ຍຸດທະສາດ AI ສໍາລັບຜູ້ປະກອບການເຄືອຂ່າຍໂທລະຄົມແມ່ນຫຍັງ?

ຜູ້ໃຫ້ບໍລິການກໍາລັງນັ່ງຢູ່ໃນສະນຸກເກີຂະຫນາດໃຫຍ່ຂອງຂໍ້ມູນທີ່ບໍ່ມີປະໂຫຍດ. AI ຈະປ່ຽນຂໍ້ມູນນີ້ໄປສູ່ພື້ນທີ່ອຸດົມສົມບູນສໍາລັບການພັດທະນາການບໍລິການໃຫມ່, ການປັບປຸງຄຸນນະພາບຂອງການບໍລິການທີ່ມີຢູ່, ປັບປຸງປະສົບການຂອງລູກຄ້າ, ແລະປັບປຸງການດໍາເນີນທຸລະກິດ.

ທ່ານ ຫງວຽນ​ວັນ​ເຢນ, ສະມາຊິກ​ຄະນະ​ກຳມະການ​ບໍລິຫານ VNPT

ສະຫຼຸບ:
-Data ແລະ AI ໃນໂທລະຄົມນາຄົມ: ຜູ້ໃຫ້ບໍລິການມີຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍທີ່ບໍ່ໄດ້ຮັບການນໍາໃຊ້ຢ່າງຖືກຕ້ອງ. AI ສາມາດຊ່ວຍປ່ຽນຂໍ້ມູນເປັນເຄື່ອງມືເພື່ອປັບປຸງການບໍລິການ ແລະເພີ່ມປະສິດທິພາບການດໍາເນີນທຸລະກິດ.
- ແນວໂນ້ມຂອງແອັບພລິເຄຊັນ AI: ການພັດທະນາຂອງ 5G ແລະ IoT ໄດ້ຊຸກຍູ້ໃຫ້ຜູ້ໃຫ້ບໍລິການສຸມໃສ່ AI ຕັ້ງແຕ່ປີ 2016. ບໍ່ດົນມານີ້, GenAI ໄດ້ກາຍເປັນເຄື່ອງມືຍຸດທະສາດ, ໂດຍສະເພາະຫຼັງຈາກການເປີດຕົວຂອງ OpenAI's ChatGPT.
- ຜົນປະໂຫຍດທາງດ້ານເສດຖະກິດຈາກ AI: AI ໄດ້ຖືກຄາດຄະເນວ່າຈະສ້າງມູນຄ່າອັນໃຫຍ່ຫຼວງໃຫ້ແກ່ຜູ້ໃຫ້ບໍລິການ, ລວມທັງການຕັດຄ່າໃຊ້ຈ່າຍແລະການສ້າງລາຍຮັບໃຫມ່. McKinsey ຄາດຄະເນວ່າ GenAI ສາມາດນໍາເອົາ 100 ຕື້ໂດລາໃຫ້ແກ່ອຸດສາຫະກໍາໂທລະຄົມ.
- ແອັບພລິເຄຊັ່ນ AI ໃນອົງກອນ: AI ຕ້ອງໄດ້ນຳໃຊ້ໃນທຸກລະດັບຂອງອົງກອນ, ຈາກການວິເຄາະຂໍ້ມູນ ຈົນເຖິງໜ້າທີ່ບໍລິຫານ. ຜູ້ໃຫ້ບໍລິການຈໍານວນຫຼາຍໄດ້ສ້າງຕັ້ງຫນ່ວຍງານ AI ທີ່ອຸທິດຕົນແລະສ້າງສູນ AI ​​ທີ່ດີເລີດ.
- ຄວາມສ່ຽງໃນຄໍາຮ້ອງສະຫມັກ AI: ສິ່ງທ້າທາຍໃນການຈ້າງຊັບພະຍາກອນມະນຸດ AI, ການຄຸ້ມຄອງຂໍ້ມູນແລະການຮັບປະກັນຄວາມປອດໄພໃນການນໍາໃຊ້ AI ແມ່ນບັນຫາທີ່ຜູ້ປະກອບການເຄືອຂ່າຍປະເຊີນ. ການ​ຄຸ້ມ​ຄອງ AI ເປັນ​ປັດ​ໄຈ​ທີ່​ສໍາ​ຄັນ​ເພື່ອ​ຮັບ​ປະ​ກັນ​ການ​ປະ​ຕິ​ບັດ​ສໍາ​ເລັດ​ຜົນ​ແລະ​ແບບ​ຍືນ​ຍົງ​.
- ການກະກຽມຂໍ້ມູນສໍາລັບ AI: ເພື່ອນໍາໃຊ້ AI ໃຫ້ມີປະສິດຕິຜົນ, ຜູ້ປະກອບການຈໍາເປັນຕ້ອງໄດ້ກະກຽມຂໍ້ມູນທີ່ສະອາດ, ສອດຄ່ອງແລະຮັບປະກັນຮູບແບບຂໍ້ມູນທົ່ວໄປ. ການເກັບກໍາຂໍ້ມູນແລະການປຸງແຕ່ງແມ່ນສິ່ງທ້າທາຍທີ່ສໍາຄັນ, ຮຽກຮ້ອງໃຫ້ມີການລົງທຶນຂະຫນາດໃຫຍ່ໃນການວິເຄາະແລະການຄຸ້ມຄອງຂໍ້ມູນ.

ສະຖານະຂອງຄໍາຮ້ອງສະຫມັກ AI ສໍາລັບ telco

ການເພີ່ມຂຶ້ນຂອງ 5G, IoT ແລະປະລິມານການຂະຫຍາຍຕົວຂອງ Big Data ແມ່ນປັດໃຈທີ່ຊຸກຍູ້ໃຫ້ຜູ້ໃຫ້ບໍລິການໂທລະຄົມຫັນຄວາມສົນໃຈກັບ AI. ຜູ້ປະກອບການຂະຫນາດໃຫຍ່, ທະເຍີທະຍານຈໍານວນຫນຶ່ງໄດ້ເລີ່ມນໍາໃຊ້ AI ໃນປີ 2016, 2017 ແລະໃນປີ 2019 - 2020, ຂະແໜງໂທລະຄົມໄດ້ບັນທຶກການຮັບຮອງເອົາ AI ທີ່ເຂັ້ມແຂງໃນຜູ້ປະກອບການທົ່ວ ໂລກ . ໃນ 12 - 15 ເດືອນທີ່ຜ່ານມາ (ນັບຕັ້ງແຕ່ການເປີດຕົວ OpenAI ກັບ Chat GPT), ຄວາມຮັບຮູ້ຂອງ GenAI ໄດ້ຂະຫຍາຍຈາກເຄື່ອງມືສ້າງເນື້ອຫາໂດຍອີງໃສ່ AI ໄປສູ່ເວທີຍຸດທະສາດແລະກາຍເປັນສູນກາງຂອງຄວາມຄິດຂອງເກືອບທຸກຜູ້ໃຫ້ບໍລິການໂທລະຄົມທົ່ວໂລກ.

ບົດລາຍງານການຄົ້ນຄວ້າຕະຫຼາດພັນທະມິດ [6] ກ່ຽວກັບ AI ໃນຕະຫຼາດໂທລະຄົມນາຄົມໃນປີ 2022 ສະແດງໃຫ້ເຫັນວ່າ: "ຂະຫນາດຕະຫຼາດ AI ທົ່ວໂລກໃນໂທລະຄົມມະນາຄົມມີມູນຄ່າ 1,2 ຕື້ໂດລາສະຫະລັດໃນປີ 2021 ແລະຄາດວ່າຈະບັນລຸ 38,8 ຕື້ໂດລາໃນປີ 2031, ເຕີບໂຕຢູ່ທີ່ CAGR ຂອງ 41,4% ຈາກ 20212". ບໍລິສັດໂທລະຄົມ (telcos) ກໍາລັງຫັນໄປຫາ AI ເປັນຕົວຊ່ວຍສໍາຄັນສໍາລັບການປະດິດສ້າງ, ປະສິດທິພາບການດໍາເນີນງານ, ແລະປະສົບການຂອງລູກຄ້າທີ່ເພີ່ມຂຶ້ນ.

Ericsson ເຊື່ອວ່າ [1], AI ຈະນໍາເອົາມູນຄ່າທີ່ບໍ່ເຄີຍມີມາກ່ອນໃນອຸດສາຫະກໍາລວມທັງໂທລະຄົມມະນາຄົມ. ສໍາລັບຜູ້ປະຕິບັດການເຄືອຂ່າຍ, AI ຈະນໍາເອົາໂອກາດເພື່ອເພີ່ມປະສິດທິພາບການເຮັດວຽກຂອງເຄືອຂ່າຍ, ປັບປຸງປະສົບການຂອງລູກຄ້າ, ຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍ, ປະກອບສ່ວນເຂົ້າໃນການພັດທະນາແບບຍືນຍົງ, ສ້າງແຫຼ່ງລາຍຮັບໃຫມ່, ແລະອື່ນໆ.

Gartner [2] ໄດ້ດໍາເນີນການສໍາຫຼວດແລະຈັດປະເພດ 29 ເຕັກໂນໂລຊີທີ່ກ່ຽວຂ້ອງກັບ AI ເປັນ 5 ກຸ່ມ: ເຕັກໂນໂລຊີ AI ຫຼັກ, ເຕັກໂນໂລຊີ GenAI; ເຕັກໂນໂລຊີ AI ສູນກາງຂໍ້ມູນ; ເຕັກ​ໂນ​ໂລ​ຊີ AI Trust​. ທ່າອ່ຽງຂອງການນຳໃຊ້ເຕັກໂນໂລຊີທີ່ອີງໃສ່ GenAI ຄາດວ່າຈະເພີ່ມຂຶ້ນຢ່າງຫຼວງຫຼາຍໃນ 1-3 ປີຂ້າງໜ້າ.

Telcos ເຫັນ GenAI ເປັນຈຸດປ່ຽນ, ເປັນຕົວຂັບເຄື່ອນທີ່ມີປະສິດທິພາບທີ່ຈະຊ່ວຍໃຫ້ການເຕີບໂຕຂອງລາຍໄດ້, ປະຫຍັດຄ່າໃຊ້ຈ່າຍ, ແລະການປ່ຽນແປງພື້ນຖານປະສົບການຂອງຜູ້ໃຊ້. ຜູ້ປະກອບການຈໍານວນຫຼາຍເຫັນວ່າ GenAI ເປັນຈຸດສຸມທີ່ສໍາຄັນໃນຍຸດທະສາດ AI ຂອງພວກເຂົາ.

ການວັດແທກຜົນກະທົບທາງເສດຖະກິດຂອງ AI/GenAI

ການວັດແທກຜົນກະທົບທາງດ້ານເສດຖະກິດຂອງ AI ຕໍ່ອຸດສາຫະກໍາໂທລະຄົມບໍ່ແມ່ນວຽກທີ່ງ່າຍຍ້ອນວ່າກໍລະນີການນໍາໃຊ້ທີ່ມີທ່າແຮງແມ່ນກວ້າງຂວາງແລະມີຄວາມຫລາກຫລາຍແລະການຄາດຄະເນມູນຄ່າຕະຫຼາດແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍຈາກແຫຼ່ງຕ່າງໆ. ຢ່າງໃດກໍຕາມ, ຜູ້ປະກອບການຈໍານວນຫຼາຍຕົກລົງເຫັນດີວ່າຜົນປະໂຫຍດຂອງ AI ກັບທຸລະກິດ Telco ແມ່ນສໍາຄັນ. ຕົວຢ່າງ [4]:

- ການຕັດແຮງງານ ແລະວຽກເຮັດງານທຳຍ້ອນ AI ແລະອັດຕະໂນມັດ. BT (UK) ຄາດຄະເນວ່າມັນສາມາດຕັດວຽກ 10,000 ພາຍໃນປີ 2030 ໂດຍການໃຊ້ລະບົບດິຈິຕອນແລະອັດຕະໂນມັດ.

- ສ້າງລາຍຮັບໃຫມ່ໂດຍການເປີດຕົວຜະລິດຕະພັນທີ່ມີ AI. SK Telecom (ເກົາຫຼີໃຕ້) ເຊື່ອວ່າມັນສາມາດສ້າງລາຍຮັບທີ່ກ່ຽວຂ້ອງກັບ AI ໄດ້ເຖິງ 25,000 ຕື້ KRW (ປະມານ 18,5 ຕື້ USD) ໃນປີ 2028.

- ຊ່ວຍປະຫຍັດຕົ້ນທຶນ ຫຼື ເພີ່ມລາຍຮັບ. McKinsey ຄາດຄະເນວ່າ GenAI ສາມາດສ້າງມູນຄ່າເພີ່ມໄດ້ເຖິງ 100 ຕື້ໂດລາສໍາລັບຂະແຫນງໂທລະຄົມມະນາຄົມ.

ຜູ້ປະກອບການວັດແທກຜົນປະໂຫຍດຂອງແຕ່ລະກໍລະນີການນໍາໃຊ້ AI ໂດຍອີງໃສ່ສອງດ້ານ: ທາງດ້ານການເງິນ (ການປະຫຍັດເວລາທີ່ມີປະລິມານ, ການປະຫຍັດຄ່າໃຊ້ຈ່າຍ, ລາຍໄດ້ເພີ່ມຂຶ້ນ) ແລະທີ່ບໍ່ແມ່ນທາງດ້ານການເງິນ (ຄວາມພໍໃຈຂອງພະນັກງານ, ຄວາມພໍໃຈຂອງລູກຄ້າ, ຂະຫນາດນ້ອຍແລະຄວາມຫຍຸ້ງຍາກໃນປະລິມານການປະຫຍັດເວລາ, ຄວາມຍືນຍົງ)

AI ຖືກ ນຳ ໃຊ້ຢູ່ໃສໃນ telco ແລະວິທີການປະຕິບັດ AI

ຜູ້ໃຫ້ບໍລິການພິຈາລະນາ AI ເປັນບູລິມະສິດຍຸດທະສາດທີ່ຈະນໍາໃຊ້ກັບວຽກງານແລະພະແນກທີ່ກ່ຽວຂ້ອງກັບການວິເຄາະຂໍ້ມູນ. ຢ່າງໃດກໍຕາມ, ການລະເບີດຂອງ GenAI ທີ່ຜ່ານມາໄດ້ຍົກຂຶ້ນມາບາງທັດສະນະກ່ຽວກັບການນໍາໃຊ້ AI ໃນ Telco ໂດຍສະເພາະດັ່ງຕໍ່ໄປນີ້:

- ພື້ນທີ່ຄໍາຮ້ອງສະຫມັກ AI ໃນ telco:

- AI ເປັນເຄື່ອງມືທີ່ມີນະວັດຕະກໍາ, ດັ່ງນັ້ນ AI ຈໍາເປັນຕ້ອງມີໃຫ້ກັບທຸກໆວຽກງານໃນບໍລິສັດ.

+ ທຸກໆຄວາມພະຍາຍາມຕ້ອງເຮັດເພື່ອເຮັດໃຫ້ AI ງ່າຍຕໍ່ການໃຊ້, ເຖິງແມ່ນວ່າສໍາລັບກຸ່ມທີ່ມີຄວາມສາມາດທາງດ້ານເຕັກໂນໂລຢີຕໍ່າ.

+ ຫນ່ວຍງານທີ່ອຸທິດຕົນຂອງ AI ຈໍາເປັນຕ້ອງສາມາດຮູ້ການປະຕິບັດການປະຕິບັດຂອງ usecases AI ທີ່ປະສົບຜົນສໍາເລັດແລະສ້າງແບບຈໍາລອງແລະວິທີການທີ່ເຫມາະສົມສໍາລັບການນໍາໄປໃຊ້ຄືນ usecases ເຫຼົ່ານີ້ໃນທົ່ວອົງການຈັດຕັ້ງ.

+ ການເຂົ້າເຖິງປະຊາທິປະໄຕຂອງ AI ຈະຕ້ອງມາພ້ອມກັບການປະຕິບັດວິທີການໃຫມ່ຂອງ FinOps ສໍາລັບ AI ເພື່ອຈັດການຄວາມສ່ຽງຄ່າໃຊ້ຈ່າຍຂອງການຮັບຮອງເອົາ AI.

+ ໂຄງການຄຸ້ມຄອງ AI ຕ້ອງໄດ້ຮັບການພັດທະນາແລະປະຕິບັດເພື່ອຫຼຸດຜ່ອນຄວາມສ່ຽງຕໍ່ຄ່າໃຊ້ຈ່າຍທີ່ບໍ່ມີການຄວບຄຸມແລະຊຸກຍູ້ໃຫ້ມີການນໍາໃຊ້ແລະການທົດລອງຂອງ AI.

- ການນຳໃຊ້ AI ໃນ Telco

ສ້າງຕໍາແຫນ່ງ CXO AI ທີ່ມີຄວາມຊໍານານແລະສິດອໍານາດ ເພື່ອຊຸກຍູ້ການພັດທະນາຜະລິດຕະພັນແລະການບໍລິການ AI (ເຊັ່ນ: Steve Jarrett ແຕ່ງຕັ້ງຫົວຫນ້າ AI Officers (CAIOs) Orange Innovation, 12/2023; Deepika Adusumilli, 10/2023 at BT; Chung Suk-guen at SK Telecom).

ການສ້າງຕັ້ງບໍລິສັດຍ່ອຍເພື່ອພັດທະນາ AI , ຕົວຢ່າງ Proximus Ada ແມ່ນບໍລິສັດຍ່ອຍຂອງຜູ້ໃຫ້ບໍລິການເຄືອຂ່າຍ Proximus (Belgium) ທີ່ສຸມໃສ່ການພັດທະນາຄວາມປອດໄພທາງອິນເຕີເນັດ ແລະຄວາມສາມາດຂອງ AI ເພື່ອຮັບໃຊ້ຄວາມຕ້ອງການພາຍໃນຂອງ Proximus ແລະໃຫ້ບໍລິການລູກຄ້າ B2B.

ແຍກ AI ພາຍໃນແລະຟັງຊັນ AI ທີ່ປະເຊີນກັບລູກຄ້າ. ແທນທີ່ຈະສ້າງອົງການ AI ທີ່ເປັນສູນກາງ, Telefónica ຕັດສິນໃຈແບ່ງອອກເປັນສອງພະແນກ: ຄວາມເຂົ້າໃຈຂອງລູກຄ້າແລະນະວັດຕະກໍາ; ເຄືອຂ່າຍ, ລະບົບໄອທີ, ແລະການຫັນເປັນດິຈິຕອນພາຍໃນ (CDS) ໄປສູ່ AI.

ການແບ່ງປັນຄວາມຮັບຜິດຊອບນີ້ແມ່ນຫນ້າສົນໃຈເປັນພິເສດຍ້ອນວ່າຈຸດສຸມຂອງ GenAI ແມ່ນການປະເຊີນຫນ້າກັບລູກຄ້າຫຼາຍກ່ວາຫນ້າທີ່ເຄືອຂ່າຍ, ໃນຂະນະທີ່ AI ຄາດຄະເນແມ່ນເຕັກໂນໂລຢີທີ່ໃຊ້ສໍາລັບຈຸດປະສົງອັດຕະໂນມັດເຄືອຂ່າຍ.

AI ເປັນຫນ້າທີ່ທຸລະກິດໃຫມ່. ຕົວຢ່າງເຊັ່ນ, China Mobile ແລະ SK Telecom ກໍາລັງລົງທຶນຫຼາຍໃນ AI ເພື່ອສະຫນອງຜະລິດຕະພັນແລະການບໍລິການໃຫມ່. ຈຸດສຸມຂອງຜູ້ໃຫ້ບໍລິການທັງສອງແມ່ນເພື່ອສ້າງຕົວແບບພາສາຂະຫນາດໃຫຍ່ (LLM) ຂອງຕົນເອງດ້ວຍວິທີແກ້ໄຂແລະຄຸນສົມບັດທີ່ດີທີ່ສຸດ, ແລະຂາຍການເຂົ້າເຖິງວິສາຫະກິດ (DNs) ແລະຜູ້ໃຫ້ບໍລິການອື່ນໆ.

ສ້າງຕັ້ງສູນຄວາມເປັນເລີດ AI (CoE).

ໃນການສໍາຫຼວດ TMFrum (2023) [4], 53% ຂອງຜູ້ໃຫ້ບໍລິການກ່າວວ່າພວກເຂົາໄດ້ສ້າງຕັ້ງ AI CoE. ແຕ່ຂະຫນາດທີ່ແນ່ນອນ, ຂອບເຂດ, ແລະບົດບາດຂອງ AI CoE ແຕກຕ່າງກັນຢ່າງຫຼວງຫຼາຍ. ຕົວຢ່າງ, Vodafone Ziggo (ເນເທີແລນ) ມີ AI CoE ທີ່ນໍາເອົາຜູ້ຊ່ຽວຊານດ້ານວິທະຍາສາດຂໍ້ມູນຂອງບໍລິສັດມາຮ່ວມກັນ.

Telefónica ມີ AI CoE ທົ່ວໂລກ, ນໍາພາໂດຍພະແນກເຄືອຂ່າຍແລະໄອທີ, ເຊິ່ງມີຄວາມຊ່ຽວຊານດ້ານຂໍ້ມູນແລະສະຖາປັດຕະຍະກໍາ AI ເພື່ອຮັບໃຊ້ເປົ້າຫມາຍຂອງການຫັນປ່ຽນໄປສູ່ຮູບແບບຂໍ້ມູນທົ່ວໄປແລະການຄົ້ນຄວ້າເຕັກໂນໂລຢີ AI ແລະວິທີແກ້ໄຂ.

e& (ຕາເວັນອອກກາງ) ມີ CoE ທີ່ແຕ່ລະພະແນກ / ຫນ້າທີ່ທີ່ສໍາຄັນມີຕົວແທນ, ການປົກຄອງ AI ແມ່ນຢູ່ແຖວຫນ້າຂອງພາລະກິດເພື່ອຮັບປະກັນວ່າກໍລະນີການນໍາໃຊ້ AI ສົບຜົນສໍາເລັດໄດ້ຖືກຄົ້ນຄວ້າແລະນໍາໃຊ້ໃນທົ່ວພະແນກຕ່າງໆ.

AI ເປັນຫນ້າທີ່ຂອງເວທີ. ຜູ້ໃຫ້ບໍລິການບາງຄົນໄດ້ສ້າງ - ຫຼືກໍາລັງກໍ່ສ້າງ - ແພລະຕະຟອມ AI ທີ່ຖືກອອກແບບມາເພື່ອເຮັດໃຫ້ມັນສາມາດເຂົ້າເຖິງພາກສ່ວນຕ່າງໆຂອງອົງການ.

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

- ການຄຸ້ມຄອງ AI

ຄວາມຕ້ອງການການຄຸ້ມຄອງ AI. ຄວາມຕ້ອງການດ້ານການປົກຄອງຫຼາຍຢ່າງສໍາລັບ AI ແມ່ນສ່ວນຫນຶ່ງຂອງໂຄງການຄຸ້ມຄອງຂໍ້ມູນທີ່ມີຢູ່. ຢ່າງໃດກໍ່ຕາມ, ການປົກປ້ອງສະເພາະຂອງ AI ເພີ່ມເຕີມແມ່ນຈໍາເປັນເພື່ອຮັບປະກັນວ່າເຄື່ອງມື ແລະລະບົບ AI ຍັງຄົງມີຄວາມປອດໄພແລະມີຈັນຍາບັນ. ມີສອງປະເພດຂອງໂຄງການຄຸ້ມຄອງ AI:

- ແຜນງານຄຸ້ມຄອງພາຍນອກຖືກອອກແບບເພື່ອປົກປ້ອງບຸກຄົນ ແລະ ອົງການຈັດຕັ້ງນອກບໍລິສັດ.

- ແຜນງານຄຸ້ມຄອງພາຍໃນໄດ້ຖືກອອກແບບເພື່ອປົກປ້ອງພະນັກງານ ແລະ ຮັບປະກັນວ່າ AI ໄດ້ຖືກນຳໃຊ້ຢ່າງສຳເລັດຜົນ ແລະ ຍືນຍົງໃນທົ່ວວິສາຫະກິດ.

ແຜນງານການປົກຄອງທີ່ແນໃສ່ການປົກປ້ອງປະຊາຊົນ ແລະ ອົງການຈັດຕັ້ງນອກບໍລິສັດມີທ່າອ່ຽງຖືກປັບປ່ຽນ ແລະ ເປັນມາດຕະຖານ. ຕົວຢ່າງ, ສະຫະພາບເອີຣົບ (EU) ໄດ້ຜ່ານກົດຫມາຍ AI ໃນເດືອນທັນວາ 2023, ເຊິ່ງຈະມີຜົນບັງຄັບໃຊ້ໃນປີ 2025, ແລະສະຫະລັດໄດ້ອອກຄໍາສັ່ງບໍລິຫານກ່ຽວກັບ AI ໃນເດືອນຕຸລາ 2023.

ກົດລະບຽບຂອງລັດຖະບານທີ່ເຄັ່ງຄັດສາມາດຊ່ວຍ Telcos ພັດທະນາເຕັກໂນໂລຢີແລະຄວາມສາມາດ ທີ່ສາມາດສ້າງລາຍໄດ້ຈາກຕ່າງປະເທດ, ໂດຍສະເພາະໃນປະເທດທີ່ມີກົດລະບຽບອະທິປະໄຕຂໍ້ມູນຢ່າງເຂັ້ມງວດ.

ຕົວຢ່າງເຊັ່ນ, China Mobile ເຊື່ອວ່າວິທີການທີ່ມັນໃຊ້ເພື່ອຕອບສະຫນອງກົດຫມາຍ AI ສາມາດຊ່ວຍພັດທະນາເຕັກໂນໂລຢີຄວາມປອດໄພທີ່ມັນສາມາດສະເຫນີໃຫ້ລູກຄ້າໄດ້. Swisscom ກໍາລັງທົດລອງສ້າງພື້ນຖານໂຄງລ່າງ AI ຂອງຕົນເອງ ແລະພັດທະນາຄວາມຊ່ຽວຊານພາຍໃນທີ່ມັນສາມາດນໍາໃຊ້ເພື່ອສ້າງມູນຄ່າ ແລະການແກ້ໄຂໃຫມ່ໃນທຸລະກິດບໍລິການ IT ຂອງຕົນ.

ການປະກົດຕົວຂອງ GenAI ຍັງເປັນການຂັບລົດຄວາມຕ້ອງການເພື່ອປັບປຸງການຄຸ້ມຄອງ AI ພາຍໃນ: ຂະຫນາດຂັບລົດ; ຄຸ້ມຄອງຄ່າໃຊ້ຈ່າຍ; ປົກປ້ອງອົງການຈັດຕັ້ງຈາກຜົນສະທ້ອນຂອງການນໍາໃຊ້ຜົນໄດ້ຮັບທີ່ບໍ່ຖືກຕ້ອງ; ຫຼຸດຜ່ອນຄວາມສ່ຽງຂອງໜີ້ສິນທາງວິຊາການ; ປ້ອງກັນຄວາມສ່ຽງຂອງ "ສໍ້ລາດບັງຫຼວງ" ຂໍ້ມູນຮູບແບບການຝຶກອົບຮົມ LLM; ປົກປ້ອງອົງການຈາກຊັບສິນທາງປັນຍາ (IP)/ການລະເມີດລິຂະສິດ.

ຄວາມສ່ຽງຂອງການນໍາໃຊ້ AI ໃນທຸລະກິດ

ການສໍາຫຼວດ TMforum 2023 ກ່ຽວກັບຄວາມສ່ຽງໃນເວລາທີ່ນໍາໃຊ້ GenAI ໃນ Telco ປະກອບມີ:

3.1. ຊັບພະຍາກອນມະນຸດສໍາລັບ AI

ເມື່ອເວົ້າເຖິງການຈ້າງຄົນມີພອນສະຫວັນ AI, ໂທລະໂຄ່ງສ່ວນໃຫຍ່ມີຂໍ້ເສຍປຽບເມື່ອທຽບກັບບໍລິສັດເຕັກໂນໂລຢີ, ໂດຍສະເພາະເມື່ອຈ້າງຄົນທີ່ມີພອນສະຫວັນໄວໜຸ່ມ. ໂດຍທົ່ວໄປແລ້ວ ບໍລິສັດເທັກໂນໂລຍີຈະໃຫ້ເງິນເດືອນທີ່ດີຂຶ້ນ, ຄວາມຄືບໜ້າຂອງອາຊີບທີ່ໄວຂຶ້ນ, ແລະວັດທະນາທຳອົງກອນທີ່ມີຄວາມຍືດຫຍຸ່ນຫຼາຍຂຶ້ນ.

ການສໍາຫຼວດຂອງ TM Forum ກ່ຽວກັບຄວາມຕ້ອງການຊັບພະຍາກອນມະນຸດຂອງ Telco ໂດຍພິເສດ [4] ສະແດງໃຫ້ເຫັນວ່າການຮຽນຮູ້ AI / ເຄື່ອງຈັກ, ການວິເຄາະຂໍ້ມູນແລະທັກສະອັດຕະໂນມັດແມ່ນມີຄວາມຕ້ອງການສູງ (64%, ຫນ້ອຍກວ່າຄວາມປອດໄພຢູ່ທີ່ 69%).

ໃນແງ່ຂອງຄວາມຫຍຸ້ງຍາກຂອງທັກສະທີ່ Telcos ສາມາດບັນຈຸໄດ້, 59% ຂອງຜູ້ຕອບແບບສອບຖາມກ່າວວ່າຜູ້ຊ່ຽວຊານດ້ານການວິເຄາະຂໍ້ມູນ / ຂໍ້ມູນແລະຜູ້ຊ່ຽວຊານດ້ານ AI / ML ແມ່ນມີຄວາມຫຍຸ້ງຍາກທີ່ສຸດທີ່ຈະຮັບການຈ້າງ (ອັນດັບສອງພຽງແຕ່ຄວາມປອດໄພຢູ່ທີ່ 63%).

ໃນງານ MWC 2024, ບໍລິສັດ ໂທລະຄົມ ເກົາຫຼີ (ເກົາຫຼີ) ປະກາດວ່າ ຈະຮັບສະໝັກ ຜູ້ຊ່ຽວຊານດ້ານ AI ແລະ ດິຈິຕອລ ສູງສຸດ 1,000 ຄົນ ໃນປີນີ້ ໃນຄວາມພະຍາຍາມທີ່ຈະເປັນບໍລິສັດ AICT - AI ແລະ ICT. ໃນເວລາດຽວກັນ, KT ຍັງໄດ້ເພີ່ມການຝຶກອົບຮົມພາຍໃນທັກສະ AI ເພື່ອປ່ຽນ DNA ຂອງ KT ໄປສູ່ AI ຢ່າງສົມບູນ.

China Mobile ສ້າງຕັ້ງ Jiutian ໃນປີ 2019 ເປັນເວທີເພື່ອສະຫນັບສະຫນູນຄວາມທະເຍີທະຍານຂອງຕົນທີ່ຈະກາຍເປັນຜູ້ໃຫ້ບໍລິການອັດຕະໂນມັດສູງໃນປີ 2025. ເວທີ AI ແມ່ນສາມາດເຂົ້າເຖິງຜູ້ພັດທະນາພາຍນອກໂດຍຜ່ານ APIs ເປີດ. ໃນເດືອນຕຸລາ 2023, China Mobile ໄດ້ພັດທະນາ LLM ຂອງຕົນເອງເປັນສ່ວນຫນຶ່ງຂອງ Jiutian. ໂດຍເລີ່ມຈາກວິສະວະກອນ AI ພຽງ 20 ຄົນ, China Mobile ໃນປັດຈຸບັນມີວິສະວະກອນ AI 600 ຄົນ ແລະວາງແຜນທີ່ຈະບັນລຸ 1,000 ຄົນໃນທ້າຍປີ 2024.

Vodafone ກໍາລັງຮ່ວມມືກັບ hyperscalers ສໍາລັບເວທີ AI ຂອງຕົນ, ແຕ່ຍັງຕ້ອງການທັກສະ AIOps ເຊັ່ນດຽວກັນກັບການວິເຄາະ, ອັດຕະໂນມັດ, ຟັງແລະເວທີ. Vodafone ກໍາລັງດຶງດູດພອນສະຫວັນໂດຍການຈ້າງເຕັມເວລາ.

Ashish Yadav, ຜູ້ອໍານວຍການອາວຸໂສຂອງ Capgemini, ກ່າວວ່າ Telcos ກໍາລັງຊອກຫາຜູ້ອາວຸໂສ Cloud ແລະ AI ພອນສະຫວັນໃນລະດັບສະຖາປະນິກໂດຍຜ່ານບໍລິສັດປະສົມປະສານລະບົບເປັນຮູບແບບຂອງ Insourcing. ຄໍານິຍາມຂອງ insourcing ສາມາດຖືກຕີຄວາມຫມາຍໃນຫຼາຍວິທີທີ່ແຕກຕ່າງກັນ, ແຕ່ໃນສະພາບການນີ້, Telcos "ປະຕິບັດ" ພອນສະຫວັນອາວຸໂສຂອງບໍລິສັດຄູ່ຮ່ວມງານເປັນສະມາຊິກຂອງທີມງານຂອງ Telco.

ບໍລິສັດໂທລະຄົມສ່ວນໃຫຍ່ຍັງເລັ່ງໃສ່ການຝຶກອົບຮົມຄືນ ໃໝ່ ແລະຍົກລະດັບທັກສະ ເພື່ອສ້າງຄວາມສາມາດ AI ຢ່າງຈິງຈັງຕາມຄວາມຕ້ອງການ. ໃນຄວາມເປັນຈິງ, ວິທີການນີ້ສາມາດມີລາຄາຖືກກວ່າການຈ້າງຄົນທີ່ມີພອນສະຫວັນໃຫມ່, ແລະຖືກນໍາໃຊ້ກັບທັກສະອື່ນໆທີ່ຍາກທີ່ຈະຈ້າງ.

ໃນການສໍາຫຼວດ TMForum ກ່ຽວກັບສິ່ງທີ່ຜູ້ໃຫ້ບໍລິການຕ້ອງເຮັດເພື່ອເພີ່ມປະສິດທິພາບ AI ແລະການຮຽນຮູ້ເຄື່ອງຈັກ, 60% ຂອງຜູ້ຕອບແບບສອບຖາມກ່າວວ່າການຝຶກອົບຮົມພະນັກງານທີ່ມີຢູ່ແລ້ວໃນທັກສະ AI ຫຼາຍຈະມີຜົນກະທົບສູງ, ໃນຂະນະທີ່ 39% ບອກວ່າມັນຈະມີຜົນກະທົບຢ່າງຫຼວງຫຼາຍ.

ອີງຕາມບໍລິສັດ McKinsey & ບໍລິສັດ, GenAI ກໍາລັງບັງຄັບໃຫ້ຜູ້ປະກອບການພັດທະນາຄວາມຊໍານານ AI ພາຍໃນໃນຂະນະທີ່ຍັງຕ້ອງການທັກສະໃຫມ່ຈາກຜູ້ໃຊ້, ເຊັ່ນ: ວິສະວະກໍາທັນທີ - ຄວາມສາມາດໃນການຖາມຄໍາຖາມເພື່ອໃຫ້ໄດ້ຄໍາຕອບທີ່ດີທີ່ສຸດຈາກ LLM. ຜູ້ປະຕິບັດງານຍັງຈໍາເປັນຕ້ອງຈ້າງວິສະວະກອນຂໍ້ມູນແລະຜູ້ຊ່ຽວຊານດ້ານໂດເມນ "ຜູ້ທີ່ເຂົ້າໃຈວ່າຂໍ້ມູນໃດທີ່ຈະເກັບກໍາແລະວິທີການເກັບກໍາຂໍ້ມູນ, ເຊັ່ນດຽວກັນກັບການຕິດຕາມແລະການປະເມີນຄຸນນະພາບຂອງຂໍ້ມູນປະເພດໃຫມ່ທີ່ສ້າງຂຶ້ນແລະນໍາໃຊ້ໂດຍລະບົບ GenAI . "

3.2. ຄວາມພ້ອມຂອງຂໍ້ມູນສຳລັບແອັບພລິເຄຊັນ AI

ສະຖາປັດຕະຍະ ກຳ ທີ່ຂັບເຄື່ອນດ້ວຍຂໍ້ມູນແມ່ນກຸນແຈໃນການຮັກສາຄວາມຖືກຕ້ອງແລະຄວາມສອດຄ່ອງໃນທົ່ວເຄືອຂ່າຍ. ການນໍາໃຊ້ແບບຈໍາລອງຂໍ້ມູນທົ່ວໄປຮັບປະກັນການໄຫຼວຽນຂອງຂໍ້ມູນຢ່າງລຽບງ່າຍໃນທົ່ວທຸກລະບົບແລະຖືກຮັບໃຊ້ຢ່າງຖືກຕ້ອງໃນຂະບວນການເຮັດວຽກອັດຕະໂນມັດທັງຫມົດ.

AI ຕ້ອງການຂໍ້ມູນ, ແລະການວິເຄາະຂໍ້ມູນຕ້ອງການ AI. ຜູ້ປະກອບການຈໍານວນຫຼາຍໃນມື້ນີ້ປະເຊີນກັບສິ່ງທ້າທາຍທີ່ສໍາຄັນໃນການພັດທະນາຍຸດທະສາດຂໍ້ມູນທີ່ສອດຄ່ອງກັນເພື່ອນໍາໃຊ້ເຕັກໂນໂລຢີ AI ຢ່າງເຕັມສ່ວນ. ຜູ້ປະຕິບັດງານໃນໄລຍະຕົ້ນຂອງການທົດລອງ AI ອາດຈະຄາດຄະເນສິ່ງທີ່ຈໍາເປັນ, ໂດຍສະເພາະໃນດ້ານຂໍ້ມູນ, ເພື່ອປະສົບຜົນສໍາເລັດໃນການປະຕິບັດ AI ໃນຂະຫນາດ.

ຜູ້ໃຫ້ບໍລິການຈໍານວນຫຼາຍຂາດຍຸດທະສາດທີ່ສອດຄ່ອງກັນທີ່ອະນຸຍາດໃຫ້ຂໍ້ມູນໄຫຼອອກຕາມລວງນອນໃນທົ່ວອົງການພາຍໃຕ້ຮູບແບບຂໍ້ມູນດຽວ.

ບາງສິ່ງທ້າທາຍສະເພາະໃນການກຽມພ້ອມຂໍ້ມູນສໍາລັບ AI:

ຂາດຂໍ້ມູນທີ່ສະອາດ, ຊັດເຈນ, ສອດຄ່ອງແລະສາມາດປະຕິບັດໄດ້ ທີ່ສາມາດນໍາໃຊ້ກັບພາກສ່ວນຕ່າງໆຂອງທຸລະກິດຈາກເຄືອຂ່າຍໄປສູ່ການໃຫ້ບໍລິການແລະປະສົບການຂອງລູກຄ້າ. ນີ້ແມ່ນສິ່ງສໍາຄັນສໍາລັບຂະບວນການທັງຫມົດກ່ຽວກັບການດໍາເນີນການຂໍ້ມູນ, ຂັບເຄື່ອນດ້ວຍ AI.

ການຂາດຕົວແບບຂໍ້ມູນທົ່ວໄປ (ປະຈຸບັນແມ່ນເກັບກໍາຂໍ້ມູນຈາກຜູ້ຂາຍຫຼາຍໆຄົນ) ເຮັດໃຫ້ເກີດການລວບລວມຂໍ້ມູນທີ່ມີໂຄງສ້າງແລະບໍ່ມີໂຄງສ້າງທີ່ໃຊ້ເວລາຫຼາຍ.

ການຂາດບໍລິບົດຂໍ້ມູນ, ບໍ່ຮູ້ວິທີການ, ເວລາ, ບ່ອນໃດ, ແລະຈຸດປະສົງໃດທີ່ຂໍ້ມູນຖືກເກັບກໍາ, ເປັນອຸປະສັກທີ່ສໍາຄັນໂດຍສະເພາະ Telcos ຕ້ອງເອົາຊະນະຖ້າພວກເຂົາຕ້ອງການໃຊ້ GenAI ຫຼືຮູບແບບການຮຽນຮູ້ເຄື່ອງຈັກອື່ນໆ.

ຜູ້ປະກອບການກໍາລັງເຫັນມູນຄ່າຂອງຂໍ້ມູນແລະໄດ້ເລັ່ງລັດການລົງທຶນຂອງພວກເຂົາໃນການວິເຄາະຂໍ້ມູນ. Omdia ຄາດຄະເນວ່າຜູ້ປະກອບການທົ່ວໂລກຈະລົງທຶນ 2.5 ຕື້ໂດລາໃນການວິເຄາະຂໍ້ມູນພາຍໃນປີ 2025.

ໃນຄວາມເປັນຈິງ, ເວລາແລະການລົງທຶນທີ່ຕ້ອງການເພື່ອເກັບກໍາ, ເຮັດຄວາມສະອາດ, ຫັນປ່ຽນ, ແລະເກັບຮັກສາຂໍ້ມູນໃນຮູບແບບທີ່ຖືກຕ້ອງແມ່ນມັກຈະບໍ່ສົມດຸນສູງກວ່າເວລາທີ່ມັນໃຊ້ຂໍ້ມູນນັ້ນ. ຂະບວນການສ້າງ Data lakes ແລະ Data warehouses ໄດ້ດໍາເນີນມາເປັນເວລາຫຼາຍປີແລ້ວ, ແຕ່ມັນຍັງບໍ່ທັນໄດ້ໃຫ້ຜູ້ໃຫ້ບໍລິການສາມາດນຳໃຊ້ AI ໃນຂອບເຂດທົ່ວອົງກອນຂອງເຂົາເຈົ້າໄດ້.

ການມາເຖິງຂອງນະວັດຕະກໍາ ແລະການວິເຄາະທີ່ອີງໃສ່ AI ໄດ້ຊຸກຍູ້ຄວາມຕ້ອງການ ແລະຄວາມຕ້ອງການສໍາລັບການນໍາໃຊ້ຂໍ້ມູນທີ່ມີຄວາມຫຼາກຫຼາຍ ແລະມີຄວາມຍືດຫຍຸ່ນຫຼາຍຂຶ້ນ, ຕົວຢ່າງ:

- AI / ການ​ຮຽນ​ຮູ້​ເຄື່ອງ​ຈັກ​ຮຽກ​ຮ້ອງ​ໃຫ້​ມີ​ຈໍາ​ນວນ​ຫຼາຍ​ຂອງ​ຂໍ້​ມູນ​ເພື່ອ​ຝຶກ​ອົບ​ຮົມ​ຕົວ​ແບບ​

- ຊຸດຂໍ້ມູນທີ່ມີຄວາມຫຼາກຫຼາຍ ແລະຂໍ້ມູນຫຼາຍປະເພດແມ່ນຈໍາເປັນເພື່ອຮັບປະກັນຜົນໄດ້ຮັບ AI ທີ່ບໍ່ມີອະຄະຕິ

- ເພີ່ມຊັ້ນຂໍ້ມູນເພື່ອປັບປຸງຄວາມຖືກຕ້ອງຂອງຕົວແບບ ແລະຜົນກະທົບຂອງແອັບພລິເຄຊັນ

- ຕົວແບບຕ້ອງໄດ້ຮັບການຝຶກອົບຮົມຢ່າງຕໍ່ເນື່ອງກັບຂໍ້ມູນຫລ້າສຸດເພື່ອຮັກສາການປະຕິບັດການຄາດເດົາ, ໂດຍສະເພາະໃນສະພາບແວດລ້ອມແບບເຄື່ອນໄຫວ

- ຂໍ້ມູນຕ້ອງມີຢູ່ໃນເວລາທີ່ແທ້ຈິງສໍາລັບຫນ້າທີ່ທຸລະກິດທີ່ສໍາຄັນ, ຕົ້ນຕໍໃນສະພາບແວດລ້ອມທີ່ມີການໂຕ້ຕອບສູງ

- ການມາເຖິງຂອງ GenAI ໄດ້ເປີດໂອກາດໃຫ້ຜູ້ປະກອບການເພື່ອໃຊ້ຈໍານວນຂະຫນາດໃຫຍ່ຂອງຂໍ້ມູນທີ່ບໍ່ມີໂຄງສ້າງທີ່ມີຢູ່, ແຕ່ຂໍ້ມູນນີ້ຕ້ອງໄດ້ຮັບການ tagged ແລະເຮັດຄວາມສະອາດກ່ອນທີ່ຈະຖືກປ້ອນເຂົ້າໄປໃນ LLM.

ເພື່ອເຮັດໃຫ້ຄວາມກ້າວຫນ້າທີ່ສໍາຄັນໃນ AI ຈາກທັດສະນະຂໍ້ມູນ, ຜູ້ປະກອບການຈໍາເປັນຕ້ອງມີການປ່ຽນແປງພື້ນຖານໃນວິທີການທີ່ເຂົາເຈົ້າເຂົ້າຫາຂໍ້ມູນທີ່ໄຫຼຜ່ານລະບົບຂອງພວກເຂົາ, ແລະບາງຄັ້ງກໍ່ມີການປ່ຽນແປງວັດທະນະທໍາຂອງບໍລິສັດ. ສິ່ງສໍາຄັນແມ່ນການສ້າງແບບຈໍາລອງຂໍ້ມູນທົ່ວໄປແລະສ້າງແຫຼ່ງຄວາມຈິງດຽວ.

ການສ້າງແຫຼ່ງຄວາມຈິງອັນດຽວແມ່ນວຽກງານທີ່ສັບສົນອັນໃຫຍ່ຫຼວງທີ່ມາຮອດປະຈຸບັນແມ່ນເກີນຄວາມສາມາດຂອງຜູ້ປະຕິບັດງານສ່ວນໃຫຍ່ເນື່ອງຈາກການແບ່ງສ່ວນຂອງຂໍ້ມູນຂອງພວກເຂົາ. BT, Deutsche Telekom ແລະ Telefónica ໄດ້ດໍາເນີນຂັ້ນຕອນເພື່ອແກ້ໄຂບັນຫານີ້ໂດຍການຍ້າຍຂໍ້ມູນທັງຫມົດຂອງພວກເຂົາໄປສູ່ຄລາວສາທາລະນະ. ຕົວຢ່າງ, ໃນໄລຍະສອງປີທີ່ຜ່ານມາ, BT ໄດ້ຍ້າຍຫຼາຍກວ່າ 90% ຂອງຂໍ້ມູນຂອງມັນໄປຫາ Google Cloud Platform.

AI ສະຖາປັດຕະຍະກໍາ, ການກໍ່ສ້າງ, ຊື້, ແລະຂະຫນາດ

ມີຄວາມຄ້າຍຄືກັນຫຼາຍລະຫວ່າງ AI / GenAi ແລະຄອມພິວເຕີ້ຟັງ, ໂດຍສະເພາະການປ່ຽນແປງທາງດ້ານເຕັກໂນໂລຢີແລະການເດັ່ນຂອງ hypercallers. ຜູ້ໃຫ້ບໍລິການປະເຊີນກັບບັນຫາດຽວກັນ, ຄໍາຖາມດຽວກັນກັບ AI ແລະ Cloud: ສິ່ງທີ່ຈະຊື້ແລະສິ່ງທີ່ຈະສ້າງ?

ວິທີການຂອງຜູ້ໃຫ້ບໍລິການຕໍ່ AI ສ່ວນໃຫຍ່ແມ່ນຖືກສ້າງຂື້ນໂດຍຫຼັກການພື້ນຖານຂອງສະຖາປັດຕະຍະກໍາທີ່ເປີດເຜີຍແລະການປະກອບ. Omair Ahmed Khan ຂອງ Deutsche Telekom ກ່າວວ່າໂຄງການ AI ຂອງບໍລິສັດສ່ວນໃຫຍ່ກ່ຽວຂ້ອງກັບການລວມກັນຂອງການກໍ່ສ້າງແລະການຊື້ອົງປະກອບທີ່ແຕກຕ່າງກັນ, "Deutsche Telekom ມີຍຸດທະສາດການກໍ່ສ້າງແລະການຊື້ແບບປະສົມ, ແລະສ່ວນການຊື້ບໍ່ເຄີຍມີສ່ວນຮ່ວມໃນການຊື້ການແກ້ໄຂແບບຄົບວົງຈອນ."

ຜູ້ປະກອບການເຊື່ອວ່າມັນໄວເກີນໄປທີ່ຈະພິຈາລະນາ AI ເປັນສ່ວນຫນຶ່ງຂອງຖາປັດຕະຍະວິສາຫະກິດຂອງພວກເຂົາຫຼືເປັນສ່ວນຫນຶ່ງຂອງສະຖາປັດຕະຍະກໍາອ້າງອີງຂອງພວກເຂົາ. ຜູ້ປະກອບການບາງຄົນທີ່ມີວິໄສທັດແລະຍຸດທະສາດທີ່ຊັດເຈນສໍາລັບການລວມເອົາ AI ເຂົ້າໄປໃນສະຖາປັດຕະຍະກໍາວິສາຫະກິດໃນອະນາຄົດຂອງພວກເຂົາຍັງຮັບຮູ້ສິ່ງທ້າທາຍໃນການປະຕິບັດທີ່ກ່ຽວຂ້ອງກັບປະຊາຊົນ, ເຄື່ອງມືແລະຄວາມສາມາດທີ່ຈໍາເປັນເພື່ອໃຫ້ຜົນໄດ້ຮັບທີ່ມີປະສິດທິພາບແລະຜົນຕອບແທນທີ່ຊັດເຈນໃນການລົງທຶນ.

ອຸດສາຫະກໍາຊອບແວສາມາດເຫັນໄດ້ວ່າເປັນການປະຕິບັດທີ່ດີສໍາລັບການອຸດສາຫະກໍາ AI ໂດຍການເຄື່ອນຍ້າຍຂໍ້ມູນໄປສູ່ຟັງສາທາລະນະແລະເຮັດໃຫ້ຂໍ້ມູນສາມາດເຂົ້າເຖິງໄດ້ໃນເວລາຈິງ. ບໍລິສັດຂົນສົ່ງເອເຊຍຕາເວັນອອກສຽງໃຕ້ CIO ອະທິບາຍຂະບວນການທີ່ບໍລິສັດໄດ້ປະຕິບັດເພື່ອອຸດສາຫະກໍາ AI ເປັນ "ໂຮງງານຜະລິດຂໍ້ມູນ." ທ່ານກ່າວວ່າ "ສິ່ງນີ້ໄດ້ຫຼຸດຜ່ອນເວລາແລະຄ່າໃຊ້ຈ່າຍໃນການຜະລິດ AI ຢ່າງຫຼວງຫຼາຍ."

"ສອງປີກ່ອນ, ຄ່າໃຊ້ຈ່າຍຂອງການຜະລິດ AI ແມ່ນສູງຫຼາຍ. ມັນໃຊ້ເວລາຫົກຫາແປດເດືອນເພື່ອສ້າງຕົວແບບ AI. ດຽວນີ້ມັນໃຊ້ເວລາພຽງແຕ່ສອງສາມມື້. ທ່ານສາມາດແລ່ນຮອບວຽນທັງຫມົດໄດ້ໄວຂຶ້ນແລະມີຈໍານວນຫນ້ອຍ."

ການປະຕິບັດໃນບາງຜູ້ໃຫ້ບໍລິການ:

China Mobile: ໄດ້ຊື້ຮາດແວແລະສ້າງສູນຂໍ້ມູນຂອງຕົນເອງລວມທັງຫນ່ວຍປະມວນຜົນກາຟິກ (GPUs) ແລະເຄື່ອງເລັ່ງລັດເປັນສ່ວນຫນຶ່ງຂອງໂຄງການ Jiutian LLM.

Jio: Reliance Industries, ບໍລິສັດແມ່ຂອງບໍລິສັດໂທລະຄົມອິນເດຍ Jio, ໄດ້ຮ່ວມມືກັບ Nvidia ເພື່ອສ້າງພື້ນຖານໂຄງລ່າງ supercomputing ສໍາລັບ AI. Reliance ມີຈຸດປະສົງເພື່ອສະຫນອງໂຄງສ້າງພື້ນຖານ AI ໃຫ້ແກ່ນັກວິທະຍາສາດ, ຜູ້ພັດທະນາ, ແລະຜູ້ເລີ່ມຕົ້ນໃນທົ່ວອິນເດຍແລະສ້າງຄໍາຮ້ອງສະຫມັກແລະການບໍລິການ AI ສໍາລັບລູກຄ້າ 450 ລ້ານຄົນຂອງ Jio.

ການຕັດສິນໃຈທີ່ຈະໃຊ້ AI ຢູ່ໃນຄລາວສາທາລະນະ ຫຼືຄລາວສ່ວນຕົວກໍ່ເປັນເລື່ອງຂອງ telcos ແລະສ່ວນໃຫຍ່ແມ່ນຂຶ້ນກັບຂະໜາດຂອງການນຳໃຊ້. ການນຳໃຊ້ AI ຢູ່ໃນຄລາວສາທາລະນະມີປະໂຫຍດຈາກຊັບພະຍາກອນຄອມພິວເຕີທີ່ອຸດົມສົມບູນ, ພະລັງງານ ແລະຮາດແວສະເພາະທີ່ຕ້ອງການເພື່ອປະມວນຜົນລະບົບທີ່ຊັບຊ້ອນ ແລະຂໍ້ມູນຈຳນວນຫຼວງຫຼາຍ, ແຕ່ຄ່າໃຊ້ຈ່າຍສາມາດກາຍເປັນບັນຫາໄດ້ຫາກຜູ້ປະຕິບັດການພຽງແຕ່ໃຊ້ຄລາວສາທາລະນະເພື່ອປະມວນຜົນຂໍ້ມູນຂະໜາດໃຫຍ່ເທົ່ານັ້ນ.

ການຕັດສິນໃຈທີ່ຈະນໍາໃຊ້ Private cloud ສໍາລັບ GenAI ໄດ້ຖືກພິຈາລະນາໂດຍຜູ້ປະກອບການຈໍານວນຫຼາຍແມ່ນບໍ່ເປັນໄປໄດ້ເວັ້ນເສຍແຕ່ວ່າຜູ້ປະກອບການກໍາລັງສ້າງ LLM ຂອງຕົນເອງ - ເຊັ່ນກໍລະນີຂອງ China Mobile, Softbank ແລະ SK Telecom ໃນອາຊີແລະ Deutsche Telekom ໃນເອີຣົບ. ຜູ້ປະກອບການມີແນວໂນ້ມທີ່ຈະຈັດລໍາດັບຄວາມສໍາຄັນຂອງ Public cloud ສໍາລັບການທົດສອບແລະການສ້າງ MVPs ສໍາລັບກໍລະນີການນໍາໃຊ້ AI.

ໃນຂະນະທີ່ຜູ້ໃຫ້ບໍລິການເພີ່ມການນໍາໃຊ້ AI ຂອງເຂົາເຈົ້າ, ມັນແນ່ນອນວ່າມັນຈະນໍາໄປສູ່ຄວາມສໍາພັນທີ່ເລິກເຊິ່ງກວ່າ.

- Softbank: ໄດ້ຮ່ວມມືກັບ Nvidia ເພື່ອສ້າງສູນຂໍ້ມູນ (TTDL) ທີ່ຖືກອອກແບບເພື່ອເປັນເຈົ້າພາບ GenAI ແລະແອັບພລິເຄຊັນໄຮ້ສາຍ. TTDLs ໃໝ່ຈະຈັດການທັງ AI ແລະ 5G workloads.

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

- NTT ກໍາລັງລົງທຶນ 1.5 ພັນຕື້ເຢນ (ປະມານ 12 ຕື້ໂດລາ) ໃນໄລຍະ 5 ປີຂ້າງຫນ້າເພື່ອຂະຫຍາຍແລະຍົກລະດັບທຸລະກິດສູນຂໍ້ມູນຂອງຕົນໃນທົ່ວໂລກເພື່ອຕອບສະຫນອງຄວາມຕ້ອງການທີ່ເພີ່ມຂຶ້ນຂອງຂໍ້ມູນທີ່ກ່ຽວຂ້ອງກັບການນໍາໃຊ້ GenAI, ຄຽງຄູ່ກັບເຕັກໂນໂລຢີອື່ນໆ.

ການຕັດສິນໃຈທີ່ຈະໃຊ້ AI ຢູ່ໃນຄລາວສາທາລະນະ ຫຼືຄລາວສ່ວນຕົວກໍ່ເປັນເລື່ອງຂອງ telcos ແລະສ່ວນໃຫຍ່ແມ່ນຂຶ້ນກັບຂະໜາດຂອງການນຳໃຊ້. ການນຳໃຊ້ AI ຢູ່ໃນຄລາວສາທາລະນະມີປະໂຫຍດຈາກຊັບພະຍາກອນຄອມພິວເຕີທີ່ອຸດົມສົມບູນ, ພະລັງງານ ແລະຮາດແວສະເພາະທີ່ຕ້ອງການເພື່ອປະມວນຜົນລະບົບທີ່ຊັບຊ້ອນ ແລະຂໍ້ມູນຈຳນວນຫຼວງຫຼາຍ, ແຕ່ຄ່າໃຊ້ຈ່າຍສາມາດກາຍເປັນບັນຫາໄດ້ຫາກຜູ້ປະຕິບັດການພຽງແຕ່ໃຊ້ຄລາວສາທາລະນະເພື່ອປະມວນຜົນຂໍ້ມູນຂະໜາດໃຫຍ່ເທົ່ານັ້ນ.

ການຕັດສິນໃຈທີ່ຈະນໍາໃຊ້ cloud ສ່ວນຕົວສໍາລັບ GenAI ໄດ້ຖືກພິຈາລະນາໂດຍຜູ້ປະກອບການຈໍານວນຫຼາຍແມ່ນບໍ່ເປັນໄປໄດ້ເວັ້ນເສຍແຕ່ວ່າຜູ້ປະກອບການກໍາລັງສ້າງ LLM ຂອງຕົນເອງ - ເຊັ່ນກໍລະນີຂອງ China Mobile, Softbank ແລະ SK Telecom ໃນອາຊີແລະ Deutsche Telekom ໃນເອີຣົບ. ຜູ້ປະກອບການມີແນວໂນ້ມທີ່ຈະຈັດລໍາດັບຄວາມສໍາຄັນຂອງຟັງສາທາລະນະສໍາລັບການທົດສອບແລະການສ້າງ MVPs ສໍາລັບກໍລະນີການນໍາໃຊ້ AI.

ໃນຂະນະທີ່ຜູ້ໃຫ້ບໍລິການຂະຫຍາຍການນໍາໃຊ້ AI ຂອງເຂົາເຈົ້າ, ມັນຈະນໍາໄປສູ່ຄວາມສໍາພັນທີ່ເລິກເຊິ່ງກວ່າກັບບໍລິສັດຍັກໃຫຍ່ - Amazon Web Services, Microsoft Azure, ແລະ Google Cloud.

ອ້າງອີງ:
1. ທ່າແຮງທຸລະກິດ AI: ຄວາມເຂົ້າໃຈມູນຄ່າຂອງ AI ສໍາລັບ
ການ​ດໍາ​ເນີນ​ງານ​ໂທລະ​ຄົມ​. https://www.ericsson.com/4ac6ca/
ຊັບສິນ/ທ້ອງຖິ່ນ/ບົດລາຍງານ-ເອກະສານ/further-insights/doc/ai-
business-potential.pdf
[2]. Emerging Tech Impact Radar: Artificial Intelligence, Gartner, 19 ມັງກອນ 2024 ID G00796195
[3]. Generative AI: ຜູ້ປະກອບການປະຕິບັດຂັ້ນຕອນທໍາອິດຂອງພວກເຂົາ, 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
ການສໍາຫຼວດຜູ້ໃຫ້ບໍລິການ Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
ໂທລະຄົມ/
[9]. AI ໄປໃສ? Nokia https://www.nokia.com/thought-
ຄວາມເປັນຜູ້ນໍາ/ບົດຄວາມ/ai/where-is-ai-heading/
[10]. Ericsson Telco AI, ເອກະສານພາຍໃນ

(ລົງພິມໃນວາລະສານ TT&TT ສະບັບທີ 8, ສິງຫາ 2024)

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