Apakah strategi AI untuk pengendali rangkaian telekomunikasi?

Nguyen Van Yen, Ahli Lembaga Pengarah VNPT

Ringkasan:
-Data dan AI dalam telekomunikasi: Pembawa mempunyai sejumlah besar data yang tidak digunakan dengan betul. AI boleh membantu mengubah data menjadi alat untuk meningkatkan perkhidmatan dan mengoptimumkan operasi perniagaan.
- Aliran aplikasi AI: Pembangunan 5G dan IoT telah mendorong pembawa untuk memberi tumpuan kepada AI sejak 2016. Baru-baru ini, GenAI telah muncul sebagai alat strategik, terutamanya selepas pelancaran OpenAI's ChatGPT.
- Faedah ekonomi daripada AI: AI diramalkan mencipta nilai yang besar untuk pembawa, termasuk mengurangkan kos dan mencipta aliran hasil baharu. McKinsey menganggarkan bahawa GenAI boleh membawa $100 bilion kepada industri telekomunikasi.
- Aplikasi AI dalam organisasi: AI perlu digunakan di semua peringkat organisasi, daripada analisis data kepada fungsi pentadbiran. Banyak pembawa telah menubuhkan unit AI khusus dan membina pusat kecemerlangan AI.
- Risiko dalam aplikasi AI: Cabaran dalam merekrut sumber manusia AI, mengurus data dan memastikan keselamatan dalam penggunaan AI adalah isu yang dihadapi oleh pengendali rangkaian. Tadbir urus AI ialah faktor penting untuk memastikan penggunaan yang berjaya dan mampan.
- Menyediakan data untuk AI: Untuk menggunakan AI secara berkesan, pengendali perlu menyediakan data yang bersih, konsisten dan memastikan model data biasa. Pengumpulan dan pemprosesan data merupakan cabaran utama, memerlukan pelaburan besar dalam analisis dan pengurusan data.

Keadaan aplikasi AI untuk syarikat telekomunikasi

Peningkatan 5G, IoT dan jumlah Data Besar yang semakin meningkat adalah faktor yang mendorong penyedia perkhidmatan telekom untuk mengalihkan perhatian mereka kepada AI. Beberapa pengendali yang besar dan bercita-cita tinggi mula menggunakan AI pada 2016, 2017 dan menjelang 2019 - 2020, sektor telekomunikasi telah merekodkan penggunaan AI yang kukuh dalam pengendali di seluruh dunia . Dalam tempoh 12 - 15 bulan yang lalu (sejak pelancaran OpenAI dengan Chat GPT), kesedaran GenAI telah berkembang daripada alat penciptaan kandungan berasaskan AI kepada platform strategik dan dengan pantas menjadi pusat pemikiran bagi hampir setiap penyedia perkhidmatan telekomunikasi di seluruh dunia.

Laporan penyelidikan pasaran bersekutu [6] mengenai AI dalam pasaran telekomunikasi pada 2022 menunjukkan: “Saiz pasaran AI global dalam pasaran telekomunikasi bernilai USD 1.2 bilion pada 2021 dan dijangka mencecah USD 38.8 bilion menjelang 2031, berkembang pada CAGR 41.4% dari 2022 hingga 2031”. Syarikat telekomunikasi (telko) beralih kepada AI sebagai pemboleh utama untuk inovasi, kecekapan operasi dan pengalaman pelanggan yang dipertingkatkan.

Ericsson percaya [1], AI akan membawa nilai yang tidak pernah berlaku sebelum ini kepada industri termasuk telekomunikasi. Bagi pengendali rangkaian, AI akan membawa peluang untuk mengoptimumkan operasi rangkaian, meningkatkan pengalaman pelanggan, mengurangkan kos, menyumbang kepada pembangunan mampan, mencipta aliran hasil baharu, dsb.

Gartner [2] menjalankan tinjauan dan mengklasifikasikan 29 teknologi berkaitan AI kepada 5 kumpulan: Teknologi teras AI, teknologi berasaskan GenAI; Teknologi AI berpusatkan data; Teknologi AI Trust. Trend penggunaan teknologi berasaskan GenAI diramalkan meningkat dengan mendadak dalam tempoh 1-3 tahun akan datang.

Syarikat telekomunikasi melihat GenAI sebagai titik perubahan, pemacu yang berkuasa untuk membantu memacu pertumbuhan hasil, menjimatkan kos dan secara asasnya mengubah landskap pengalaman pengguna. Ramai pengendali melihat GenAI sebagai fokus utama dalam strategi AI mereka.

Mengukur impak ekonomi AI/GenAI

Mengukur impak ekonomi AI ke atas industri telekomunikasi bukanlah satu tugas yang mudah kerana potensi kes penggunaan adalah luas dan pelbagai dan anggaran nilai pasaran berbeza secara meluas daripada sumber yang berbeza. Walau bagaimanapun, ramai pengendali bersetuju bahawa manfaat AI kepada perniagaan Telco adalah penting. Contohnya [4]:

- Buruh dan pemberhentian kerja disebabkan oleh AI dan automasi. BT (UK) menganggarkan bahawa ia boleh mengurangkan 10,000 pekerjaan menjelang 2030 dengan memanfaatkan pendigitalan dan automasi.

- Jana pendapatan baharu dengan melancarkan produk yang didayakan AI. SK Telecom (Korea Selatan) percaya ia boleh menjana pendapatan berkaitan AI sehingga 25,000 bilion KRW (kira-kira 18.5 bilion USD) menjelang 2028.

- Membantu menjimatkan kos atau meningkatkan hasil. McKinsey menganggarkan bahawa GenAI boleh mencipta sehingga $100 bilion nilai tambah untuk sektor telekomunikasi.

Operator mengukur faedah setiap kes penggunaan AI berdasarkan dua aspek: Kewangan (penjimatan masa yang boleh diukur, penjimatan kos, peningkatan hasil) dan bukan kewangan (kepuasan pekerja, kepuasan pelanggan, penjimatan masa yang kecil dan sukar diukur, kemampanan)

Di manakah AI digunakan dalam syarikat telekomunikasi dan cara melaksanakan AI

Pembawa menganggap AI sebagai keutamaan strategik untuk digunakan pada tugas dan jabatan yang berkaitan dengan analisis data. Walau bagaimanapun, letupan GenAI baru-baru ini telah menimbulkan beberapa perspektif mengenai aplikasi AI dalam Telco khususnya seperti berikut:

- Kawasan aplikasi AI dalam syarikat telekomunikasi:

- AI ialah alat yang inovatif, jadi AI perlu tersedia untuk setiap pasukan petugas dalam syarikat.

+ Segala usaha mesti dilakukan untuk menjadikan AI mudah digunakan, walaupun untuk kumpulan yang mempunyai keupayaan teknologi rendah.

+ Unit khusus AI perlu dapat mengetahui amalan pelaksanaan kes penggunaan AI yang berjaya dan membina model serta kaedah yang sesuai untuk menggunakan semula kes penggunaan ini di seluruh organisasi.

+ Mendemokrasikan akses kepada AI perlu disertakan dengan melaksanakan pendekatan FinOps baharu untuk AI untuk menguruskan risiko kos penggunaan AI

+ Program tadbir urus AI perlu dibangunkan dan dilaksanakan untuk mengurangkan risiko kos tidak terkawal dan menggalakkan penggunaan dan eksperimen AI.

- Penggunaan AI dalam Telco

Bina kedudukan AI CXO dengan kepakaran dan kuasa untuk memacu pembangunan dan aplikasi produk dan perkhidmatan AI (cth. Steve Jarrett dilantik sebagai Ketua Pegawai AI (CAIO) Inovasi Jingga, 12/2023; Deepika Adusumilli, 10/2023 di BT; Chung Suk-guen di SK Telecom).

Menubuhkan anak syarikat untuk membangunkan AI , contohnya Proximus Ada ialah anak syarikat operator rangkaian Proximus (Belgium) yang secara khusus menumpukan pada pembangunan keselamatan siber dan keupayaan AI untuk memenuhi keperluan dalaman Proximus dan menyediakan perkhidmatan kepada pelanggan B2B.

Asingkan AI dalaman dan fungsi AI yang dihadapi pelanggan. Daripada membina organisasi AI berpusat, Telefónica memutuskan untuk membahagikannya kepada dua bahagian: Customer Insights and Innovation; Rangkaian, Sistem IT dan Transformasi Digital Dalaman (CDS) ke arah AI.

Pembahagian tanggungjawab ini amat menarik kerana tumpuan GenAI lebih kepada pelanggan berbanding fungsi rangkaian, manakala AI ramalan semakin menjadi teknologi yang digunakan untuk tujuan automasi rangkaian.

AI sebagai fungsi perniagaan baharu. Sebagai contoh, China Mobile dan SK Telecom melabur banyak dalam AI untuk menyampaikan produk dan perkhidmatan baharu. Fokus kedua-dua pembawa adalah untuk membina Model Bahasa Besar (LLM) mereka sendiri dengan penyelesaian dan ciri terbaik, dan menjual akses kepada perusahaan (DN) dan pembawa lain.

Penubuhan Pusat Kecemerlangan AI (CoE).

Dalam tinjauan TMFrum (2023) [4], 53% pembawa mengatakan mereka telah menubuhkan AI CoE. Tetapi saiz tepat, skop dan peranan AI CoE berbeza dengan ketara. Contohnya, Vodafone Ziggo (Belanda) mempunyai AI CoE yang menghimpunkan pakar sains data syarikat.

Telefónica mempunyai AI CoE global, diketuai oleh bahagian Rangkaian dan IT, yang mengkhusus dalam data dan seni bina AI untuk memenuhi matlamat peralihan kepada model data biasa dan menyelidik teknologi dan penyelesaian AI.

e& (Timur Tengah) mempunyai CoE di mana setiap jabatan/fungsi utama mempunyai wakil, tadbir urus AI berada di barisan hadapan dengan misi untuk memastikan kes penggunaan AI yang berjaya dikaji dan digunakan di seluruh jabatan yang berbeza.

AI sebagai fungsi platform. Sesetengah pembawa telah membina — atau sedang membina — platform AI yang direka untuk menjadikannya boleh diakses oleh bahagian organisasi yang berlainan.

Sebagai contoh, Vodafone mempunyai platform AI yang turut menyediakan alat layan diri dan bahan latihan untuk pasukan yang berbeza untuk membina kes penggunaan mereka sendiri. SK Telecom mempunyai Platform Perisikan yang memberikan seluruh organisasi akses kepada LLM yang SKT sedang bangunkan.

- Pengurusan AI

Keperluan Tadbir Urus AI. Banyak keperluan tadbir urus untuk AI adalah sebahagian daripada program tadbir urus data sedia ada. Walau bagaimanapun, perlindungan khusus AI tambahan diperlukan untuk memastikan alat dan sistem AI kekal selamat dan beretika. Terdapat dua jenis program tadbir urus AI:

- Program tadbir urus luar direka untuk melindungi individu dan organisasi di luar syarikat.

- Program tadbir urus dalaman direka bentuk untuk melindungi pekerja dan memastikan AI digunakan dengan jayanya dan mampan di seluruh perusahaan.

Program tadbir urus yang bertujuan untuk melindungi orang dan organisasi di luar syarikat cenderung untuk dikodifikasikan dan normatif. Sebagai contoh, Kesatuan Eropah (EU) meluluskan Akta AI pada Disember 2023, yang akan berkuat kuasa pada 2025, dan AS mengeluarkan Perintah Eksekutif mengenai AI pada Oktober 2023.

Peraturan kerajaan yang ketat boleh membantu Telco membangunkan teknologi dan keupayaan yang boleh diwangkan di luar negara, terutamanya di negara yang mempunyai peraturan kedaulatan data yang ketat.

Sebagai contoh, China Mobile percaya bahawa kaedah yang digunakan untuk memenuhi undang-undang AI boleh membantu membangunkan teknologi keselamatan yang boleh ditawarkan kepada pelanggannya. Swisscom sedang bereksperimen dengan membina infrastruktur AI sendiri dan membangunkan kepakaran dalaman yang boleh digunakan untuk mencipta nilai dan penyelesaian baharu dalam perniagaan perkhidmatan ITnya.

Kemunculan GenAI juga mendorong keperluan untuk menambah baik tadbir urus AI dalaman: Skala pemacu; Menguruskan kos; Melindungi organisasi daripada akibat menggunakan keputusan yang tidak tepat; Mengurangkan risiko hutang teknikal; Berjaga-jaga terhadap risiko data model latihan LLM yang "rasuah"; Melindungi organisasi daripada pelanggaran harta intelek (IP)/hak cipta.

Risiko menggunakan AI dalam perniagaan

Tinjauan TMforum 2023 tentang risiko apabila menggunakan GenAI dalam Telco termasuk:

3.1. Sumber manusia untuk AI

Apabila bercakap mengenai pengambilan bakat AI, kebanyakan syarikat telekomunikasi berada dalam keadaan yang kurang berfaedah berbanding syarikat teknologi, terutamanya apabila mengupah bakat yang lebih muda. Syarikat teknologi biasanya menawarkan gaji yang lebih baik, kemajuan kerjaya yang lebih pantas dan budaya korporat yang jauh lebih fleksibel.

Tinjauan TM Forum mengenai keperluan sumber manusia Telco mengikut kepakaran [4] menunjukkan pembelajaran AI/mesin, analisis data dan kemahiran automasi mendapat permintaan tinggi (64%, kurang daripada Keselamatan pada 69%).

Dari segi kesukaran kemahiran yang boleh diambil oleh Telco, 59% responden mengatakan bahawa profesional sains data/analisis data dan profesional AI/ML adalah yang paling sukar untuk diambil (kedua selepas keselamatan sebanyak 63%).

Pada MWC 2024, Korea Telecom (Korea) mengumumkan bahawa ia akan merekrut sehingga 1,000 pakar AI dan digital tahun ini dalam usaha untuk menjadi syarikat AICT - AI dan ICT. Pada masa yang sama, KT juga meningkatkan latihan dalaman dalam kemahiran AI untuk mengubah sepenuhnya DNA KT ke arah AI.

China Mobile menubuhkan Jiutian pada 2019 sebagai platform untuk menyokong cita-citanya untuk menjadi pembawa yang sangat automatik menjelang 2025. Platform AI boleh diakses oleh pembangun luar melalui API terbuka. Pada Oktober 2023, China Mobile membangunkan LLM sendiri sebagai sebahagian daripada Jiutian. Bermula dengan hanya 20 jurutera AI, China Mobile kini mempunyai 600 jurutera AI dan merancang untuk mencapai 1,000 orang menjelang akhir tahun 2024.

Vodafone bekerjasama dengan hyperscalers untuk platform AInya, tetapi masih memerlukan kemahiran AIOps serta analitik, automasi, awan dan platform. Vodafone sedang menarik bakat dengan mengupah sepenuh masa.

Ashish Yadav, Pengarah Kanan di Capgemini, berkata bahawa Telco semakin mencari bakat kanan Awan dan AI di peringkat arkitek melalui syarikat penyepaduan sistem sebagai satu bentuk Insourcing. Takrifan penyumberan boleh ditafsirkan dalam pelbagai cara, tetapi dalam konteks ini, Telco "melayan" bakat kanan syarikat rakan kongsi sebagai ahli pasukan kerja Telco.

Kebanyakan syarikat telekomunikasi juga meningkatkan latihan semula dan peningkatan kemahiran untuk mendapatkan bakat AI secara proaktif atas permintaan. Malah, pendekatan ini boleh menjadi lebih menjimatkan kos daripada mengupah bakat baharu, dan semakin digunakan untuk semua kemahiran lain yang sukar diambil bekerja.

Dalam tinjauan TMForum tentang perkara yang perlu dilakukan oleh pembawa untuk memanfaatkan AI dan pembelajaran mesin dengan berkesan, 60% responden berkata melatih pekerja sedia ada dalam pelbagai kemahiran AI akan memberi impak yang tinggi, manakala 39% berkata ia akan memberi impak yang ketara.

Menurut McKinsey & Company, GenAI memaksa pengendali untuk membangunkan kepakaran AI secara dalaman sambil juga memerlukan kemahiran baharu daripada pengguna, seperti kejuruteraan segera — keupayaan untuk bertanya soalan untuk mendapatkan respons terbaik daripada LLM. Operator juga perlu mengupah jurutera data dan pakar domain "yang memahami data yang hendak dikumpulkan dan cara mengumpulnya, serta memantau dan menilai kualiti jenis data baharu yang dijana dan digunakan oleh sistem GenAI . "

3.2. Kesediaan data untuk aplikasi AI

Seni bina dipacu data adalah kunci untuk mengekalkan ketepatan dan konsistensi merentas rangkaian. Menggunakan model data biasa memastikan data mengalir dengan lancar merentas semua sistem dan disampaikan dengan tepat dalam semua aliran kerja automatik.

AI memerlukan data, dan analisis data memerlukan AI. Ramai pengendali hari ini menghadapi cabaran besar dalam membangunkan strategi data yang koheren untuk mengeksploitasi sepenuhnya teknologi AI. Operator pada peringkat awal percubaan AI mungkin memandang rendah perkara yang diperlukan, terutamanya dari segi data, untuk berjaya menggunakan AI pada skala.

Banyak pembawa tidak mempunyai strategi padu yang membolehkan data mengalir secara mendatar merentasi organisasi di bawah satu model data.

Beberapa cabaran khusus dalam menyediakan data untuk AI:

Terdapat kekurangan data yang bersih, jelas, konsisten dan boleh diambil tindakan yang boleh digunakan pada bahagian perniagaan yang berbeza daripada rangkaian kepada penyampaian perkhidmatan dan pengalaman pelanggan. Ini penting untuk semua proses di sekitar pelaksanaan dipacu data, dipacu AI.

Kekurangan model data biasa (data sedang dikumpul daripada berbilang vendor) mengakibatkan pengagregatan data berstruktur dan tidak berstruktur yang memakan masa yang sangat lama.

Kekurangan konteks data, tidak mengetahui sepenuhnya bagaimana, bila, di mana dan untuk tujuan apa data dikumpul, merupakan halangan yang amat ketara yang mesti diatasi oleh Telco jika mereka mahu menggunakan GenAI atau mana-mana jenis model pembelajaran mesin yang lain.

Operator melihat nilai data dan telah meningkatkan pelaburan mereka dalam analisis data. Omdia menganggarkan bahawa pengendali global akan melabur $2.5 bilion dalam analisis data menjelang 2025.

Malah, masa dan pelaburan yang diperlukan untuk mengumpul, membersihkan, mengubah dan menyimpan data dalam format yang betul selalunya lebih tinggi secara tidak seimbang daripada masa yang diperlukan untuk menggunakan data tersebut. Proses mencipta tasik data dan gudang data telah berjalan selama bertahun-tahun, tetapi ia masih belum memberi pembawa keupayaan untuk menggunakan AI pada skala di seluruh organisasi mereka.

Kemunculan inovasi dan analitik berasaskan AI telah mendorong keperluan dan permintaan untuk penggunaan data yang lebih pelbagai dan fleksibel, contohnya:

- Pembelajaran AI/mesin memerlukan sejumlah besar data untuk melatih model

- Set data yang pelbagai dan pelbagai jenis data diperlukan untuk memastikan hasil AI yang tidak berat sebelah

- Tambahkan lapisan data untuk meningkatkan ketepatan model dan kesan aplikasi

- Model mesti dilatih secara berterusan dengan maklumat terkini untuk mengekalkan prestasi ramalan, terutamanya dalam persekitaran dinamik

- Data mesti tersedia dalam masa nyata untuk fungsi perniagaan kritikal, terutamanya dalam persekitaran yang sangat interaktif

- Kemunculan GenAI telah memberi operator peluang untuk memanfaatkan sejumlah besar data tidak berstruktur yang tersedia, tetapi data ini perlu ditanda dan dibersihkan sebelum dimasukkan ke dalam LLM.

Untuk membuat kemajuan yang ketara dalam AI dari perspektif data, pengendali perlu membuat perubahan asas dalam cara mereka mendekati data yang mengalir melalui sistem mereka, dan kadangkala perubahan dalam budaya korporat. Kuncinya ialah membina model data biasa dan mencipta satu sumber kebenaran.

Membina satu sumber kebenaran adalah tugas yang sangat kompleks yang setakat ini di luar kemampuan kebanyakan pengendali disebabkan oleh pemecahan data mereka. BT, Deutsche Telekom dan Telefónica telah mengambil langkah untuk menangani perkara ini dengan mengalihkan semua data mereka ke awan awam. Sebagai contoh, dalam tempoh dua tahun yang lalu, BT telah memindahkan lebih daripada 90% datanya ke Google Cloud Platform.

Seni Bina AI, Bina, Beli dan Skala

Terdapat banyak persamaan antara AI/GenAi dan pengkomputeran awan, terutamanya peralihan teknologi dan dominasi pemanggil hiper. Pembawa menghadapi masalah yang sama, soalan yang sama seperti AI dan Cloud: Apa yang perlu dibeli dan apa yang perlu dibina?

Pendekatan pembawa terhadap AI sebahagian besarnya dibentuk oleh prinsip teras seni bina terbuka dan kebolehkomposisian. Omair Ahmed Khan dari Deutsche Telekom berkata kebanyakan projek AI syarikat melibatkan gabungan membina dan membeli komponen yang berbeza, "Deutsche Telekom mempunyai strategi hibrid untuk membina dan membeli, dan bahagian pembelian tidak pernah melibatkan pembelian penyelesaian siap guna yang lengkap."

Pengendali percaya masih terlalu awal untuk menganggap AI sebagai sebahagian daripada seni bina perusahaan mereka atau sebagai sebahagian daripada seni bina rujukan mereka. Sesetengah pengendali yang mempunyai visi dan strategi yang jelas untuk menyepadukan AI ke dalam seni bina perusahaan masa depan mereka juga mengiktiraf cabaran pelaksanaan yang berkaitan khusus dengan orang, alatan dan keupayaan yang diperlukan untuk menyampaikan hasil yang berkesan dan pulangan pelaburan yang jelas.

Pengindustrian perisian boleh dilihat sebagai amalan yang baik untuk perindustrian AI dengan mengalihkan data ke awan awam dan menjadikan data boleh diakses dalam masa nyata. CIO pembawa Asia Tenggara menyifatkan proses yang diambil oleh syarikat untuk mengindustrikan AI sebagai "kilang data." "Ini telah mengurangkan masa dan kos pengeluaran AI dengan ketara," katanya.

"Dua tahun lalu, kos pengeluaran AI adalah sangat tinggi. Ia mengambil masa enam hingga lapan bulan untuk mencipta model AI. Kini ia hanya mengambil masa beberapa hari. Anda boleh menjalankan keseluruhan kitaran dengan lebih pantas dan dengan lebih sedikit orang."

Berlatih dalam beberapa pembawa:

China Mobile: telah membeli perkakasan dan membina pusat datanya sendiri termasuk unit pemprosesan grafik (GPU) dan pemecut sebagai sebahagian daripada projek Jiutian LLM.

Jio: Reliance Industries, syarikat induk syarikat telekomunikasi India Jio, telah bekerjasama dengan Nvidia untuk membina infrastruktur pengkomputeran super untuk AI. Reliance menyasarkan untuk menyediakan infrastruktur AI kepada saintis, pembangun dan syarikat pemula di seluruh India serta mencipta aplikasi dan perkhidmatan AI untuk 450 juta pelanggan Jio.

Memutuskan tempat untuk menggunakan AI dalam awan awam atau awan persendirian juga merupakan perkara bagi syarikat telekomunikasi dan sebahagian besarnya bergantung pada skala penggunaan. Menggunakan AI dalam awan awam mempunyai kelebihan sumber pengkomputeran yang banyak, kuasa dan perkakasan khusus yang diperlukan untuk memproses algoritma yang kompleks dan sejumlah besar data, namun kos boleh menjadi isu jika pengendali hanya menggunakan awan awam untuk memproses volum data yang besar.

Keputusan untuk menggunakan awan Persendirian untuk GenAI dianggap oleh banyak pengendali sebagai tidak boleh dilaksanakan melainkan pengendali membina LLM sendiri - seperti kes China Mobile, Softbank dan SK Telecom di Asia dan Deutsche Telekom di Eropah. Operator cenderung untuk mengutamakan Public cloud untuk menguji dan membina MVP untuk kes penggunaan AI.

Apabila pembawa meningkatkan penggunaan AI mereka, ia pasti akan membawa kepada hubungan yang lebih mendalam.

- Softbank: telah bekerjasama dengan Nvidia untuk membina pusat data (TTDL) yang direka untuk mengehoskan GenAI dan aplikasi tanpa wayar. TTDL baharu akan mengendalikan kedua-dua beban kerja AI dan 5G.

- SK Telecom: sedang mengejar permintaan untuk pusat data berasaskan AI sebagai sebahagian daripada cita-cita AI yang lebih luas SKT. CFO Yang-Seob Kim berkata SKT merancang untuk "mempertingkatkan lagi perniagaan pusat datanya, memfokuskan pada pusat data AI generasi akan datang dan pengembangan global."

- NTT melabur 1.5 trilion yen (kira-kira $12 bilion) dalam tempoh lima tahun akan datang untuk mengembangkan dan menaik taraf perniagaan pusat datanya di peringkat global bagi memenuhi permintaan yang semakin meningkat untuk data yang berkaitan dengan penggunaan GenAI, bersama-sama dengan teknologi lain.

Keputusan untuk menggunakan awan peribadi untuk GenAI dianggap oleh banyak pengendali sebagai tidak boleh dilaksanakan melainkan pengendali membina LLM sendiri - seperti kes China Mobile, Softbank dan SK Telecom di Asia dan Deutsche Telekom di Eropah. Operator cenderung untuk mengutamakan awan awam untuk menguji dan membina MVP untuk kes penggunaan AI.

Apabila pembawa meningkatkan penggunaan AI mereka, ia pasti akan membawa kepada hubungan yang lebih mendalam dengan syarikat-syarikat besar - Perkhidmatan Web Amazon, Microsoft Azure dan Google Cloud.

Rujukan:
1. Potensi perniagaan AI: Memahami nilai AI untuk
operasi telekom. https://www.ericsson.com/4ac6ca/
assets/local/reports-papers/further-insights/doc/ai-
potensi perniagaan.pdf
[2]. Radar Kesan Teknologi Baru Muncul: Kepintaran Buatan, Gartner,19 Januari 2024 ID G00796195
[3]. AI Generatif: pengendali mengambil langkah pertama mereka, TMforum 2023
[4]. Membina syarikat telekomunikasi Strategi AI meletakkan asasnya,
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
pasaran-telekomunikasi-A09352
[7]. Gen Ai dalam Telekom, Penemuan utama daripada syarikat telekomunikasi GenAI Omdia
tinjauan pembekal perkhidmatan Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
Telekom/
[9]. Ke manakah hala tuju AI? Nokia https://www.nokia.com/thought-
kepimpinan/artikel/ai/di mana-ai-mengtuju/
[10]. Ericsson Telco AI, Dokumen dalaman