ຍຸດທະສາດ AI ແມ່ນຫຍັງສໍາລັບຜູ້ປະຕິບັດການເຄືອຂ່າຍໂທລະຄົມ?

ບໍລິສັດໂທລະຄົມມີຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍທີ່ບໍ່ໄດ້ຖືກນໍາໃຊ້ຢ່າງມີປະສິດທິພາບ. ຄໍາຮ້ອງສະຫມັກຂອງ AI ຈະຫັນປ່ຽນຂໍ້ມູນນີ້ໄປສູ່ພື້ນທີ່ອຸດົມສົມບູນສໍາລັບການພັດທະນາການບໍລິການໃຫມ່, ການປັບປຸງຄຸນນະພາບຂອງການບໍລິການທີ່ມີຢູ່, ເພີ່ມປະສົບການຂອງລູກຄ້າ, ແລະປັບປຸງການດໍາເນີນທຸລະກິດ.

ທ່ານ ຫງວຽນ​ວັນ​ເຍີນ, ກຳມະການ​ຄະນະ​ກຳມະການ​ບໍລິຫານ VNPT

ສະຫຼຸບ:
- ຂໍ້ມູນ ແລະ AI ໃນໂທລະຄົມມະນາຄົມ: ຜູ້ປະກອບການໂທລະຄົມມີຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍທີ່ບໍ່ໄດ້ຖືກນໍາໃຊ້ຢ່າງເຕັມສ່ວນ. AI ສາມາດຊ່ວຍຫັນປ່ຽນຂໍ້ມູນນີ້ເປັນເຄື່ອງມືເພື່ອເສີມຂະຫຍາຍການບໍລິການ ແລະ ເພີ່ມປະສິດທິພາບການດໍາເນີນທຸລະກິດ.
- ທ່າອ່ຽງຂອງແອັບພລິເຄຊັນ AI: ການພັດທະນາຂອງ 5G ແລະ IoT ໄດ້ຊຸກຍູ້ໃຫ້ຜູ້ປະກອບການເຄືອຂ່າຍສຸມໃສ່ AI ຕັ້ງແຕ່ປີ 2016. ບໍ່ດົນມານີ້, GenAI ໄດ້ອອກມາເປັນເຄື່ອງມືຍຸດທະສາດ, ໂດຍສະເພາະຫຼັງຈາກການເປີດຕົວ ChatGPT ຂອງ OpenAI.
- ຜົນປະໂຫຍດທາງດ້ານເສດຖະກິດຂອງ AI: AI ຄາດວ່າຈະສ້າງມູນຄ່າທີ່ສໍາຄັນສໍາລັບຜູ້ປະຕິບັດການເຄືອຂ່າຍ, ລວມທັງການຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍແລະການສ້າງລາຍຮັບໃຫມ່. McKinsey ຄາດຄະເນວ່າ GenAI ສາມາດນໍາເອົາ 100 ຕື້ໂດລາໃຫ້ແກ່ອຸດສາຫະກໍາໂທລະຄົມ.
- ຄໍາຮ້ອງສະຫມັກ AI ໃນອົງການຈັດຕັ້ງ: AI ຈໍາເປັນຕ້ອງໄດ້ຖືກນໍາໃຊ້ໃນທຸກລະດັບຂອງອົງການຈັດຕັ້ງ, ຈາກການວິເຄາະຂໍ້ມູນກັບຫນ້າທີ່ບໍລິຫານ. ບໍລິສັດຈໍານວນຫຼາຍໄດ້ສ້າງຕັ້ງຫນ່ວຍງານ AI ທີ່ອຸທິດຕົນແລະສ້າງສູນທີ່ດີເລີດໃນ AI.
- ຄວາມສ່ຽງຂອງຄໍາຮ້ອງສະຫມັກ AI: ສິ່ງທ້າທາຍໃນການຮັບພະນັກງານ AI, ການຄຸ້ມຄອງຂໍ້ມູນ, ແລະຮັບປະກັນຄວາມປອດໄພໃນການນໍາໃຊ້ AI ແມ່ນບັນຫາທີ່ຜູ້ປະກອບການເຄືອຂ່າຍຕ້ອງປະເຊີນ. ການ​ຄຸ້ມ​ຄອງ AI ເປັນ​ປັດ​ໄຈ​ທີ່​ສໍາ​ຄັນ​ໃນ​ການ​ຮັບ​ປະ​ກັນ​ການ​ນໍາ​ໃຊ້​ສົບ​ຜົນ​ສໍາ​ເລັດ​ແລະ​ແບບ​ຍືນ​ຍົງ​.
- ການກະກຽມຂໍ້ມູນສໍາລັບ AI: ສໍາລັບຄໍາຮ້ອງສະຫມັກ AI ທີ່ມີປະສິດຕິຜົນ, ຜູ້ປະຕິບັດງານເຄືອຂ່າຍຈໍາເປັນຕ້ອງໄດ້ກະກຽມຂໍ້ມູນທີ່ສະອາດ, ສອດຄ່ອງແລະຮັບປະກັນຮູບແບບຂໍ້ມູນທົ່ວໄປ. ການເກັບກໍາຂໍ້ມູນແລະການປຸງແຕ່ງແມ່ນສິ່ງທ້າທາຍທີ່ສໍາຄັນ, ຮຽກຮ້ອງໃຫ້ມີການລົງທຶນທີ່ສໍາຄັນໃນການວິເຄາະແລະການຄຸ້ມຄອງຂໍ້ມູນ.

ສະຖານະປັດຈຸບັນຂອງຄໍາຮ້ອງສະຫມັກ AI ສໍາລັບ telcos.

ການພັດທະນາຂອງເຕັກໂນໂລຊີ 5G, IoT, ແລະປະລິມານທີ່ເພີ່ມຂຶ້ນເລື້ອຍໆຂອງ Big Data ກໍາລັງຂັບລົດໃຫ້ຜູ້ໃຫ້ບໍລິການໂທລະຄົມປ່ຽນຄວາມສົນໃຈຂອງເຂົາເຈົ້າກັບ AI. ຜູ້ໃຫ້ບໍລິການຂະຫນາດໃຫຍ່, ທະເຍີທະຍານຫຼາຍແຫ່ງໄດ້ເລີ່ມຕົ້ນການຮັບຮອງເອົາ AI ໃນປີ 2016 ແລະ 2017, ແລະໃນປີ 2019-2020, ຂະແຫນງໂທລະຄົມນາຄົມໄດ້ເຫັນການຮັບຮອງເອົາຢ່າງແຂງແຮງຂອງ AI ໂດຍຜູ້ໃຫ້ບໍລິການ ທົ່ວໂລກ . ໃນ 12-15 ເດືອນທີ່ຜ່ານມາ (ນັບຕັ້ງແຕ່ການປະກົດຕົວຂອງ OpenAI ກັບ GPT Chat), ຄວາມຮັບຮູ້ຂອງ GenAI ໄດ້ຂະຫຍາຍຈາກເຄື່ອງມືສ້າງເນື້ອຫາໂດຍອີງໃສ່ AI ໄປສູ່ເວທີຍຸດທະສາດ, ກາຍເປັນສູນກາງຂອງຄວາມຄິດຂອງເກືອບທຸກຜູ້ໃຫ້ບໍລິການໂທລະຄົມທົ່ວໂລກ.

ບົດລາຍງານຂອງ Allied Market Research [6] ກ່ຽວກັບ AI ໃນຕະຫຼາດໂທລະຄົມມະນາຄົມໃນປີ 2022 ສະແດງໃຫ້ເຫັນວ່າ: "ຂະຫນາດຕະຫຼາດ AI ທົ່ວໂລກໃນຕະຫລາດໂທລະຄົມມະນາຄົມມີມູນຄ່າ 1.2 ຕື້ໂດລາໃນປີ 2021 ແລະຄາດວ່າຈະບັນລຸ 38.8 ຕື້ໂດລາໃນປີ 2031, ດ້ວຍ CAGR ຂອງ 41.4% ຈາກ 2022". ບໍລິສັດໂທລະຄົມ (telcos) ກໍາລັງຫັນໄປສູ່ AI ເປັນເຄື່ອງມືທີ່ສໍາຄັນເພື່ອສະຫນັບສະຫນູນນະວັດກໍາ, ປະສິດທິພາບການດໍາເນີນງານແລະເສີມຂະຫຍາຍປະສົບການຂອງລູກຄ້າ.

Ericsson ກ່າວ [1] ວ່າ AI ຈະນໍາເອົາມູນຄ່າທີ່ບໍ່ເຄີຍມີມາກ່ອນມາສູ່ອຸດສາຫະກໍາລວມທັງຂະແຫນງການໂທລະຄົມນາຄົມ. ສໍາລັບຜູ້ປະຕິບັດການເຄືອຂ່າຍ, AI ຈະໃຫ້ໂອກາດທີ່ຈະເພີ່ມປະສິດທິພາບການປະຕິບັດງານຂອງເຄືອຂ່າຍ, ປັບປຸງປະສົບການຂອງລູກຄ້າ, ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍ, ປະກອບສ່ວນເຂົ້າໃນການພັດທະນາແບບຍືນຍົງ, ສ້າງແຫຼ່ງລາຍຮັບໃຫມ່, ແລະອື່ນໆ.

Gartner [2] ໄດ້ດໍາເນີນການສໍາຫຼວດແລະຈັດກຸ່ມ 29 ເຕັກໂນໂລຊີທີ່ກ່ຽວຂ້ອງກັບ AI ເປັນ 5 ກຸ່ມ: ເຕັກໂນໂລຊີ AI ຫຼັກ, ເຕັກໂນໂລຊີ GenAI; ເຕັກໂນໂລຊີ AI ສຸມໃສ່ຂໍ້ມູນ; ແລະ AI Trust ເຕັກໂນໂລຊີ. ທ່າອ່ຽງຂອງການນຳໃຊ້ເຕັກໂນໂລຊີທີ່ອີງໃສ່ GenAI ຄາດວ່າຈະເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນ 1-3 ປີຂ້າງໜ້າ.

Telcos ເບິ່ງ GenAI ເປັນຈຸດປ່ຽນ, ເປັນຕົວຂັບເຄື່ອນທີ່ມີປະສິດທິພາບທີ່ປະກອບສ່ວນເຂົ້າໃນການບຸກເບີກລາຍໄດ້, ການປະຫຍັດຄ່າໃຊ້ຈ່າຍ, ແລະການປ່ຽນແປງພື້ນຖານປະສົບການຂອງຜູ້ໃຊ້. ຜູ້ໃຫ້ບໍລິການຈໍານວນຫຼາຍເຫັນວ່າ GenAI ເປັນຈຸດໃຈກາງໃນຍຸດທະສາດ AI ຂອງພວກເຂົາ.

ການວັດແທກຜົນກະທົບທາງເສດຖະກິດຂອງ AI/GenAI

ການວັດແທກຜົນກະທົບທາງດ້ານເສດຖະກິດຂອງ AI ຕໍ່ອຸດສາຫະກໍາໂທລະຄົມບໍ່ແມ່ນວຽກທີ່ງ່າຍເພາະວ່າກໍລະນີການນໍາໃຊ້ທີ່ມີທ່າແຮງແມ່ນມີຄວາມກວ້າງຂວາງແລະຫລາກຫລາຍແລະການຄາດຄະເນມູນຄ່າຕະຫຼາດແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍຈາກແຫຼ່ງຕ່າງໆ. ຢ່າງໃດກໍຕາມ, ຜູ້ໃຫ້ບໍລິການຈໍານວນຫຼາຍຕົກລົງເຫັນດີວ່າຜົນປະໂຫຍດຂອງ AI ກັບທຸລະກິດ Telco ແມ່ນໃຫຍ່ຫຼວງ. ຕົວຢ່າງ [4]:

- ຕັດວຽກຍ້ອນ AI ແລະອັດຕະໂນມັດ. BT (UK) ຄາດຄະເນວ່າມັນສາມາດຕັດວຽກ 10,000 ພາຍໃນປີ 2030 ໂດຍການໃຊ້ການຫັນເປັນດິຈິຕອນແລະອັດຕະໂນມັດ.

- ການສ້າງລາຍຮັບໃຫມ່ໂດຍຜ່ານການເປີດຕົວຜະລິດຕະພັນທີ່ໃຊ້ AI. SK Telecom (ເກົາຫຼີໃຕ້) ເຊື່ອວ່າສາມາດສ້າງລາຍຮັບທີ່ກ່ຽວຂ້ອງກັບ AI ໄດ້ເຖິງ 25 ພັນຕື້ KRW (ປະມານ 18.5 ຕື້ໂດລາ) ໃນປີ 2028.

- ມັນສາມາດຊ່ວຍປະຫຍັດຄ່າໃຊ້ຈ່າຍຫຼືເພີ່ມລາຍຮັບ. McKinsey ຄາດຄະເນວ່າ GenAI ສາມາດສ້າງມູນຄ່າເພີ່ມໄດ້ເຖິງ 100 ຕື້ໂດລາສໍາລັບຂະແຫນງໂທລະຄົມມະນາຄົມ.

ຜູ້ປະກອບການເຄືອຂ່າຍວັດແທກຜົນປະໂຫຍດຂອງແຕ່ລະກໍລະນີການນໍາໃຊ້ AI ໂດຍອີງໃສ່ສອງດ້ານ: ດ້ານການເງິນ (ການປະຫຍັດເວລາ (ປະລິມານ), ການປະຫຍັດຄ່າໃຊ້ຈ່າຍ, ລາຍໄດ້ເພີ່ມຂຶ້ນ) ແລະທີ່ບໍ່ແມ່ນທາງດ້ານການເງິນ (ຄວາມພໍໃຈຂອງພະນັກງານ, ຄວາມພໍໃຈຂອງລູກຄ້າ, ການປະຫຍັດເວລາທີ່ມີປະລິມານຫນ້ອຍ, ການພັດທະນາແບບຍືນຍົງ).

ແອັບພລິເຄຊັ່ນ AI ພົບເຫັນຢູ່ໃສໃນ telcos ແລະວິທີການນຳໃຊ້ AI ຢູ່ໃນອົງກອນຕ່າງໆ?

ບໍລິສັດໂທລະຄົມເບິ່ງ AI ເປັນບູລິມະສິດຍຸດທະສາດ, ນໍາໃຊ້ມັນກັບວຽກງານແລະພະແນກທີ່ກ່ຽວຂ້ອງກັບການວິເຄາະຂໍ້ມູນ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ການຂະຫຍາຍຕົວຂອງ GenAI ທີ່ຜ່ານມາໄດ້ຍົກສູງທັດສະນະກ່ຽວກັບການນໍາໃຊ້ AI ໃນໂທລະຄົມ, ໂດຍສະເພາະ:

- ເຂດ​ພື້ນ​ທີ່​ຂອງ​ຄໍາ​ຮ້ອງ​ສະ​ຫມັກ AI ໃນ telcos​:

- AI ເປັນເຄື່ອງມືທີ່ມີຄວາມຄິດສ້າງສັນ, ສະນັ້ນມັນຈໍາເປັນຕ້ອງມີໃຫ້ກັບທຸກໆວຽກງານໃນບໍລິສັດ.

+ ທຸກໆຄວາມພະຍາຍາມຕ້ອງເຮັດເພື່ອເຮັດໃຫ້ AI ເຂົ້າເຖິງໄດ້, ເຖິງແມ່ນວ່າກຸ່ມທີ່ມີຄວາມຊໍານິຊໍານານດ້ານເຕັກໂນໂລຢີຕໍ່າ.

+ ຫນ່ວຍງານທີ່ເນັ້ນໃສ່ AI ຈໍາເປັນຕ້ອງສາມາດເຂົ້າໃຈການປະຕິບັດການນໍາໃຊ້ກໍລະນີທີ່ປະສົບຜົນສໍາເລັດຂອງ AI ແລະສ້າງແບບຈໍາລອງແລະວິທີການທີ່ເຫມາະສົມສໍາລັບການຈັດຕັ້ງປະຕິບັດກໍລະນີການນໍາໃຊ້ເຫຼົ່ານີ້ຄືນໃຫມ່ໃນທົ່ວອົງການ.

+ ການເປັນປະຊາທິປະໄຕໃນການເຂົ້າເຖິງ AI ຈະຕ້ອງມາພ້ອມກັບການນຳໃຊ້ວິທີການ FinOps ໃໝ່ສຳລັບ AI ເພື່ອຈັດການຄວາມສ່ຽງດ້ານຄ່າໃຊ້ຈ່າຍທີ່ກ່ຽວຂ້ອງກັບການຮັບຮອງເອົາ AI.

+ ໂຄງການສໍາລັບການຄຸ້ມຄອງ AI ຕ້ອງໄດ້ຮັບການພັດທະນາແລະປະຕິບັດເພື່ອຫຼຸດຜ່ອນຄວາມສ່ຽງຕໍ່ຄ່າໃຊ້ຈ່າຍທີ່ບໍ່ສາມາດຄວບຄຸມໄດ້ໃນຂະນະທີ່ຊຸກຍູ້ການນໍາໃຊ້ແລະການທົດລອງຂອງ AI.

- ການປະຕິບັດ AI ໃນ Telco

ສ້າງຕໍາແໜ່ງພະນັກງານປະສົບການລູກຄ້າ (CXO) ທີ່ມີຄວາມຊໍານານ ແລະ ສິດອໍານາດ ໃນການຂັບລົດຄໍາຮ້ອງສະຫມັກ AI ແລະການພັດທະນາຜະລິດຕະພັນ / ການບໍລິການ (ຕົວຢ່າງ: Steve Jarrett ແຕ່ງຕັ້ງຫົວຫນ້າ AI Officer (CAIOs) ຢູ່ Orange Innovation, ເດືອນທັນວາ 2023; Deepika Adusumilli, ຕຸລາ 2023 ຢູ່ BT; Chung Suk-guen).

ການສ້າງຕັ້ງຫນ່ວຍງານຍ່ອຍເພື່ອພັດທະນາ AI , ສໍາລັບຕົວຢ່າງ, Proximus Ada, ບໍລິສັດຍ່ອຍຂອງບໍລິສັດໂທລະຄົມ Belgian Proximus, ແມ່ນສຸມໃສ່ໂດຍສະເພາະໃນການພັດທະນາ cybersecurity ແລະຄວາມສາມາດ AI ເພື່ອຕອບສະຫນອງຄວາມຕ້ອງການພາຍໃນຂອງ Proximus ແລະໃຫ້ບໍລິການລູກຄ້າ B2B.

Telefónica ໄດ້ແຍກຟັງຊັນ AI ພາຍໃນອອກຈາກ AI ໃຫ້ບໍລິການການໂຕ້ຕອບລູກຄ້າ. ແທນທີ່ຈະສ້າງອົງການຈັດຕັ້ງ AI ທີ່ເປັນສູນກາງ, Telefónica ຕັດສິນໃຈແບ່ງອອກເປັນສອງພະແນກ: ຄວາມເຂົ້າໃຈຂອງລູກຄ້າແລະການປະດິດສ້າງ; ແລະ AI-driven Networks ພາຍໃນ, ລະບົບ IT, ແລະ Digital Transformation.

ການແບ່ງຄວາມຮັບຜິດຊອບນີ້ແມ່ນຫນ້າສົນໃຈເປັນພິເສດເພາະວ່າຈຸດສຸມຂອງ GenAI ແມ່ນເນັ້ນໃສ່ລູກຄ້າຫຼາຍກວ່າການທໍາງານຂອງເຄືອຂ່າຍ, ໃນຂະນະທີ່ AI ຄາດຄະເນກໍາລັງກາຍເປັນເຕັກໂນໂລຢີທີ່ໃຊ້ສໍາລັບຈຸດປະສົງອັດຕະໂນມັດເຄືອຂ່າຍ.

ອົງການຈັດຕັ້ງກໍາລັງຮັບຮອງເອົາ AI ເປັນຫນ້າທີ່ທຸລະກິດໃຫມ່. ຕົວຢ່າງເຊັ່ນ, China Mobile ແລະ SK Telecom ກໍາລັງລົງທຶນຫຼາຍໃນ AI ເພື່ອສະຫນອງຜະລິດຕະພັນແລະການບໍລິການໃຫມ່. ຈຸດສຸມຂອງຜູ້ໃຫ້ບໍລິການທັງສອງແມ່ນການສ້າງຕົວແບບພາສາຂະຫນາດໃຫຍ່ຂອງຕົນເອງ (LLMs) ກວມເອົາການແກ້ໄຂແລະຄຸນສົມບັດທີ່ດີທີ່ສຸດ, ໃນຂະນະທີ່ຍັງຂາຍການເຂົ້າເຖິງທຸລະກິດແລະຜູ້ໃຫ້ບໍລິການອື່ນໆ.

ສ້າງຕັ້ງສູນຄວາມເປັນເລີດ (CoE AI).

ໃນການສໍາຫຼວດ TMFrum (2023) [4], 53% ຂອງຜູ້ໃຫ້ບໍລິການກ່າວວ່າພວກເຂົາໄດ້ສ້າງຕັ້ງ AI CoE. ແຕ່ຂະຫນາດ, ຂອບເຂດແລະພາລະບົດບາດທີ່ແນ່ນອນຂອງ AI CoE ແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ. ຕົວຢ່າງ, Vodafone Ziggo (ເນເທີແລນ) ມີສູນ AI ​​CoE ທີ່ນໍາເອົາຜູ້ຊ່ຽວຊານດ້ານວິທະຍາສາດຂໍ້ມູນຂອງບໍລິສັດມາຮ່ວມກັນ.

Telefónica ມີສູນ AI ​​ທົ່ວໂລກ (CoE) ພາຍໃຕ້ພະແນກເຄືອຂ່າຍແລະໄອທີ, ເຊິ່ງມີຄວາມຊ່ຽວຊານໃນຂໍ້ມູນ AI ​​ແລະສະຖາປັດຕະຍະກໍາເພື່ອສະຫນັບສະຫນູນການຫັນປ່ຽນໄປສູ່ຮູບແບບຂໍ້ມູນທົ່ວໄປແລະການຄົ້ນຄວ້າເຕັກໂນໂລຢີ AI ແລະວິທີແກ້ໄຂ.

e& (ຕາເວັນອອກກາງ) ມີສູນ CoE ທີ່ແຕ່ລະພະແນກ / ຫນ້າທີ່ທີ່ສໍາຄັນມີຜູ້ຕາງຫນ້າ, ໂດຍມີການຄຸ້ມຄອງ AI ບູລິມະສິດເພື່ອຮັບປະກັນວ່າກໍລະນີການນໍາໃຊ້ AI ສົບຜົນສໍາເລັດໄດ້ຖືກຄົ້ນຄວ້າແລະປະຕິບັດໃນທົ່ວພະແນກຕ່າງໆ.

AI ເປັນຫນ້າທີ່ພື້ນຖານ. ຜູ້ໃຫ້ບໍລິການຫຼາຍແຫ່ງໄດ້ສ້າງ-ຫຼືກຳລັງສ້າງ-ແພລດຟອມ AI ທີ່ອອກແບບມາເພື່ອເຮັດໃຫ້ເຂົາເຈົ້າເຂົ້າເຖິງພາກສ່ວນຕ່າງໆຂອງອົງກອນໄດ້.

ຕົວຢ່າງ, Vodafone ມີແພລະຕະຟອມ AI ທີ່ຍັງສະຫນອງເຄື່ອງມືການບໍລິການຕົນເອງແລະອຸປະກອນການຝຶກອົບຮົມສໍາລັບທີມງານທີ່ແຕກຕ່າງກັນເພື່ອສ້າງກໍລະນີການນໍາໃຊ້ຂອງຕົນເອງ. SK Telecom ມີ Intelligence Platform ທີ່ອະນຸຍາດໃຫ້ອົງການທັງຫມົດເຂົ້າເຖິງ LLM ທີ່ SKT ກໍາລັງພັດທະນາ.

- ການຄຸ້ມຄອງ AI

ຂໍ້ກໍານົດການຄຸ້ມຄອງ AI. ຂໍ້ກໍານົດການຄຸ້ມຄອງ AI ຈໍານວນຫຼາຍແມ່ນລວມຢູ່ໃນໂຄງການຄຸ້ມຄອງຂໍ້ມູນທີ່ມີຢູ່. ຢ່າງໃດກໍ່ຕາມ, ການປົກປ້ອງເພີ່ມເຕີມສະເພາະກັບ AI ແມ່ນຈໍາເປັນເພື່ອຮັບປະກັນວ່າເຄື່ອງມື AI ແລະລະບົບຍັງຄົງປອດໄພແລະມີຈັນຍາບັນ. ມີສອງປະເພດຂອງໂຄງການຄຸ້ມຄອງ AI:

- ໂຄງການຄຸ້ມຄອງພາຍນອກຖືກອອກແບບເພື່ອປົກປ້ອງບຸກຄົນ ແລະ ອົງການຈັດຕັ້ງນອກບໍລິສັດ.

- ໂຄງ​ການ​ການ​ຄຸ້ມ​ຄອງ​ພາຍ​ໃນ​ໄດ້​ຖືກ​ອອກ​ແບບ​ເພື່ອ​ປົກ​ປ້ອງ​ພະ​ນັກ​ງານ​ແລະ​ຮັບ​ປະ​ກັນ​ວ່າ AI ຖືກ​ນໍາ​ໃຊ້​ສໍາ​ເລັດ​ຜົນ​ແລະ​ແບບ​ຍືນ​ຍົງ​ໃນ​ທົ່ວ​ວິ​ສາ​ຫະ​ກິດ​ໄດ້​.

ໂຄງການຄຸ້ມຄອງເພື່ອແນໃສ່ປົກປ້ອງປະຊາຊົນ ແລະ ອົງການຈັດຕັ້ງນອກບໍລິສັດມີທ່າອ່ຽງຖືກກົດໝາຍ ແລະ ມາດຕະຖານ. ຕົວຢ່າງ, ສະຫະພາບເອີຣົບ (EU) ໄດ້ຜ່ານກົດຫມາຍວ່າດ້ວຍ AI ໃນເດືອນທັນວາ 2023, ມີຜົນບັງຄັບໃຊ້ໃນປີ 2025, ແລະສະຫະລັດໄດ້ອອກຄໍາສັ່ງບໍລິຫານກ່ຽວກັບ AI ໃນເດືອນຕຸລາ 2023.

ກົດລະບຽບຂອງລັດຖະບານທີ່ເຂັ້ມງວດສາມາດຊ່ວຍ Telcos ພັດທະນາເຕັກໂນໂລຢີ ແລະຄວາມສາມາດ ທີ່ອະນຸຍາດໃຫ້ເຂົາເຈົ້າສາມາດສ້າງລາຍໄດ້ຂອງເຂົາເຈົ້າຈາກຕ່າງປະເທດ, ໂດຍສະເພາະໃນປະເທດທີ່ມີກົດລະບຽບອະທິປະໄຕຂໍ້ມູນທີ່ເຂັ້ມງວດ.

ຕົວຢ່າງເຊັ່ນ, China Mobile ເຊື່ອວ່າວິທີການທີ່ມັນໃຊ້ເພື່ອປະຕິບັດຕາມກົດລະບຽບ AI ສາມາດຊ່ວຍພັດທະນາເຕັກໂນໂລຢີຄວາມປອດໄພທີ່ມັນສາມາດສະເຫນີໃຫ້ລູກຄ້າຂອງຕົນໄດ້. Swisscom ກໍາລັງທົດລອງສ້າງພື້ນຖານໂຄງລ່າງ AI ຂອງຕົນເອງແລະພັດທະນາຄວາມຊ່ຽວຊານພາຍໃນທີ່ບໍລິສັດສາມາດນໍາໃຊ້ເພື່ອສ້າງມູນຄ່າແລະການແກ້ໄຂໃຫມ່ໃນທຸລະກິດບໍລິການ IT.

ການປະກົດຕົວຂອງ GenAI ຍັງເປັນການຊຸກຍູ້ຄວາມຕ້ອງການສໍາລັບການປັບປຸງການຄຸ້ມຄອງ AI ພາຍໃນ: ສົ່ງເສີມການຂະຫຍາຍ; ການຄຸ້ມຄອງຄ່າໃຊ້ຈ່າຍ; ການປົກປ້ອງອົງການຈັດຕັ້ງຈາກຜົນສະທ້ອນຂອງການນໍາໃຊ້ຜົນໄດ້ຮັບທີ່ບໍ່ຖືກຕ້ອງ; ຫຼຸດຜ່ອນຄວາມສ່ຽງຂອງຫນີ້ສິນດ້ານວິຊາການ; ການປ້ອງກັນຄວາມສ່ຽງຂອງ "ເສຍຫາຍ" ຂໍ້ມູນຮູບແບບການຝຶກອົບຮົມ LLM; ແລະການປົກປ້ອງອົງການຈັດຕັ້ງຈາກຊັບສິນທາງປັນຍາ (IP) / ການລະເມີດລິຂະສິດ.

ຄວາມສ່ຽງຂອງການນໍາໃຊ້ AI ໃນທຸລະກິດ

ການສໍາຫຼວດ 2023 ຂອງ TMforum ກ່ຽວກັບຄວາມສ່ຽງຂອງການນໍາໃຊ້ GenAI ໃນ Telco ປະກອບມີ:

3.1. ຊັບພະຍາກອນມະນຸດສໍາລັບ AI

ໃນຂະບວນການຮັບສະໝັກຜູ້ມີພອນສະຫວັນດ້ານ AI, ບໍລິສັດໂທລະຄົມສ່ວນໃຫຍ່ມີຈຸດເສຍປຽບເມື່ອທຽບກັບບໍລິສັດເຕັກໂນໂລຢີ, ໂດຍສະເພາະແມ່ນການຈ້າງຄົນທີ່ມີພອນສະຫວັນໄວໜຸ່ມ. ໂດຍທົ່ວໄປແລ້ວ ບໍລິສັດເທັກໂນໂລຍີຈະໃຫ້ເງິນເດືອນທີ່ດີຂຶ້ນ, ຄວາມກ້າວໜ້າໃນອາຊີບໄວຂຶ້ນ, ແລະວັດທະນາທຳອົງກອນທີ່ມີຄວາມຍືດຫຍຸ່ນຫຼາຍຂຶ້ນ.

ການສໍາຫຼວດຂອງ TM Forum ກ່ຽວກັບຄວາມຕ້ອງການຂອງພະນັກງານ Telco ໂດຍຄວາມຊ່ຽວຊານ [4] ສະແດງໃຫ້ເຫັນວ່າ AI / ການຮຽນຮູ້ເຄື່ອງຈັກ, ການວິເຄາະຂໍ້ມູນແລະທັກສະອັດຕະໂນມັດແມ່ນມີຄວາມຕ້ອງການສູງ (64%, ຫນ້ອຍກວ່າຄວາມປອດໄພຢູ່ທີ່ 69%).

ກ່ຽວກັບຄວາມຫຍຸ້ງຍາກໃນການບັນຈຸສໍາລັບທັກສະ Telco ສະເພາະ, 59% ຂອງຜູ້ຕອບແບບສອບຖາມຊີ້ໃຫ້ເຫັນວ່າວິທະຍາສາດຂໍ້ມູນ / ການວິເຄາະຂໍ້ມູນແລະຜູ້ຊ່ຽວຊານດ້ານ AI / ML ແມ່ນມີຄວາມຫຍຸ້ງຍາກສູງທີ່ຈະບັນຈຸ (ທີສອງພຽງແຕ່ຜູ້ຊ່ຽວຊານດ້ານຄວາມປອດໄພຢູ່ທີ່ 63%).

ຢູ່ທີ່ MWC 2024, Korea Telecom (KT) ປະກາດວ່າມັນຈະບັນຈຸຜູ້ຊ່ຽວຊານດ້ານ AI ແລະດິຈິຕອນເຖິງ 1,000 ຄົນໃນປີນີ້ໃນຄວາມພະຍາຍາມເພື່ອກາຍເປັນບໍລິສັດ AICT (ອາເມລິກາແລະ ICT). ໃນເວລາດຽວກັນ, KT ກໍາລັງເສີມສ້າງການຝຶກອົບຮົມທັກສະ AI ພາຍໃນຂອງຕົນເພື່ອຫັນປ່ຽນ DNA ໄປສູ່ AI ຢ່າງສົມບູນ.

China Mobile ສ້າງຕັ້ງ Jiutian ໃນປີ 2019 ເປັນແພລະຕະຟອມເພື່ອສະຫນັບສະຫນູນຄວາມທະເຍີທະຍານຂອງຕົນທີ່ຈະກາຍເປັນຜູ້ປະຕິບັດການເຄືອຂ່າຍມືຖືອັດຕະໂນມັດສູງໃນປີ 2025. ເວທີ AI ແມ່ນສາມາດເຂົ້າເຖິງຜູ້ພັດທະນາພາຍນອກໂດຍຜ່ານ APIs ເປີດ. ໃນເດືອນຕຸລາ 2023, China Mobile ໄດ້ພັດທະນາ LLM ຂອງຕົນເອງເປັນສ່ວນຫນຶ່ງຂອງ Jiutian. ໃນ​ເບື້ອງ​ຕົ້ນ​ມີ​ວິ​ສະ​ວະ​ກອນ AI ພຽງ​ແຕ່ 20 ຄົນ​, China Mobile ໃນ​ປັດ​ຈຸ​ບັນ​ມີ 600 ວິ​ສະ​ວະ​ກອນ AI ແລະ​ມີ​ແຜນ​ຈະ​ບັນ​ລຸ 1000 ໃນ​ທ້າຍ​ປີ 2024​.

Vodafone ກໍາລັງຮ່ວມມືກັບ hyperscalers ສໍາລັບເວທີ AI ຂອງຕົນ, ແຕ່ຍັງຕ້ອງການທັກສະໃນການດໍາເນີນງານ AI (AIOps) ເຊັ່ນດຽວກັນກັບການວິເຄາະ, ອັດຕະໂນມັດ, ຟັງ, ແລະເວທີ. Vodafone ກໍາລັງດຶງດູດພອນສະຫວັນໂດຍການຈ້າງພະນັກງານເຕັມເວລາ.

Ashish Yadav, ຜູ້ອໍານວຍການອາວຸໂສຂອງ Capgemini, ໄດ້ກ່າວວ່າ Telcos ກໍາລັງຊອກຫາບຸກຄະລາກອນອາວຸໂສທີ່ກ່ຽວຂ້ອງກັບ Cloud ແລະ AI ໃນລະດັບສະຖາປະນິກເພີ່ມຂຶ້ນໂດຍຜ່ານບໍລິສັດການເຊື່ອມໂຍງລະບົບເປັນຮູບແບບຂອງ outsourcing. ຄໍານິຍາມຂອງ insourcing ສາມາດໄດ້ຮັບການຕີຄວາມຫມາຍໃນຫຼາຍວິທີ, ແຕ່ໃນສະພາບການນີ້, Telcos "ປະຕິບັດ" ບຸກຄະລາກອນອາວຸໂສຈາກບໍລິສັດຄູ່ຮ່ວມງານເປັນສະມາຊິກຂອງທີມງານ Telco ຂອງເຂົາເຈົ້າເອງ.

ບໍລິສັດໂທລະຄົມສ່ວນໃຫຍ່ຍັງເພີ່ມການຝຶກອົບຮົມແລະຍົກລະດັບທັກສະເພື່ອຮັບປະກັນຊັບພະຍາກອນມະນຸດ AI ຕາມຄວາມຕ້ອງການ. ໃນຄວາມເປັນຈິງ, ວິທີການນີ້ສາມາດມີລາຄາຖືກກວ່າການຈ້າງໃຫມ່ແລະມີທ່າອ່ຽງທີ່ຈະຖືກນໍາໃຊ້ກັບທັກສະອື່ນໆທີ່ຍາກທີ່ຈະຮັບ.

ໃນການສໍາຫຼວດ TMForum ກ່ຽວກັບສິ່ງທີ່ບໍລິສັດໂທລະຄົມຕ້ອງເຮັດເພື່ອເພີ່ມປະສິດທິພາບ AI ແລະການຮຽນຮູ້ເຄື່ອງຈັກ, 60% ຂອງຜູ້ຕອບແບບສອບຖາມເຊື່ອວ່າການຝຶກອົບຮົມພະນັກງານທີ່ມີຢູ່ໃນທັກສະ AI ຕ່າງໆມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍ, ໃນຂະນະທີ່ 39% ເຊື່ອວ່າມັນມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍ.

ອີງຕາມບໍລິສັດ McKinsey & ບໍລິສັດ, GenAI ກໍາລັງບັງຄັບໃຫ້ຜູ້ປະກອບການເຄືອຂ່າຍພັດທະນາຄວາມຊໍານານ AI ພາຍໃນໃນຂະນະທີ່ຍັງຕ້ອງການທັກສະໃຫມ່ຈາກຜູ້ໃຊ້, ເຊັ່ນ: ວິສະວະກໍາທັນທີ - ຄວາມສາມາດໃນການຖາມຄໍາຖາມເພື່ອໃຫ້ໄດ້ຄໍາຕອບທີ່ດີທີ່ສຸດຈາກລະບົບ LLM. ຜູ້ປະກອບການເຄືອຂ່າຍຍັງຈໍາເປັນຕ້ອງຈ້າງວິສະວະກອນຂໍ້ມູນແລະຜູ້ຊ່ຽວຊານໃນຂົງເຂດ "ຜູ້ທີ່ເຂົ້າໃຈວ່າຂໍ້ມູນໃດທີ່ຈະເກັບກໍາແລະວິທີການເກັບກໍາຂໍ້ມູນ, ເຊັ່ນດຽວກັນກັບການຕິດຕາມແລະການປະເມີນຄຸນນະພາບຂອງຂໍ້ມູນໃຫມ່ທີ່ສ້າງແລະນໍາໃຊ້ລະບົບ GenAI . "

3.2. ຂໍ້ມູນທີ່ມີຢູ່ສໍາລັບແອັບພລິເຄຊັນ AI

ສະຖາປັດຕະຍະ ກຳ ທີ່ຂັບເຄື່ອນດ້ວຍຂໍ້ມູນແມ່ນກຸນແຈໃນການຮັກສາຄວາມຖືກຕ້ອງແລະຄວາມສອດຄ່ອງໃນທົ່ວ arrays ພາຍໃນເຄືອຂ່າຍ. ການນໍາໃຊ້ແບບຈໍາລອງຂໍ້ມູນຮ່ວມກັນຮັບປະກັນການໄຫຼວຽນຂອງຂໍ້ມູນຢ່າງລຽບງ່າຍໃນທຸກລະບົບແລະຖືກຈັດສົ່ງຢ່າງຖືກຕ້ອງໃນທົ່ວຂະບວນການເຮັດວຽກອັດຕະໂນມັດທັງຫມົດ.

AI ຕ້ອງການຂໍ້ມູນ, ແລະການວິເຄາະຂໍ້ມູນຕ້ອງການ AI. ປະຈຸບັນ, ຜູ້ໃຫ້ບໍລິການຫຼາຍແຫ່ງກຳລັງປະເຊີນກັບສິ່ງທ້າທາຍອັນໃຫຍ່ຫຼວງໃນການພັດທະນາຍຸດທະສາດຂໍ້ມູນທີ່ສອດຄ່ອງກັນເພື່ອນຳໃຊ້ເຕັກໂນໂລຊີ AI ຢ່າງສົມບູນ. ຜູ້ໃຫ້ບໍລິການໃນໄລຍະຕົ້ນໆຂອງການທົດລອງ AI ອາດຈະຄາດຄະເນສິ່ງທີ່ຈໍາເປັນ, ໂດຍສະເພາະໃນດ້ານຂໍ້ມູນ, ເພື່ອປະສົບຜົນສໍາເລັດໃນການປະຕິບັດ AI ໃນຂະຫນາດໃຫຍ່.

ຜູ້ປະກອບການເຄືອຂ່າຍຈໍານວນຫຼາຍຂາດຍຸດທະສາດທີ່ສອດຄ່ອງກັນທີ່ອະນຸຍາດໃຫ້ຂໍ້ມູນໄຫຼອອກຕາມລວງນອນໃນທົ່ວອົງການໂດຍໃຊ້ຕົວແບບຂໍ້ມູນດຽວ.

ບາງສິ່ງທ້າທາຍສະເພາະໃນການກະກຽມຂໍ້ມູນສໍາລັບ AI:

ຂາດ ຂໍ້ມູນ ທີ່ສະອາດ, ຊັດເຈນ, ສອດຄ່ອງ, ແລະ ສາມາດນໍາໃຊ້ໄດ້ກັບພາກສ່ວນຕ່າງໆຂອງທຸລະກິດ, ຈາກການດໍາເນີນງານເຄືອຂ່າຍຈົນເຖິງການໃຫ້ບໍລິການແລະປະສົບການຂອງລູກຄ້າ. ນີ້​ແມ່ນ​ປັດ​ໄຈ​ທີ່​ສໍາ​ຄັນ​ສໍາ​ລັບ​ຂະ​ບວນ​ການ​ທັງ​ຫມົດ​ທີ່​ອ້ອມ​ຂ້າງ​ຂໍ້​ມູນ​, ການ​ປະ​ຕິ​ບັດ​ໂດຍ AI​.

ການຂາດຕົວແບບຂໍ້ມູນທົ່ວໄປ (ຂໍ້ມູນປະຈຸບັນໄດ້ຖືກເກັບກໍາຈາກຜູ້ຂາຍຫຼາຍ) ນໍາໄປສູ່ຂະບວນການທີ່ໃຊ້ເວລາຫຼາຍຂອງການລວບລວມຂໍ້ມູນທັງໂຄງສ້າງແລະບໍ່ມີໂຄງສ້າງ.

ການຂາດບໍລິບົດຂໍ້ມູນ, ຄວາມຮູ້ທີ່ບໍ່ພຽງພໍກ່ຽວກັບວິທີການເກັບກໍາຂໍ້ມູນ, ເວລາ, ສະຖານທີ່, ແລະຈຸດປະສົງ, ເປັນອຸປະສັກທີ່ສໍາຄັນໂດຍສະເພາະ Telcos ຕ້ອງເອົາຊະນະຖ້າພວກເຂົາຕ້ອງການໃຊ້ GenAI ຫຼືຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກອື່ນໆ.

ຜູ້ປະກອບການໂທລະສັບມືຖືໄດ້ຮັບຮູ້ມູນຄ່າຂອງຂໍ້ມູນແລະມີການລົງທຶນເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນການວິເຄາະຂໍ້ມູນ. Omdia ຄາດຄະເນວ່າໃນປີ 2025, ຜູ້ໃຫ້ບໍລິການມືຖືທົ່ວໂລກຈະລົງທຶນປະມານ 2.5 ຕື້ໂດລາໃນການວິເຄາະຂໍ້ມູນ.

ໃນຄວາມເປັນຈິງ, ເວລາແລະການລົງທຶນໃນການເກັບກໍາ, ທໍາຄວາມສະອາດ, ການຫັນປ່ຽນແລະການເກັບຮັກສາຂໍ້ມູນໃນຮູບແບບທີ່ເຫມາະສົມມັກຈະບໍ່ສົມດຸນເກີນເວລາທີ່ຂໍ້ມູນຖືກນໍາໃຊ້ຕົວຈິງ. ຂະບວນການສ້າງ Data lakes ແລະ data warehouses ໄດ້ດໍາເນີນມາເປັນເວລາຫຼາຍປີແລ້ວ, ແຕ່ມັນຍັງບໍ່ທັນໄດ້ໃຫ້ຜູ້ປະຕິບັດງານເຄືອຂ່າຍມີຄວາມສາມາດທີ່ຈະນໍາໃຊ້ AI ໃນຂະຫນາດໃຫຍ່ໃນທົ່ວອົງການຈັດຕັ້ງຂອງເຂົາເຈົ້າ.

ການປະກົດຕົວຂອງການລິເລີ່ມແລະການວິເຄາະໂດຍອີງໃສ່ AI ໄດ້ຊຸກຍູ້ຄວາມຕ້ອງການແລະຄວາມຕ້ອງການສໍາລັບການນໍາໃຊ້ຂໍ້ມູນທີ່ມີຄວາມຫຼາກຫຼາຍແລະມີຄວາມຍືດຫຍຸ່ນຫຼາຍ, ຕົວຢ່າງ:

- ການ​ຮຽນ​ຮູ້ AI / ເຄື່ອງ​ຕ້ອງ​ການ​ຈໍາ​ນວນ​ຫຼາຍ​ຂອງ​ຂໍ້​ມູນ​ເພື່ອ​ຝຶກ​ອົບ​ຮົມ​ຕົວ​ແບບ​ຂອງ​ຕົນ​.

- ຊຸດຂໍ້ມູນທີ່ມີຄວາມຫຼາກຫຼາຍ ແລະຂໍ້ມູນຫຼາຍປະເພດແມ່ນຈໍາເປັນເພື່ອຮັບປະກັນຜົນໄດ້ຮັບ AI ທີ່ບໍ່ມີອະຄະຕິ.

- ເພີ່ມຊັ້ນຂໍ້ມູນເພື່ອປັບປຸງຄວາມຖືກຕ້ອງຂອງຕົວແບບ ແລະຜົນກະທົບຂອງແອັບພລິເຄຊັນ.

- ຕົວແບບຕ້ອງໄດ້ຮັບການຝຶກອົບຮົມຢ່າງຕໍ່ເນື່ອງກັບຂໍ້ມູນຫລ້າສຸດເພື່ອຮັກສາການປະຕິບັດການຄາດເດົາ, ໂດຍສະເພາະໃນສະພາບແວດລ້ອມທີ່ມີການເຄື່ອນໄຫວ.

- ຂໍ້ມູນຕ້ອງມີຢູ່ໃນເວລາທີ່ແທ້ຈິງສໍາລັບຫນ້າທີ່ທຸລະກິດທີ່ສໍາຄັນ, ຕົ້ນຕໍໃນສະພາບແວດລ້ອມທີ່ມີການໂຕ້ຕອບສູງ.

- ການປະກົດຕົວຂອງ GenAI ໄດ້ເປີດໂອກາດໃຫ້ຜູ້ປະກອບການເຄືອຂ່າຍສາມາດນໍາເອົາຂໍ້ມູນທີ່ບໍ່ມີໂຄງສ້າງທີ່ມີຢູ່; ຢ່າງໃດກໍຕາມ, ຂໍ້ມູນນີ້ຕ້ອງໄດ້ຮັບການ tagged ແລະເຮັດຄວາມສະອາດກ່ອນທີ່ຈະຖືກປ້ອນເຂົ້າໄປໃນ LLM.

ເພື່ອເຮັດໃຫ້ຄວາມກ້າວຫນ້າທີ່ສໍາຄັນໃນ AI ຈາກທັດສະນະຂອງຂໍ້ມູນ, ຜູ້ໃຫ້ບໍລິການເຄືອຂ່າຍຕ້ອງການການປ່ຽນແປງທີ່ສົມບູນແບບໃນວິທີການຂອງພວກເຂົາກັບຂໍ້ມູນທີ່ໄຫຼຜ່ານລະບົບຂອງພວກເຂົາ, ບາງຄັ້ງກໍ່ມີການປ່ຽນແປງວັດທະນະທໍາຂອງບໍລິສັດ. ສິ່ງສໍາຄັນແມ່ນການສ້າງແບບຈໍາລອງຂໍ້ມູນທົ່ວໄປແລະສ້າງແຫຼ່ງຂໍ້ມູນດຽວທີ່ຖືກຕ້ອງ.

ການສ້າງແຫຼ່ງຂໍ້ມູນອັນດຽວ, ທີ່ຖືກຕ້ອງແມ່ນວຽກງານທີ່ສັບສົນທີ່ສຸດທີ່ຍັງເກີນຄວາມສາມາດຂອງຜູ້ປະຕິບັດງານເຄືອຂ່າຍສ່ວນໃຫຍ່ເນື່ອງຈາກການແບ່ງສ່ວນຂອງຂໍ້ມູນ. BT, Deutsche Telekom, ແລະ Telefónica ໄດ້ດໍາເນີນຂັ້ນຕອນເພື່ອແກ້ໄຂບັນຫານີ້ໂດຍການຍ້າຍຂໍ້ມູນທັງຫມົດຂອງພວກເຂົາໄປສູ່ຄລາວສາທາລະນະ. ຕົວຢ່າງ, ໃນສອງປີທີ່ຜ່ານມາ, BT ໄດ້ຍ້າຍຫຼາຍກວ່າ 90% ຂອງຂໍ້ມູນຂອງມັນໄປຫາ Google Cloud Platform.

ແຜນ​ການ​ສໍາ​ລັບ​ການ​ອອກ​ແບບ​, ການ​ກໍ່​ສ້າງ​, ການ​ໄດ້​ມາ​, ແລະ​ການ​ຂະ​ຫຍາຍ AI​.

ມີຄວາມຄ້າຍຄືກັນຫຼາຍລະຫວ່າງ AI / GenAI ແລະຄອມພິວເຕີ້ຟັງ, ໂດຍສະເພາະແມ່ນການຫັນປ່ຽນທາງດ້ານເຕັກໂນໂລຢີແລະການເດັ່ນຂອງ hypercallers. ຜູ້ປະກອບການເຄືອຂ່າຍຍັງປະເຊີນກັບບັນຫາດຽວກັນ, ຄໍາຖາມກ່ຽວກັບ AI ແລະ cloud: ພວກເຂົາຄວນຊື້ຫຍັງແລະພວກເຂົາຄວນສ້າງຕົວເອງແນວໃດ?

ວິທີການຂອງຜູ້ປະຕິບັດການເຄືອຂ່າຍຕໍ່ກັບ AI ແມ່ນຮູບຮ່າງຕົ້ນຕໍໂດຍຫຼັກການພື້ນຖານຂອງສະຖາປັດຕະຍະກໍາເປີດແລະຄວາມບໍ່ສາມາດແຍກກັນໄດ້. Omair Ahmed Khan ຂອງ Deutsche Telekom ກ່າວວ່າໂຄງການ AI ຂອງບໍລິສັດສ່ວນໃຫຍ່ປະກອບດ້ວຍການປະສົມປະສານຂອງການກໍ່ສ້າງແລະການຊື້ອົງປະກອບທີ່ແຕກຕ່າງກັນ: "Deutsche Telekom ມີຍຸດທະສາດການກໍ່ສ້າງແລະການຊື້, ແລະພາກສ່ວນການຊື້ບໍ່ເຄີຍມີສ່ວນຮ່ວມໃນການຊື້ການແກ້ໄຂແບບ turnkey ຢ່າງສົມບູນ."

ຜູ້ປະກອບການເຄືອຂ່າຍເຊື່ອວ່າມັນໄວເກີນໄປທີ່ຈະພິຈາລະນາ AI ເປັນສ່ວນຫນຶ່ງຂອງສະຖາປັດຕະຍະກໍາວິສາຫະກິດຫຼືເປັນສ່ວນຫນຶ່ງຂອງສະຖາປັດຕະຍະສານອ້າງອີງຂອງລະບົບ. ຜູ້ປະກອບການບາງຄົນທີ່ມີວິໄສທັດແລະຍຸດທະສາດທີ່ຊັດເຈນສໍາລັບການລວມ AI ເຂົ້າໃນສະຖາປັດຕະຍະກໍາວິສາຫະກິດໃນອະນາຄົດຍັງຮັບຮູ້ສິ່ງທ້າທາຍໃນການປະຕິບັດ, ໂດຍສະເພາະທີ່ກ່ຽວຂ້ອງກັບຊັບພະຍາກອນມະນຸດ, ເຄື່ອງມື, ແລະຄວາມສາມາດທີ່ຈໍາເປັນເພື່ອໃຫ້ຜົນໄດ້ຮັບທີ່ມີປະສິດທິພາບແລະຜົນຕອບແທນທີ່ຊັດເຈນໃນການລົງທຶນ.

ຂະບວນການອຸດສາຫະກໍາຊອຟແວສາມາດເຫັນໄດ້ວ່າເປັນການປະຕິບັດທີ່ດີສໍາລັບການອຸດສາຫະກໍາ AI ໂດຍການເຄື່ອນຍ້າຍຂໍ້ມູນໄປສູ່ຟັງສາທາລະນະແລະເຮັດໃຫ້ມັນສາມາດເຂົ້າເຖິງໄດ້ໃນເວລາຈິງ. CIO ຂອງບໍລິສັດໂທລະຄົມອາຊີຕາເວັນອອກສຽງໃຕ້ໄດ້ອະທິບາຍຂະບວນການທີ່ບໍລິສັດຂອງລາວໄດ້ປະຕິບັດເພື່ອອຸດສາຫະກໍາ AI ເປັນ "ໂຮງງານຜະລິດຂໍ້ມູນ." ທ່ານກ່າວວ່າ, "ນີ້ໄດ້ຫຼຸດຜ່ອນເວລາແລະຄ່າໃຊ້ຈ່າຍໃນການຜະລິດ AI ຢ່າງຫຼວງຫຼາຍ."

"ສອງປີກ່ອນ, ຄ່າໃຊ້ຈ່າຍໃນການຜະລິດ AI ແມ່ນສູງຫຼາຍ. ມັນໃຊ້ເວລາ 6 ຫາ 8 ເດືອນເພື່ອສ້າງຕົວແບບ AI. ໃນປັດຈຸບັນມັນໃຊ້ເວລາພຽງແຕ່ສອງສາມມື້, ທ່ານສາມາດດໍາເນີນການຂະບວນການທັງຫມົດໄດ້ໄວຂຶ້ນແລະມີຈໍານວນຫນ້ອຍ."

ການປະຕິບັດຢູ່ບາງຜູ້ໃຫ້ບໍລິການເຄືອຂ່າຍ:

China Mobile ໄດ້ຊື້ຮາດແວແລະສ້າງສູນຂໍ້ມູນຂອງຕົນເອງ, ລວມທັງຫນ່ວຍງານປະມວນຜົນກາຟິກ (GPUs) ແລະເຄື່ອງເລັ່ງລັດ, ເຊິ່ງເປັນສ່ວນຫນຶ່ງຂອງໂຄງການ Jiutian LLM.

Jio: Reliance Industries, ບໍລິສັດແມ່ຂອງບໍລິສັດໂທລະຄົມອິນເດຍ Jio, ໄດ້ຮ່ວມມືກັບ Nvidia ເພື່ອສ້າງພື້ນຖານໂຄງລ່າງ supercomputing ສໍາລັບ AI. Reliance ມີຈຸດປະສົງເພື່ອສະຫນອງໂຄງສ້າງພື້ນຖານ AI ໃຫ້ແກ່ນັກວິທະຍາສາດ, ນັກພັດທະນາ, ແລະຜູ້ເລີ່ມຕົ້ນໃນທົ່ວປະເທດອິນເດຍ, ເຊັ່ນດຽວກັນກັບການສ້າງຄໍາຮ້ອງສະຫມັກແລະການບໍລິການ AI ສໍາລັບລູກຄ້າ 450 ລ້ານຄົນຂອງ Jio.

ການຕັດສິນໃຈວ່າຈະນຳໃຊ້ AI ເທິງຄລາວສາທາລະນະ ຫຼື ເອກະຊົນກໍ່ເປັນສິ່ງທ້າທາຍສຳລັບ telcos ແລະສ່ວນໃຫຍ່ແມ່ນຂຶ້ນກັບຂະໜາດຂອງການນຳໃຊ້. ການນຳໃຊ້ AI ເທິງເມຄສາທາລະນະໃຫ້ຄວາມໄດ້ປຽບຂອງຊັບພະຍາກອນຄອມພິວເຕີທີ່ອຸດົມສົມບູນ, ພະລັງງານ, ແລະຮາດແວພິເສດທີ່ຈຳເປັນເພື່ອຈັດການກັບລະບົບທີ່ສັບສົນ ແລະ ຂໍ້ມູນຈຳນວນຫຼວງຫຼາຍ; ແນວໃດກໍ່ຕາມ, ຄ່າໃຊ້ຈ່າຍສາມາດກາຍເປັນຄວາມກັງວົນຖ້າຜູ້ປະຕິບັດການເຄືອຂ່າຍພຽງແຕ່ໃຊ້ cloud ສາທາລະນະເພື່ອຈັດການກັບຂໍ້ມູນຂະຫນາດໃຫຍ່.

ຜູ້ໃຫ້ບໍລິການຈໍານວນຫຼາຍພິຈາລະນາການຕັດສິນໃຈທີ່ຈະໃຊ້ຄລາວສ່ວນຕົວສໍາລັບ GenAI ທີ່ບໍ່ເປັນໄປໄດ້ເວັ້ນເສຍແຕ່ວ່າພວກເຂົາກໍາລັງສ້າງ LLM ຂອງຕົນເອງ - ເຊັ່ນດຽວກັນກັບກໍລະນີຂອງ China Mobile, Softbank, ແລະ SK Telecom ໃນອາຊີ, ແລະ Deutsche Telekom ໃນເອີຣົບ. ຜູ້ໃຫ້ບໍລິການມີແນວໂນ້ມທີ່ຈະມັກຟັງສາທາລະນະສໍາລັບການທົດສອບແລະການສ້າງ MVPs ສໍາລັບກໍລະນີການນໍາໃຊ້ AI.

ໃນຂະນະທີ່ຜູ້ປະຕິບັດການເຄືອຂ່າຍເພີ່ມການນໍາໃຊ້ AI ຂອງເຂົາເຈົ້າ, ມັນແນ່ນອນວ່າມັນຈະນໍາໄປສູ່ຄວາມສໍາພັນທີ່ເລິກເຊິ່ງ.

- Softbank ໄດ້ຮ່ວມມືກັບ Nvidia ເພື່ອສ້າງສູນຂໍ້ມູນທີ່ຖືກອອກແບບເພື່ອເປັນເຈົ້າພາບ GenAI ແລະແອັບພລິເຄຊັນໄຮ້ສາຍ. ສູນຂໍ້ມູນໃໝ່ຈະຈັດການທັງ AI ແລະ 5G workloads.

- SK Telecom: ກໍາລັງຕິດຕາມຄວາມຕ້ອງການຂອງສູນຂໍ້ມູນ AI ​​ເປັນສ່ວນຫນຶ່ງຂອງຄວາມທະເຍີທະຍານ AI ທີ່ກວ້າງຂວາງຂອງ SKT. CFO Yang-Seob Kim ກ່າວວ່າ SKT ວາງແຜນທີ່ຈະ "ຂັບເຄື່ອນທຸລະກິດສູນຂໍ້ມູນຂອງຕົນຢ່າງຫ້າວຫັນ, ໂດຍສຸມໃສ່ສູນຂໍ້ມູນ AI ​​ຮຸ່ນຕໍ່ໄປແລະຂະຫຍາຍໄປທົ່ວໂລກ."

- NTT đang đầu tư 1,5 nghìn tỷ Yên (khoảng 12 tỷ USD) trong 5 năm tới để mở rộng và nâng cấp hoạt động kinh doanh TTDL của mình trên toàn cầu nhằm đáp ứng nhu cầu sử dụng dữ liệu liên quan đến sử dụng GenAI ngày càng tăng, cùng với các công nghệ khác.

Quyết định nơi triển khai AI trên đám mây công cộng (public cloud) hay đám mây riêng (private cloud) cũng là một vấn đề đối với telco và chủ yếu phụ thuộc vào quy mô triển khai. Triển khai AI trên public cloud có ưu điểm tài nguyên tính toán dồi dào, năng lượng và phần cứng chuyên dụng cần thiết để xử lý các thuật toán phức tạp và lượng lớn dữ liệu tuy nhiên chi phí có thể trở thành một vấn đề nếu nhà mạng chỉ sử dụng Public cloud để xử lý khối lượng lớn dữ liệu.

Quyết định sử dụng private cloud cho GenAI được nhiều nhà mạng cho rằng không khả thi trừ khi nhà mạng đang xây dựng LLM của riêng mình - chẳng hạn như trường hợp của China Mobile, Softbank và SK Telecom ở châu Á và Deutsche Telekom ở châu Âu. Các nhà mạng có xu hướng ưu tiên Public cloud để thử nghiệm và xây dựng MVP đối với các usecase AI.

Khi nhà mạng tăng cường sử dụng AI chắc chắn sẽ dẫn đến mối quan hệ sâu sắc hơn với các công ty siêu cấp - Amazon Web Services, Microsoft Azure và Google Cloud.

Tài liệu tham khảo:
1. AI business potential: Understanding the valueof AI for
telecom operations. https://www.ericsson.com/4ac6ca/
assets/local/reports-papers/further-insights/doc/ai-
business-potential.pdf
[2]. Emerging Tech Impact Radar: Artificial Intelligence, Gartner, 19 ມັງກອນ 2024 ID G00796195
[3]. Generative AI: operators take their first steps, TMforum 2023
[4]. ການສ້າງ AI Strategy telcos ວາງພື້ນຖານໄວ້,
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
telecommunication-market-A09352
[7]. Gen Ai ໃນໂທລະຄົມ, ການຄົ້ນພົບທີ່ສໍາຄັນຈາກ Omdia's GenAI telco
service provider survey Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
telecom/
[9]. Where is AI heading? Nokia https://www.nokia.com/thought-
leadership/articles/ai/where-is-ai-heading/
[10]. Ericsson Telco AI, ເອກະສານພາຍໃນ

(Bài đăng ấn phẩm in Tạp chí TT&TT số 8 tháng 8/2024)

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