Welke AI-strategie voor telecomnetwerkoperatoren?

Vervoerders beschikken over een enorme hoeveelheid onderbenutte data. AI zal deze data omzetten in vruchtbare grond voor de ontwikkeling van nieuwe diensten, het verbeteren van de kwaliteit van bestaande diensten, het verbeteren van de klantervaring en het stroomlijnen van de bedrijfsvoering.

Nguyen Van Yen, lid van de Raad van Bestuur van de VNPT

Samenvatting:
- Data en AI in de telecommunicatie: Providers beschikken over een grote hoeveelheid data die niet optimaal wordt benut. AI kan helpen om data om te zetten in tools om diensten te verbeteren en de bedrijfsvoering te optimaliseren.
- Trends in AI-toepassingen: De ontwikkeling van 5G en IoT heeft ervoor gezorgd dat providers zich sinds 2016 meer op AI zijn gaan richten. GenAI is onlangs naar voren gekomen als een strategisch hulpmiddel, vooral na de lancering van OpenAI's ChatGPT.
- Economische voordelen van AI: AI zal naar verwachting enorme waarde creëren voor providers, waaronder kostenverlagingen en het creëren van nieuwe inkomstenstromen. McKinsey schat dat GenAI $ 100 miljard kan opleveren voor de telecommunicatiesector.
- AI-toepassingen in de organisatie: AI moet op alle niveaus van de organisatie worden toegepast, van data-analyse tot administratieve functies. Veel providers hebben speciale AI-units opgericht en AI-expertisecentra opgezet.
- Risico's bij AI-toepassing: Uitdagingen bij het werven van AI-personeel, databeheer en het waarborgen van de veiligheid bij de implementatie van AI zijn vraagstukken waar netwerkbeheerders mee te maken krijgen. AI-governance is een belangrijke factor om een ​​succesvolle en duurzame implementatie te garanderen.
- Data voorbereiden voor AI: Om AI effectief toe te passen, moeten operators schone, consistente data voorbereiden en zorgen voor een gemeenschappelijk datamodel. Dataverzameling en -verwerking is een grote uitdaging en vereist grote investeringen in data-analyse en -beheer.

De stand van zaken op het gebied van AI-toepassingen voor telecombedrijven

De opkomst van 5G, IoT en de groeiende hoeveelheid big data zijn factoren die telecomproviders ertoe aanzetten hun aandacht te richten op AI. Sommige grote, ambitieuze operators begonnen in 2016 en 2017 met de implementatie van AI en tussen 2019 en 2020 heeft de telecomsector een sterke adoptie van AI bij operators wereldwijd geregistreerd. In de afgelopen 12 tot 15 maanden (sinds de lancering van OpenAI met Chat GPT) is de bekendheid met GenAI gegroeid van een AI-gebaseerde tool voor contentcreatie tot een strategisch platform en is het snel het centrale thema geworden voor vrijwel elke telecomprovider wereldwijd.

Uit het marktonderzoeksrapport [6] van Allied over AI in de telecommunicatiemarkt in 2022 blijkt: "De wereldwijde omvang van de AI-markt in de telecommunicatie wordt in 2021 geschat op 1,2 miljard dollar en zal naar verwachting in 2031 38,8 miljard dollar bedragen, met een samengesteld jaarlijks groeipercentage (CAGR) van 41,4% van 2022 tot 2031." Telecommunicatiebedrijven (telco's) wenden zich tot AI als een belangrijke katalysator voor innovatie, operationele efficiëntie en een verbeterde klantervaring.

Ericsson is van mening [1] dat AI ongekende waarde zal opleveren voor sectoren zoals de telecommunicatie. Voor netwerkoperatoren biedt AI kansen om de netwerkactiviteiten te optimaliseren, de klantervaring te verbeteren, kosten te verlagen, bij te dragen aan duurzame ontwikkeling, nieuwe inkomstenstromen te creëren, enz.

Gartner [2] voerde een onderzoek uit en classificeerde 29 AI-gerelateerde technologieën in vijf groepen: AI-kerntechnologie, GenAI-gebaseerde technologie; datacentrische AI-technologie; AI Trust-technologie. De trend van de implementatie van GenAI-gebaseerde technologieën zal naar verwachting de komende 1-3 jaar sterk toenemen.

Telecombedrijven zien GenAI als een keerpunt, een krachtige drijfveer om omzetgroei te stimuleren, kosten te besparen en de gebruikerservaring fundamenteel te veranderen. Veel operators zien GenAI als een belangrijk aandachtspunt in hun AI-strategie.

Het meten van de economische impact van AI/GenAI

Het meten van de economische impact van AI op de telecommunicatiesector is geen eenvoudige opgave, aangezien de potentiële toepassingsmogelijkheden breed en divers zijn en de marktwaardeschattingen vanuit verschillende bronnen sterk uiteenlopen. Veel operators zijn het er echter over eens dat de voordelen van AI voor de telecomsector aanzienlijk zijn. Bijvoorbeeld [4]:

- Arbeids- en banenverlies door AI en automatisering. BT (VK) schat dat het tegen 2030 10.000 banen zou kunnen schrappen door digitalisering en automatisering in te zetten.

- Genereer nieuwe inkomsten door AI-producten te lanceren. SK Telecom (Zuid-Korea) verwacht tegen 2028 tot wel 25.000 miljard KRW (ongeveer 18,5 miljard USD) aan AI-gerelateerde inkomsten te genereren.

- Help kosten besparen of de omzet verhogen. McKinsey schat dat GenAI tot $ 100 miljard aan toegevoegde waarde kan creëren voor de telecommunicatiesector.

Operators meten de voordelen van elk AI-gebruiksscenario op basis van twee aspecten: financieel (kwantificeerbare tijdsbesparing, kostenbesparing, hogere omzet) en niet-financieel (medewerkerstevredenheid, klanttevredenheid, kleine en moeilijk te kwantificeren tijdsbesparing, duurzaamheid).

Waar wordt AI toegepast in de telecomsector en hoe implementeer je AI?

Providers beschouwen AI als een strategische prioriteit voor taken en afdelingen die verband houden met data-analyse. De recente explosie van GenAI heeft echter enkele perspectieven geopend op de toepassing van AI, met name in de telecomsector, zoals:

- Toepassingsgebieden van AI in de telecomsector:

- AI is een innovatief hulpmiddel en moet daarom voor alle taskforces in het bedrijf beschikbaar zijn.

+ Er moet alles aan gedaan worden om AI gebruiksvriendelijk te maken, ook voor groepen met beperkte technologische mogelijkheden.

+ AI-afdelingen moeten kennis hebben van de implementatiepraktijken van succesvolle AI-usecases en geschikte modellen en methoden ontwikkelen om deze usecases opnieuw toe te passen in de hele organisatie.

+ Het democratiseren van de toegang tot AI moet gepaard gaan met de implementatie van nieuwe FinOps-benaderingen voor AI om de kostenrisico's van de AI-adoptie te beheersen

+ Er moet een AI-governanceprogramma worden ontwikkeld en geïmplementeerd om het risico op ongecontroleerde kosten te beperken en het gebruik en experimenteren met AI te stimuleren.

- AI-implementatie in de telecomsector

Creëer een CXO AI-positie met expertise en autoriteit om de ontwikkeling en toepassing van AI-producten en -diensten te stimuleren (bijv. Steve Jarrett benoemd tot Chief AI Officers (CAIO's) Orange Innovation, 12/2023; Deepika Adusumilli, 10/2023 bij BT; Chung Sukguen bij SK Telecom).

Oprichting van een dochteronderneming voor de ontwikkeling van AI , bijvoorbeeld Proximus Ada is een dochteronderneming van netwerkoperator Proximus (België) die zich specifiek richt op de ontwikkeling van cybersecurity- en AI-capaciteiten om te voldoen aan de interne vereisten van Proximus en om diensten te leveren aan B2B-klanten.

Scheid interne AI- en klantgerichte AI-functies. In plaats van een gecentraliseerde AI-organisatie op te zetten, besloot Telefónica deze op te splitsen in twee divisies: Klantinzichten en Innovatie; Netwerken, IT-systemen en Interne Digitale Transformatie (CDS) richting AI.

Deze verdeling van verantwoordelijkheden is vooral interessant omdat GenAI zich meer richt op klantgerichtheid dan op netwerkfuncties, terwijl voorspellende AI steeds vaker de technologie is die wordt gebruikt voor netwerkautomatisering.

AI als nieuwe bedrijfsfunctie. China Mobile en SK Telecom investeren bijvoorbeeld fors in AI om nieuwe producten en diensten te leveren. Beide providers richten zich op het bouwen van hun eigen Large Language Model (LLM) met de beste oplossingen en functies, en het verkopen van toegang aan bedrijven (DN's) en andere providers.

Oprichting van het AI Center of Excellence (CoE).

In een onderzoek van TMFrum (2023) [4] gaf 53% van de providers aan een AI CoE te hebben opgericht. De exacte omvang, reikwijdte en rol van een AI CoE varieert echter aanzienlijk. Zo heeft Vodafone Ziggo (Nederland) een AI CoE waarin de data science-experts van het bedrijf samenkomen.

Telefónica beschikt over een wereldwijd AI CoE, onder leiding van de divisie Netwerken en IT. Deze afdeling is gespecialiseerd in data- en AI-architectuur om de overgang naar een gemeenschappelijk datamodel te realiseren en onderzoek te doen naar AI-technologieën en -oplossingen.

e& (Middle East) heeft een CoE waarin elke belangrijke afdeling/functie een vertegenwoordiger heeft. AI-bestuur staat voorop en heeft als missie ervoor te zorgen dat succesvolle AI-use cases worden onderzocht en toegepast in verschillende afdelingen.

AI als platformfunctie. Sommige providers hebben AI-platforms gebouwd – of zijn ermee bezig – die AI-platforms zo te ontwerpen dat ze toegankelijk zijn voor verschillende onderdelen van de organisatie.

Vodafone heeft bijvoorbeeld een AI-platform dat ook selfservicetools en trainingsmateriaal biedt waarmee verschillende teams hun eigen use cases kunnen bouwen. SK Telecom heeft een Intelligence Platform dat de hele organisatie toegang geeft tot de LLM die SKT ontwikkelt.

- AI-beheer

Vereisten voor AI-governance. Veel governancevereisten voor AI maken deel uit van bestaande datagovernanceprogramma's. Er zijn echter aanvullende AI-specifieke waarborgen nodig om ervoor te zorgen dat AI-tools en -systemen veilig en ethisch blijven. Er zijn twee soorten AI-governanceprogramma's:

- Het externe governanceprogramma is bedoeld om personen en organisaties buiten het bedrijf te beschermen.

- Interne governanceprogramma's zijn ontworpen om werknemers te beschermen en ervoor te zorgen dat AI succesvol en duurzaam binnen de onderneming wordt geïmplementeerd.

Governanceprogramma's die gericht zijn op de bescherming van mensen en organisaties buiten het bedrijf, zijn doorgaans gecodificeerd en normatief. Zo heeft de Europese Unie (EU) in december 2023 de AI-wet aangenomen, die in 2025 van kracht wordt, en hebben de VS in oktober 2023 een uitvoeringsbesluit over AI uitgevaardigd.

Strikte overheidsregels kunnen telecombedrijven helpen technologieën en mogelijkheden te ontwikkelen die in het buitenland kunnen worden verzilverd, vooral in landen met strikte regels voor datasoevereiniteit.

China Mobile is bijvoorbeeld van mening dat de methoden die het gebruikt om te voldoen aan AI-wetgeving, kunnen bijdragen aan de ontwikkeling van beveiligingstechnologieën die het zijn klanten kan aanbieden. Swisscom experimenteert met het bouwen van een eigen AI-infrastructuur en het ontwikkelen van interne expertise die het kan gebruiken om waarde en nieuwe oplossingen te creëren binnen zijn IT-servicesactiviteiten.

De opkomst van GenAI vergroot ook de behoefte aan verbetering van het interne AI-bestuur: schaalvergroting; kostenbeheersing; bescherming van de organisatie tegen de gevolgen van het gebruik van onnauwkeurige resultaten; vermindering van het risico op technische schulden; bescherming tegen het risico van 'corrupte' LLM-trainingsmodelgegevens; bescherming van de organisatie tegen inbreuken op intellectueel eigendom (IE)/auteursrechten.

Risico's van het toepassen van AI in het bedrijfsleven

Het TMforum 2023-onderzoek naar de risico's bij de toepassing van GenAI in de telecomsector omvat:

3.1. Human resources voor AI

Als het gaat om het aannemen van AI-talent, hebben de meeste telecombedrijven een achterstand ten opzichte van techbedrijven, vooral bij het aannemen van jonger talent. Techbedrijven bieden doorgaans betere salarissen, snellere carrièremogelijkheden en een aanzienlijk flexibelere bedrijfscultuur.

Uit het onderzoek van TM Forum naar de behoeften aan personeel in de telecomsector per specialisme [4] blijkt dat er een grote vraag is naar vaardigheden op het gebied van AI/machine learning, data-analyse en automatisering (64%, minder dan op het gebied van beveiliging met 69%).

Wat betreft de moeilijkheidsgraad van de vaardigheden die telecombedrijven kunnen rekruteren, gaf 59% van de respondenten aan dat professionals op het gebied van data science/data-analyse en AI/ML het moeilijkst te rekruteren zijn (alleen security staat op de tweede plaats met 63%).

Tijdens MWC 2024 kondigde Korea Telecom (Korea) aan dat het dit jaar tot 1.000 AI- en digitale experts zal werven om een ​​AICT (AI- en ICT-bedrijf) te worden. Tegelijkertijd breidde KT ook de interne training in AI-vaardigheden uit om KT's DNA volledig te veranderen richting AI.

China Mobile richtte Jiutian in 2019 op als platform ter ondersteuning van de ambitie om tegen 2025 een sterk geautomatiseerde provider te worden. Het AI-platform is toegankelijk voor externe ontwikkelaars via open API's. In oktober 2023 ontwikkelde China Mobile een eigen LLM binnen Jiutian. China Mobile begon met slechts 20 AI-engineers, maar heeft er nu 600 en verwacht er tegen eind 2024 1000 te hebben.

Vodafone werkt samen met hyperscalers voor zijn AI-platform, maar heeft nog steeds AIOps-vaardigheden nodig, evenals analytics, automatisering, cloud en platformen. Vodafone trekt talent aan door fulltime medewerkers aan te nemen.

Ashish Yadav, Senior Director bij Capgemini, gaf aan dat telecombedrijven steeds vaker op zoek zijn naar senior cloud- en AI-talent op architectenniveau via systeemintegratiebedrijven, als een vorm van insourcing. De definitie van insourcing kan op veel verschillende manieren worden geïnterpreteerd, maar in deze context "behandelen" telecombedrijven het senior talent van het partnerbedrijf als lid van het team van het telecombedrijf.

De meeste telecombedrijven zijn ook bezig met het opvoeren van omscholing en bijscholing om proactief AI-talent op afroep te werven. Deze aanpak kan zelfs kosteneffectiever zijn dan het aannemen van nieuw talent, en wordt steeds vaker toegepast op alle andere moeilijk te vinden vaardigheden.

In een enquête van TMForum over wat vervoerders moeten doen om AI en machine learning effectief in te zetten, gaf 60% van de respondenten aan dat het trainen van bestaande werknemers in meerdere AI-vaardigheden een grote impact zou hebben, terwijl 39% zei dat het een aanzienlijke impact zou hebben.

Volgens McKinsey & Company dwingt GenAI operators om intern AI-expertise te ontwikkelen, terwijl het tegelijkertijd nieuwe vaardigheden van gebruikers vereist, zoals prompte engineering – het vermogen om vragen te stellen om de beste respons van LLM te krijgen. Operators moeten ook data engineers en domeinexperts inhuren "die begrijpen welke data ze moeten verzamelen en hoe ze die moeten verzamelen, en die de kwaliteit van nieuwe soorten data die door GenAI-systemen worden gegenereerd en gebruikt, monitoren en evalueren . "

3.2. Data-gereedheid voor AI-toepassingen

Een datagestuurde architectuur is essentieel voor het behoud van nauwkeurigheid en consistentie binnen het netwerk. Het gebruik van een gemeenschappelijk datamodel zorgt ervoor dat de gegevens soepel door alle systemen stromen en nauwkeurig worden weergegeven in alle geautomatiseerde workflows.

AI heeft data nodig, en data-analyse heeft AI nodig. Veel operators staan ​​tegenwoordig voor aanzienlijke uitdagingen bij het ontwikkelen van coherente datastrategieën om AI-technologie volledig te benutten. Operators die zich nog in de beginfase van AI-experimenten bevinden, onderschatten mogelijk wat er nodig is, met name op het gebied van data, om AI succesvol op grote schaal in te zetten.

Veel providers beschikken niet over een samenhangende strategie waarmee gegevens horizontaal door de organisatie kunnen stromen volgens één enkel datamodel.

Enkele specifieke uitdagingen bij het gereedmaken van data voor AI:

Er is een gebrek aan schone, heldere, consistente en bruikbare data die kan worden toegepast op verschillende onderdelen van het bedrijf, van netwerk tot dienstverlening en klantervaring. Dit is cruciaal voor alle processen rondom datagestuurde en AI-gestuurde uitvoering.

Het ontbreken van een gemeenschappelijk datamodel (gegevens worden momenteel van meerdere leveranciers verzameld) resulteert in een extreem tijdrovende aggregatie van gestructureerde en ongestructureerde gegevens.

Het ontbreken van datacontext, het niet volledig weten hoe, wanneer, waar en voor welke doeleinden de data wordt verzameld, is een bijzonder groot obstakel dat telecombedrijven moeten overwinnen als ze GenAI of een ander type machine learning-model willen implementeren.

Operators zien de waarde van data in en verhogen hun investeringen in data-analyse. Omdia schat dat wereldwijde operators tegen 2025 $ 2,5 miljard zullen investeren in data-analyse.

Sterker nog, de tijd en investering die nodig zijn om data te verzamelen, op te schonen, te transformeren en op te slaan in het juiste formaat, zijn vaak onevenredig veel hoger dan de tijd die nodig is om die data te gebruiken. Het proces van het creëren van data lakes en datawarehouses is al jaren aan de gang, maar het biedt providers nog niet de mogelijkheid om AI op grote schaal in hun hele organisatie in te zetten.

De opkomst van op AI gebaseerde innovaties en analyses heeft de behoefte en vraag naar meer divers en flexibel datagebruik vergroot, bijvoorbeeld:

- AI/machine learning vereist enorme hoeveelheden data om modellen te trainen

- Er zijn diverse datasets en meerdere datatypen nodig om objectieve AI-resultaten te garanderen

- Voeg gegevenslagen toe om de modelnauwkeurigheid en de impact op de toepassing te verbeteren

- Modellen moeten continu worden getraind met de nieuwste informatie om voorspellende prestaties te behouden, vooral in dynamische omgevingen

- Gegevens moeten realtime beschikbaar zijn voor kritieke bedrijfsfuncties, vooral in zeer interactieve omgevingen

- Dankzij de komst van GenAI hebben operators de mogelijkheid om de grote hoeveelheid ongestructureerde data die beschikbaar is te benutten. Deze data moet echter wel worden getagd en opgeschoond voordat ze in LLM worden ingevoerd.

Om vanuit dataperspectief significante vooruitgang te boeken in AI, moeten operators een fundamentele verandering doorvoeren in de manier waarop ze omgaan met de data die door hun systemen stroomt, en soms ook een verandering in de bedrijfscultuur. De sleutel is het ontwikkelen van een gemeenschappelijk datamodel en het creëren van één bron van waarheid.

Het creëren van één bron van waarheid is een enorm complexe taak die de meeste operators tot nu toe te boven is gegaan vanwege de fragmentatie van hun data. BT, Deutsche Telekom en Telefónica hebben stappen ondernomen om dit aan te pakken door al hun data naar de publieke cloud te verplaatsen. Zo heeft BT de afgelopen twee jaar meer dan 90% van zijn data naar het Google Cloud Platform verplaatst.

AI-architectuur, bouwen, kopen en schalen

Er zijn veel overeenkomsten tussen AI/GenAi en cloud computing, met name de technologische verschuiving en de dominantie van hypercallers. Providers staan ​​voor hetzelfde probleem, dezelfde vraag als AI en cloud: wat moeten we kopen en wat moeten we bouwen?

De benadering van AI door providers wordt grotendeels bepaald door de kernprincipes van open architectuur en composability. Omair Ahmed Khan van Deutsche Telekom zegt dat de meeste AI-projecten van het bedrijf een combinatie van het bouwen en kopen van verschillende componenten omvatten: "Deutsche Telekom hanteert een hybride strategie van bouwen en kopen, en het kopen heeft nooit geleid tot de aanschaf van een complete kant-en-klare oplossing."

Operators vinden het te vroeg om AI te beschouwen als onderdeel van hun bedrijfsarchitectuur of als onderdeel van hun referentiearchitectuur. Sommige operators met een duidelijke visie en strategie voor de integratie van AI in hun toekomstige bedrijfsarchitectuur erkennen ook implementatie-uitdagingen, specifiek met betrekking tot de mensen, tools en capaciteiten die nodig zijn om effectieve resultaten en een duidelijk rendement op investering te leveren.

Software-industrialisatie kan worden gezien als een goede aanpak voor AI-industrialisatie door data naar publieke clouds te verplaatsen en data realtime toegankelijk te maken. Een CIO van een Zuidoost-Aziatische provider beschreef het proces dat het bedrijf volgde om AI te industrialiseren als een "datafabriek". "Dit heeft de tijd en kosten van AI-productie aanzienlijk verkort", zei hij.

Twee jaar geleden waren de kosten voor AI-productie erg hoog. Het duurde zes tot acht maanden om een ​​AI-model te maken. Nu duurt het slechts een paar dagen. Je kunt de hele cyclus veel sneller en met minder mensen uitvoeren.

Oefening in sommige dragers:

China Mobile: heeft hardware aangeschaft en een eigen datacenter gebouwd, inclusief grafische verwerkingseenheden (GPU's) en versnellers, als onderdeel van het Jiutian LLM-project.

Jio: Reliance Industries, het moederbedrijf van het Indiase telecombedrijf Jio, is een samenwerking aangegaan met Nvidia om supercomputerinfrastructuur voor AI te bouwen. Reliance wil AI-infrastructuur leveren aan wetenschappers, ontwikkelaars en startups in heel India en AI-applicaties en -diensten ontwikkelen voor de 450 miljoen klanten van Jio.

De keuze waar AI wordt ingezet, in een publieke of private cloud, is ook een zaak voor telecombedrijven en hangt grotendeels af van de schaal van de implementatie. De implementatie van AI in een publieke cloud biedt het voordeel van overvloedige rekenkracht, stroom en gespecialiseerde hardware die nodig zijn om complexe algoritmen en grote hoeveelheden data te verwerken. De kosten kunnen echter een probleem vormen als de operator de publieke cloud alleen gebruikt om grote hoeveelheden data te verwerken.

Veel operators beschouwen de beslissing om een ​​private cloud te gebruiken voor GenAI als onhaalbaar, tenzij de operator een eigen LLM ontwikkelt - zoals China Mobile, Softbank en SK Telecom in Azië en Deutsche Telekom in Europa. Operators geven vaak prioriteit aan de publieke cloud voor het testen en ontwikkelen van MVP's voor AI-use cases.

Naarmate vervoerders meer gebruikmaken van AI, leidt dit onvermijdelijk tot hechtere relaties.

- Softbank: werkt samen met Nvidia om datacenters (TTDL's) te bouwen die ontworpen zijn voor het hosten van GenAI- en draadloze applicaties. De nieuwe TTDL's zullen zowel AI- als 5G-workloads verwerken.

- SK Telecom: speelt in op de vraag naar AI-gebaseerde datacenters als onderdeel van SKT's bredere AI-ambities. CFO Yang-Seob Kim zei dat SKT van plan is "zijn datacenteractiviteiten verder uit te breiden, met de focus op AI-datacenters van de volgende generatie en wereldwijde expansie."

- NTT investeert de komende vijf jaar 1,5 biljoen yen (ongeveer 12 miljard dollar) om haar datacenteractiviteiten wereldwijd uit te breiden en te moderniseren. Daarmee wil ze voldoen aan de groeiende vraag naar gegevens met betrekking tot het gebruik van GenAI en andere technologieën.

De keuze waar AI wordt ingezet, in een publieke of private cloud, is ook een zaak voor telecombedrijven en hangt grotendeels af van de schaal van de implementatie. De implementatie van AI in een publieke cloud biedt het voordeel van overvloedige rekenkracht, stroom en gespecialiseerde hardware die nodig zijn om complexe algoritmen en grote hoeveelheden data te verwerken. De kosten kunnen echter een probleem vormen als de operator de publieke cloud alleen gebruikt om grote hoeveelheden data te verwerken.

Veel operators beschouwen de beslissing om een ​​private cloud voor GenAI te gebruiken als onhaalbaar, tenzij de operator een eigen LLM bouwt - zoals China Mobile, Softbank en SK Telecom in Azië en Deutsche Telekom in Europa. Operators geven vaak prioriteit aan de publieke cloud voor het testen en bouwen van MVP's voor AI-use cases.

Naarmate providers meer gebruik maken van AI, zal dit onvermijdelijk leiden tot hechtere relaties met superbedrijven als Amazon Web Services, Microsoft Azure en Google Cloud.

Referenties:
1. AI-zakelijk potentieel: inzicht in de waarde van AI voor
Telecom-activiteiten. https://www.ericsson.com/4ac6ca/
activa/lokaal/rapporten-artikelen/verdere-inzichten/doc/ai-
bedrijfspotentieel.pdf
[2]. Emerging Tech Impact Radar: Kunstmatige Intelligentie, Gartner, 19 januari 2024 ID G00796195
[3]. Generatieve AI: operators zetten hun eerste stappen, TMforum 2023
[4]. Het ontwikkelen van een AI-strategie Telecombedrijven leggen de fundamenten op hun plaats,
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
telecommunicatiemarkt-A09352
[7]. Gen AI in de telecomsector, belangrijkste bevindingen van Omdia's GenAI-telecomonderzoek
Enquête onder dienstverleners Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
Telecommunicatie/
[9]. Waar gaat AI naartoe? Nokia https://www.nokia.com/thought-
leiderschap/artikelen/ai/waar-gaat-ai-naar-toe/
[10]. Ericsson Telco AI, Intern document

(Geplaatst in de gedrukte publicatie van TT&TT Magazine nr. 8, augustus 2024)

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