloudu pro GenAI je mnoha operátory považováno za neproveditelné, pokud si operátor nebuduje vlastní LLM – jako je tomu například v případě China Mobile, Softbank a SK Telecom v Asii a Deutsche Telekom v Evropě. Operátoři mají tendenci upřednostňovat veřejný cloud pro testování a vytváření MVP pro případy použití AI.

S tím, jak dopravci zvyšují využívání umělé inteligence, nevyhnutelně to povede k prohloubení vztahů.

- Softbank: navázala partnerství se společností Nvidia na výstavbě datových center (TTDL) určených pro hostování aplikací GenAI a bezdrátových aplikací. Nová TTDL zvládnou úlohy AI i 5G.

- SK Telecom: v rámci širších ambicí SKT v oblasti umělé inteligence sleduje poptávku po datových centrech založených na umělé inteligenci. Finanční ředitel Yang-Seob Kim uvedl, že SKT plánuje „dále posílit své podnikání v oblasti datových center se zaměřením na datová centra umělé inteligence nové generace a globální expanzi“.

Společnost NTT investuje v příštích pěti letech 1,5 bilionu jenů (přibližně 12 miliard dolarů) do globálního rozšíření a modernizace svého podnikání v oblasti datových center, aby uspokojila rostoucí poptávku po datech souvisejících s používáním GenAI a dalších technologií.

Rozhodnutí o tom, kde nasadit umělou inteligenci ve veřejném nebo soukromém cloudu, je také záležitostí telekomunikačních operátorů a do značné míry závisí na rozsahu nasazení. Nasazení umělé inteligence ve veřejném cloudu má výhodu v podobě dostatečných výpočetních zdrojů, výkonu a specializovaného hardwaru potřebného ke zpracování složitých algoritmů a velkého množství dat, nicméně náklady se mohou stát problémem, pokud operátor používá veřejný cloud pouze ke zpracování velkých objemů dat.

Rozhodnutí o využití privátního cloudu pro GenAI je mnoha operátory považováno za neproveditelné, pokud si operátor nebuduje vlastní LLM – jako je tomu například v případě China Mobile, Softbank a SK Telecom v Asii a Deutsche Telekom v Evropě. Operátoři mají tendenci upřednostňovat veřejný cloud pro testování a vytváření MVP pro případy použití AI.

S tím, jak operátoři zvyšují využívání umělé inteligence, nevyhnutelně to povede k hlubším vztahům se superspolečnostmi – Amazon Web Services, Microsoft Azure a Google Cloud.

Reference:
1. Obchodní potenciál umělé inteligence: Pochopení hodnoty umělé inteligence pro
telekomunikační operace. https://www.ericsson.com/4ac6ca/
aktiva/místní/zprávy-dokumenty/další-informace/doc/ai-
obchodní-potenciál.pdf
[2]. Radar dopadu nově vznikajících technologií: Umělá inteligence, Gartner, 19. ledna 2024 ID G00796195
[3]. Generativní umělá inteligence: operátoři dělají první kroky, TMforum 2023
[4]. Budování strategie umělé inteligence Telekomunikační společnosti položily základy,
TMforum 3, 2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
telekomunikační-trh-A09352
[7]. Generace umělé inteligence v telekomunikacích, klíčová zjištění z telekomunikační společnosti Omdia GenAI
Průzkum poskytovatelů služeb Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
Telekomunikace/
[9]. Kam směřuje umělá inteligence? Nokia https://www.nokia.com/thought-
vedení/články/AI/kam-směřuje-AI/
[10]. Ericsson Telco AI, interní dokument

(Zveřejněno v tištěné publikaci časopisu TT&TT č. 8, srpen 2024)

Zdroj: https://ictvietnam.vn/chien-luoc-ai-nao-cho-cac-nha-khai-tac-mang-vien-thong-66422.html