Nguyen Van Yen, membro do Conselho de Administração da VNPT
Resumo:
Dados e IA em telecomunicações: Operadoras de rede detêm grandes quantidades de dados que não estão sendo utilizados adequadamente. A IA pode ajudar a transformar dados em ferramentas para aprimorar serviços e otimizar operações comerciais.
- Tendências de aplicação de IA: O desenvolvimento do 5G e da IoT impulsionou as operadoras a se concentrarem em IA desde 2016. Recentemente, a IA GenAI emergiu como uma ferramenta estratégica, especialmente após o lançamento do ChatGPT da OpenAI.
Benefícios econômicos da IA: Prevê-se que a IA gere grande valor para as operadoras, incluindo a redução de custos e a criação de novas fontes de receita. A McKinsey estima que a IA de geração de leads (GenAI) poderá injetar US$ 100 bilhões no setor de telecomunicações.
- Aplicação de IA na organização: A IA precisa ser aplicada em todos os níveis da organização, desde a análise de dados até as funções administrativas. Muitas empresas já criaram unidades dedicadas à IA e construíram centros de excelência em IA.
Riscos na aplicação de IA: Os desafios no recrutamento de recursos humanos para IA, na gestão de dados e na garantia da segurança na implementação de IA são questões enfrentadas pelos operadores de rede. A governança de IA é um fator importante para garantir uma implementação bem-sucedida e sustentável.
- Preparando dados para IA: Para aplicar a IA de forma eficaz, os operadores precisam preparar dados limpos e consistentes e garantir um modelo de dados comum. A coleta e o processamento de dados representam um grande desafio, exigindo investimentos consideráveis em análise e gerenciamento de dados.
O estado atual da aplicação de IA para telecomunicações
A ascensão da tecnologia 5G, da IoT e o volume cada vez maior de Big Data são os fatores que estão impulsionando as operadoras de telecomunicações a voltarem sua atenção para a IA. Algumas das maiores e mais ambiciosas operadoras começaram a adotar a IA em 2016 e 2017, e, entre 2019 e 2020, o setor de telecomunicações testemunhou uma forte adoção de IA em operadoras do mundo todo . Nos últimos 12 a 15 meses (desde o lançamento do OpenAI com o Chat GPT), a percepção da IA de geração de leads (GenAI) expandiu-se de uma ferramenta de criação de conteúdo baseada em IA para uma plataforma estratégica e está rapidamente se tornando o foco de praticamente todas as operadoras de telecomunicações do mundo.
O relatório de pesquisa de mercado da Allied [6] sobre IA no mercado de telecomunicações em 2022 mostra: “O tamanho do mercado global de IA em telecomunicações foi avaliado em US$ 1,2 bilhão em 2021 e espera-se que atinja US$ 38,8 bilhões até 2031, crescendo a uma CAGR de 41,4% de 2022 a 2031”. As empresas de telecomunicações (telcos) estão recorrendo à IA como um facilitador fundamental para inovação, eficiência operacional e experiência aprimorada do cliente.
A Ericsson acredita [1] que a IA trará um valor sem precedentes para setores como o de telecomunicações. Para as operadoras de rede, a IA trará oportunidades para otimizar as operações de rede, melhorar a experiência do cliente, reduzir custos, contribuir para o desenvolvimento sustentável, criar novas fontes de receita, etc.
A Gartner [2] realizou uma pesquisa e classificou 29 tecnologias relacionadas à IA em 5 grupos: tecnologia central de IA, tecnologia baseada em IA GenAI; tecnologia de IA centrada em dados; tecnologia de confiança em IA. A tendência de implantação de tecnologias baseadas em IA GenAI deverá aumentar acentuadamente nos próximos 1 a 3 anos.
As empresas de telecomunicações veem a GenAI como um ponto de virada, uma poderosa força motriz que contribuirá para avanços significativos em receita, redução de custos e uma mudança fundamental no cenário da experiência do usuário. Muitas operadoras de rede consideram a GenAI um foco essencial em sua estratégia de IA.
Medindo o impacto econômico da IA/GenAI
Medir o impacto econômico da IA na indústria de telecomunicações não é uma tarefa fácil, pois os casos de uso potenciais são amplos e variados, e as estimativas de valor de mercado variam muito de diferentes fontes. No entanto, muitas operadoras concordam que os benefícios da IA para os negócios de telecomunicações são significativos. Por exemplo [4]:
- Redução de pessoal e de empregos devido à IA e à automação. A BT (Reino Unido) estima que poderá cortar 10.000 empregos até 2030, aproveitando a digitalização e a automação.
- Gerar novas receitas com o lançamento de produtos habilitados por IA. A SK Telecom (Coreia do Sul) acredita que pode gerar receitas relacionadas à IA de até 25 trilhões de KRW (cerca de 18,5 bilhões de USD) até 2028.
- Ajude a reduzir custos ou aumentar a receita. A McKinsey estima que a GenAI possa gerar até US$ 100 bilhões em valor agregado para o setor de telecomunicações.
Os operadores avaliam os benefícios de cada caso de uso de IA com base em dois aspectos: financeiros (economia de tempo (quantificável), redução de custos, aumento de receita) e não financeiros (satisfação dos funcionários, satisfação dos clientes, pequenas economias de tempo difíceis de quantificar, sustentabilidade).
Onde a IA é aplicada em telecomunicações e como implementá-la?
As operadoras consideram a IA uma prioridade estratégica a ser aplicada em tarefas e departamentos relacionados à análise de dados. No entanto, a recente explosão da IA de Geração (GenAI) levantou algumas perspectivas sobre a aplicação da IA em telecomunicações, em particular, como segue:
- Áreas de aplicação da IA em telecomunicações:
- A IA é uma ferramenta inovadora, portanto, precisa estar disponível para todas as equipes da empresa.
+ Devem ser feitos todos os esforços para tornar a IA fácil de usar, mesmo para grupos com baixas capacidades tecnológicas.
+ As unidades dedicadas à IA precisam ser capazes de compreender as práticas de implementação de casos de uso bem-sucedidos de IA e construir modelos e métodos adequados para reaplicar esses casos de uso em toda a organização.
A democratização do acesso à IA precisa ser acompanhada pela implementação de novas abordagens de FinOps para IA, a fim de gerenciar os riscos de custo da adoção da IA.
+ É necessário desenvolver e implementar um programa de governança de IA para reduzir o risco de custos descontrolados e incentivar o uso e a experimentação de IA.
- Implantação de IA em Telecomunicações
Criar um cargo de nível executivo (CXO) em IA com expertise e autoridade para impulsionar o desenvolvimento de aplicações e produtos de IA (por exemplo, Steve Jarrett foi nomeado Diretor de IA (CAIO) da Orange Innovation em dezembro de 2023; Deepika Adusumilli, da BT, em outubro de 2023; Chung Suk-guen, da SK Telecom).
A criação de uma subsidiária para desenvolver IA , por exemplo, a Proximus Ada, é uma subsidiária da operadora de rede Proximus (Bélgica) que se concentra especificamente no desenvolvimento de recursos de cibersegurança e IA para atender aos requisitos internos da Proximus e fornecer serviços a clientes B2B.
Funções separadas de IA interna e IA voltada para o cliente. Em vez de criar uma organização de IA centralizada, a Telefónica decidiu dividi-la em duas divisões: Insights do Cliente e Inovação; Redes, Sistemas de TI e Transformação Digital Interna (CDS) para IA.
Essa divisão de responsabilidades é particularmente interessante, visto que o foco da GenAI está mais voltado para o cliente do que para funções de rede, enquanto a IA preditiva está se tornando cada vez mais a tecnologia usada para fins de automação de rede.
A IA como uma nova função de negócios. Por exemplo, a China Mobile e a SK Telecom estão investindo fortemente em IA para oferecer novos produtos e serviços. O foco de ambas as operadoras é construir seu próprio Modelo de Linguagem Ampla (LLM, na sigla em inglês) com as melhores soluções e recursos, e vender acesso a empresas (DNs) e outras operadoras.
Criação de um Centro de Excelência em Inteligência Artificial (CoE).
Em uma pesquisa da TMFrum (2023) [4], 53% das operadoras afirmaram ter estabelecido um Centro de Excelência em IA. Mas o tamanho, o escopo e o papel exatos de um Centro de Excelência em IA variam significativamente. Por exemplo, a Vodafone Ziggo (Holanda) possui um Centro de Excelência em IA que reúne os especialistas em ciência de dados da empresa.
A Telefónica possui um Centro de Excelência em IA global, gerenciado pela divisão de Redes e TI, especializado em arquitetura de dados e IA, com o objetivo de fazer a transição para um modelo de dados comum e pesquisar tecnologias e soluções de IA.
A e& (Oriente Médio) possui um Centro de Excelência (CoE) onde cada departamento/função chave tem um representante. A governança de IA está na vanguarda, com a missão de garantir que casos de uso bem-sucedidos de IA sejam pesquisados e aplicados em diferentes departamentos.
A IA como função de plataforma. Algumas operadoras já criaram — ou estão criando — plataformas de IA projetadas para torná-la acessível a diferentes áreas da organização.
Por exemplo, a Vodafone possui uma plataforma de IA que também oferece ferramentas de autoatendimento e materiais de treinamento para que diferentes equipes criem seus próprios casos de uso. A SK Telecom possui uma Plataforma de Inteligência que dá a toda a organização acesso ao LLM que a SKT está desenvolvendo.
- Gestão de IA
Requisitos de Governança de IA. Muitos requisitos de governança para IA fazem parte de programas de governança de dados existentes. No entanto, salvaguardas adicionais específicas para IA são necessárias para garantir que as ferramentas e os sistemas de IA permaneçam seguros e éticos. Existem dois tipos de programas de governança de IA:
- O programa de governança externa foi concebido para proteger indivíduos e organizações externas à empresa.
- Os programas de governança interna são concebidos para proteger os funcionários e garantir que a IA seja implementada com sucesso e de forma sustentável em toda a empresa.
Os programas de governança voltados para a proteção de pessoas e organizações fora da empresa tendem a ser codificados e normativos. Por exemplo, a União Europeia (UE) aprovou a Lei de Inteligência Artificial em dezembro de 2023, que entrará em vigor em 2025, e os EUA emitiram uma Ordem Executiva sobre IA em outubro de 2023.
Regulamentações governamentais mais rigorosas podem ajudar as empresas de telecomunicações a desenvolver tecnologias e capacidades que podem ser monetizadas no exterior, especialmente em países com regulamentações rígidas sobre soberania de dados.
Por exemplo, a China Mobile acredita que os métodos que utiliza para cumprir as leis de IA podem ajudar a desenvolver tecnologias de segurança que poderá oferecer aos seus clientes. A Swisscom está a experimentar a construção da sua própria infraestrutura de IA e o desenvolvimento de conhecimentos internos que poderá utilizar para criar valor e novas soluções no seu negócio de serviços de TI.
O surgimento da GenAI também está impulsionando a necessidade de aprimorar a governança interna de IA: Impulsionar a escalabilidade; Gerenciar custos; Proteger a organização das consequências do uso de resultados imprecisos; Reduzir o risco de dívida técnica; Proteger contra o risco de corrupção dos dados do modelo de treinamento LLM; Proteger a organização contra violações de propriedade intelectual (PI)/direitos autorais.
Riscos da aplicação de IA nas empresas
A pesquisa TMforum 2023 sobre os riscos da aplicação de GenAI em telecomunicações inclui:
3.1. Recursos humanos para IA
Quando se trata de contratar talentos em IA, a maioria das empresas de telecomunicações está em desvantagem em comparação com as empresas de tecnologia, especialmente na contratação de jovens talentos. As empresas de tecnologia geralmente oferecem salários melhores, progressão de carreira mais rápida e uma cultura corporativa significativamente mais flexível.
A pesquisa do TM Forum sobre as necessidades de recursos humanos em telecomunicações por especialidade [4] mostra que as habilidades em IA/aprendizado de máquina, análise de dados e automação estão em alta demanda (64%, menos do que Segurança com 69%).
Em relação à dificuldade de contratação de profissionais com as habilidades necessárias para as empresas de telecomunicações, 59% dos entrevistados afirmaram que profissionais de ciência de dados/análise de dados e profissionais de IA/ML são os mais difíceis de recrutar (ficando atrás apenas da área de segurança, com 63%).
Na MWC 2024, a Korea Telecom (KT) anunciou que contratará até 1.000 especialistas em IA e tecnologia digital este ano, em um esforço para se tornar uma empresa de IA e TIC integradas. Simultaneamente, a KT também intensificou o treinamento interno em habilidades de IA para transformar completamente o DNA da empresa em direção à IA.
A China Mobile estabeleceu a Jiutian em 2019 como uma plataforma para apoiar sua ambição de se tornar uma operadora altamente automatizada até 2025. A plataforma de IA pode ser acessada por desenvolvedores externos por meio de APIs abertas. Em outubro de 2023, a China Mobile desenvolveu seu próprio LLM como parte da Jiutian. Começando com apenas 20 engenheiros de IA, a China Mobile agora conta com 600 engenheiros de IA e planeja chegar a 1.000 até o final de 2024.
A Vodafone está trabalhando com provedores de hiperescala para sua plataforma de IA, mas ainda precisa de profissionais com habilidades em AIOps, além de experiência em análise de dados, automação, nuvem e plataformas. A Vodafone está atraindo talentos por meio de contratações em tempo integral.
Ashish Yadav, Diretor Sênior da Capgemini, afirmou que as empresas de telecomunicações estão cada vez mais buscando talentos seniores em Nuvem e IA, no nível de arquiteto, por meio de empresas de integração de sistemas, como uma forma de internalização (insourcing). A definição de internalização pode ser interpretada de diversas maneiras, mas, neste contexto, as empresas de telecomunicações "tratam" os talentos seniores da empresa parceira como membros de sua própria equipe.
A maioria das empresas de telecomunicações também está intensificando os programas de requalificação e aprimoramento profissional para buscar proativamente talentos em IA sob demanda. De fato, essa abordagem pode ser mais rentável do que recrutar novos talentos e está sendo cada vez mais aplicada a todas as outras habilidades difíceis de encontrar.
Na pesquisa da TMForum sobre o que as operadoras precisam fazer para explorar efetivamente a IA e o aprendizado de máquina, 60% dos entrevistados disseram que treinar os funcionários existentes em diversas habilidades de IA tem um alto impacto, enquanto 39% disseram que tem um impacto significativo.
Segundo a McKinsey & Company, a GenAI está forçando as operadoras a desenvolverem expertise em IA internamente, ao mesmo tempo que exige novas habilidades dos usuários, como a engenharia ágil – a capacidade de fazer perguntas para obter a melhor resposta do LLM. As operadoras também precisam contratar engenheiros de dados e especialistas no domínio “que entendam quais dados coletar e como coletá-los, bem como monitorar e avaliar a qualidade das novas formas de dados criadas e usadas pelos sistemas GenAI ” .
3.2. Preparação dos dados para aplicações de IA
Uma arquitetura orientada a dados é fundamental para manter a precisão e a consistência em toda a rede. O uso de um modelo de dados comum garante que os dados fluam sem problemas por todos os sistemas e sejam fornecidos com precisão em todos os fluxos de trabalho automatizados.
A IA precisa de dados, e a análise de dados precisa de IA. Muitos operadores enfrentam hoje desafios significativos no desenvolvimento de estratégias de dados coerentes para explorar plenamente a tecnologia de IA. Os operadores nos estágios iniciais de experimentação com IA podem subestimar o que é necessário, especialmente em termos de dados, para implantar IA com sucesso em larga escala.
Muitas operadoras carecem de uma estratégia coesa que permita o fluxo horizontal de dados em toda a organização, de acordo com um modelo de dados único.
Alguns desafios específicos na preparação de dados para IA:
Há uma carência de dados limpos, claros, consistentes e acionáveis que possam ser aplicados a diferentes áreas da empresa, desde a rede até a prestação de serviços e a experiência do cliente. Isso é fundamental para todos os processos que envolvem a execução orientada por dados e inteligência artificial.
A falta de um modelo de dados comum (os dados estão sendo coletados atualmente de vários fornecedores) resulta em uma agregação extremamente demorada de dados estruturados e não estruturados.
A falta de contexto dos dados, ou seja, o desconhecimento completo de como, quando, onde e para que fins os dados são coletados, é um obstáculo particularmente significativo que as empresas de telecomunicações precisam superar se quiserem implementar a GenAI ou qualquer outro tipo de modelo de aprendizado de máquina.
As operadoras estão percebendo o valor dos dados e têm aumentado seus investimentos em análise de dados. A Omdia estima que, até 2025, as operadoras globais terão investido cerca de US$ 2,5 bilhões em análise de dados.
Na verdade, o tempo e o investimento necessários para coletar, limpar, transformar e armazenar dados no formato correto costumam ser desproporcionalmente maiores do que o tempo necessário para usar esses dados. O processo de criação de data lakes e data warehouses já dura anos, mas ainda não proporcionou às operadoras a capacidade de implantar IA em escala em todas as suas organizações.
O surgimento de inovações e análises baseadas em IA impulsionou a necessidade e a exigência de um uso de dados mais diversificado e flexível, por exemplo:
A inteligência artificial/aprendizado de máquina requer enormes quantidades de dados para treinar modelos.
- Conjuntos de dados diversificados e múltiplos tipos de dados são necessários para garantir resultados de IA imparciais.
- Adicionar camadas de dados para melhorar a precisão do modelo e o impacto da aplicação.
- Os modelos devem ser continuamente treinados com as informações mais recentes para manter o desempenho preditivo, especialmente em ambientes dinâmicos.
- Os dados devem estar disponíveis em tempo real para funções críticas de negócios, principalmente em ambientes altamente interativos.
- O advento da GenAI proporcionou aos operadores a oportunidade de aproveitar a grande quantidade de dados não estruturados disponíveis, mas esses dados precisam ser etiquetados e limpos antes de serem inseridos no LLM.
Para que haja um progresso significativo em IA sob a perspectiva de dados, os operadores precisam de uma mudança abrangente na forma como abordam os dados que "fluem" pelo sistema, o que, por vezes, implica uma mudança na cultura corporativa. O fator-chave é construir um modelo de dados comum e criar uma única fonte de verdade.
Construir uma única fonte de verdade é uma tarefa extremamente complexa que, até agora, tem estado além das capacidades da maioria das operadoras devido à fragmentação dos dados. A BT, a Deutsche Telekom e a Telefónica tomaram medidas para resolver esse problema, migrando todos os seus dados para a nuvem pública. Por exemplo, nos últimos dois anos, a BT migrou mais de 90% dos seus dados para a plataforma Google Cloud.
Arquitetura de IA: construir, comprar e escalar
Existem muitas semelhanças entre IA/GenAi e computação em nuvem, principalmente a mudança tecnológica e o domínio dos hiperchamadores. Os operadores de rede enfrentam o mesmo problema, a mesma questão que IA e Nuvem: O que comprar e o que construir?
A abordagem das operadoras em relação à IA é amplamente moldada pelos princípios fundamentais de arquitetura aberta e composibilidade. Omair Ahmed Khan, da Deutsche Telekom, afirma que a maioria dos projetos de IA da empresa envolve uma combinação de componentes desenvolvidos internamente e adquiridos externamente: "A Deutsche Telekom adota uma estratégia híbrida de desenvolvimento e aquisição, e a parte de aquisição nunca envolveu a compra de uma solução completa pronta para uso."
Os operadores acreditam que ainda é cedo demais para considerar a IA como parte de sua arquitetura empresarial ou de sua arquitetura de referência. Alguns operadores com uma visão e estratégia claras para integrar a IA em sua futura arquitetura empresarial também reconhecem desafios de implementação especificamente relacionados às pessoas, ferramentas e capacidades necessárias para gerar resultados eficazes e um claro retorno sobre o investimento.
A industrialização de software pode ser vista como uma boa prática para a industrialização da IA, ao mover dados para nuvens públicas e torná-los acessíveis em tempo real. Um CIO de uma operadora do Sudeste Asiático descreveu o processo adotado pela empresa para industrializar a IA como uma “fábrica de dados”. “Isso reduziu significativamente o tempo e o custo da produção de IA”, afirmou.
“Há dois anos, o custo de produção de IA era muito alto. Levava de seis a oito meses para criar um modelo de IA. Agora, leva apenas alguns dias. É possível executar todo o ciclo muito mais rapidamente e com menos pessoas.”
Prática em algumas operadoras:
China Mobile: adquiriu hardware e construiu seu próprio centro de dados, incluindo unidades de processamento gráfico (GPUs) e aceleradores, como parte do projeto Jiutian LLM.
Jio: A Reliance Industries, empresa controladora da operadora de telecomunicações indiana Jio, firmou uma parceria com a Nvidia para construir infraestrutura de supercomputação para inteligência artificial (IA). A Reliance pretende fornecer infraestrutura de IA para cientistas, desenvolvedores e startups em toda a Índia, além de criar aplicativos e serviços de IA para os 450 milhões de clientes da Jio.
A decisão sobre onde implantar IA, em uma nuvem pública ou privada, também é um problema para as empresas de telecomunicações e depende, em grande parte, da escala da implantação. Implantar IA em uma nuvem pública tem a vantagem de contar com abundantes recursos computacionais, poder computacional e hardware especializado necessários para processar algoritmos complexos e grandes volumes de dados. No entanto, o custo pode se tornar um problema se a operadora usar a nuvem pública apenas para processar grandes volumes de dados.
A decisão de usar uma nuvem privada para GenAI é considerada inviável por muitas operadoras, a menos que a operadora esteja construindo sua própria infraestrutura de gerenciamento de longo prazo (LLM) — como é o caso da China Mobile, Softbank e SK Telecom na Ásia e da Deutsche Telekom na Europa. As operadoras tendem a priorizar a nuvem pública para testes e desenvolvimento de MVPs (Produtos Mínimos Viáveis) para casos de uso de IA.
À medida que as operadoras aumentam o uso de IA, isso inevitavelmente levará a relacionamentos mais profundos.
- Softbank: firmou parceria com a Nvidia para construir data centers (TTDL) projetados para hospedar aplicações GenAI e sem fio. O novo TTDL suportará cargas de trabalho de IA e 5G.
- SK Telecom: está buscando atender à demanda por data centers baseados em IA como parte das ambições mais amplas da SKT em IA. O diretor financeiro Yang-Seob Kim afirmou que a SKT planeja "impulsionar ainda mais seus negócios de data center, com foco em data centers de IA de última geração e expansão global".
A NTT está investindo 1,5 trilhão de ienes (cerca de US$ 12 bilhões) nos próximos cinco anos para expandir e modernizar seus negócios de data center globalmente, a fim de atender à crescente demanda por dados relacionados ao uso da GenAI, juntamente com outras tecnologias.
A decisão sobre onde implantar IA, em uma nuvem pública ou privada, também é um problema para as empresas de telecomunicações e depende, em grande parte, da escala da implantação. Implantar IA em uma nuvem pública tem a vantagem de contar com abundantes recursos computacionais, poder computacional e hardware especializado necessários para processar algoritmos complexos e grandes volumes de dados. No entanto, o custo pode se tornar um problema se a operadora usar a nuvem pública apenas para processar grandes volumes de dados.
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]. Radar de impacto de tecnologias emergentes: Inteligência artificial, Gartner, 19 de janeiro de 2024 ID G00796195
[3]. IA generativa: operadores dão os primeiros passos, TMforum 2023
[4]. Construindo uma estratégia de IA, as empresas de telecomunicações estabeleceram as bases,
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
telecommunication-market-A09352
[7]. Gen Ai in Telecoms, Key findings from Omdia's GenAI telco
service provider survey Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
telecomunicações/
[9]. Para onde caminha a IA? Nokia https://www.nokia.com/thought-
leadership/articles/ai/where-is-ai-heading/
[10]. Ericsson Telco AI, Documento interno
(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
Comentário (0)