กลยุทธ์ AI สำหรับผู้ให้บริการเครือข่ายโทรคมนาคมมีอะไรบ้าง?

ผู้ให้บริการกำลังเผชิญกับข้อมูลจำนวนมหาศาลที่ไม่ได้ถูกใช้ประโยชน์อย่างเต็มที่ AI จะเปลี่ยนข้อมูลเหล่านี้ให้กลายเป็นพื้นที่อันอุดมสมบูรณ์สำหรับการพัฒนาบริการใหม่ๆ ปรับปรุงคุณภาพของบริการที่มีอยู่ ยกระดับประสบการณ์ของลูกค้า และเพิ่มประสิทธิภาพการดำเนินธุรกิจ

Việt Nam•31/08/2025

เหงียน วัน เยน สมาชิกคณะกรรมการบริหาร VNPT

สรุป:
- ข้อมูลและ AI ในโทรคมนาคม: ผู้ให้บริการมีข้อมูลจำนวนมากที่ไม่ได้รับการนำไปใช้ประโยชน์อย่างเหมาะสม AI สามารถช่วยเปลี่ยนข้อมูลให้กลายเป็นเครื่องมือที่ช่วยปรับปรุงบริการและเพิ่มประสิทธิภาพการดำเนินธุรกิจ
- แนวโน้มการประยุกต์ใช้ AI: การพัฒนา 5G และ IoT ผลักดันให้ผู้ให้บริการมุ่งเน้นไปที่ AI ตั้งแต่ปี 2016 ล่าสุด GenAI ได้กลายมาเป็นเครื่องมือเชิงกลยุทธ์ โดยเฉพาะอย่างยิ่งหลังจากการเปิดตัว ChatGPT ของ OpenAI
- ประโยชน์ทางเศรษฐกิจจาก AI: คาดการณ์ว่า AI จะสร้างมูลค่ามหาศาลให้กับผู้ให้บริการ รวมถึงการลดต้นทุนและสร้างแหล่งรายได้ใหม่ ๆ McKinsey ประเมินว่า GenAI จะนำรายได้ 1 แสนล้านดอลลาร์มาสู่อุตสาหกรรมโทรคมนาคม
- การประยุกต์ใช้ AI ในองค์กร: AI จำเป็นต้องถูกนำไปใช้ในทุกระดับขององค์กร ตั้งแต่การวิเคราะห์ข้อมูลไปจนถึงงานด้านการบริหาร ผู้ให้บริการหลายรายจึงได้จัดตั้งหน่วยงาน AI เฉพาะทางและสร้างศูนย์ความเป็นเลิศด้าน AI ขึ้นมา
- ความเสี่ยงในการประยุกต์ใช้ AI: ความท้าทายในการสรรหาบุคลากรด้าน AI การจัดการข้อมูล และการรับรองความปลอดภัยในการใช้งาน AI เป็นปัญหาที่ผู้ให้บริการเครือข่ายต้องเผชิญ การกำกับดูแล AI ถือเป็นปัจจัยสำคัญที่จะทำให้การใช้งานประสบความสำเร็จและยั่งยืน
- การเตรียมข้อมูลสำหรับ AI: เพื่อนำ AI ไปประยุกต์ใช้ได้อย่างมีประสิทธิภาพ ผู้ประกอบการจำเป็นต้องเตรียมข้อมูลที่สะอาดและสอดคล้องกัน และมั่นใจว่ามีแบบจำลองข้อมูลร่วมกัน การรวบรวมและประมวลผลข้อมูลถือเป็นความท้าทายสำคัญ ซึ่งต้องใช้การลงทุนมหาศาลในการวิเคราะห์และจัดการข้อมูล

สถานะการประยุกต์ใช้ AI สำหรับโทรคมนาคม

การเติบโตของ 5G, IoT และปริมาณข้อมูลขนาดใหญ่ที่เพิ่มขึ้น เป็นปัจจัยผลักดันให้ผู้ให้บริการโทรคมนาคมหันมาให้ความสำคัญกับ AI ผู้ให้บริการรายใหญ่บางรายเริ่มนำ AI มาใช้ในปี 2559, 2560 และภายในปี 2562-2563 ภาคโทรคมนาคมมีการนำ AI มาใช้อย่างแพร่หลายในหมู่ผู้ให้บริการทั่ว โลก ในช่วง 12-15 เดือนที่ผ่านมา (นับตั้งแต่เปิดตัว OpenAI พร้อม Chat GPT) ความตระหนักรู้เกี่ยวกับ GenAI ได้ขยายจากเครื่องมือสร้างเนื้อหาที่ใช้ AI ไปสู่แพลตฟอร์มเชิงกลยุทธ์ และกำลังกลายเป็นศูนย์กลางความคิดของผู้ให้บริการโทรคมนาคมเกือบทุกรายทั่วโลกอย่างรวดเร็ว

รายงานการวิจัยตลาดของ Allied [6] เกี่ยวกับ AI ในตลาดโทรคมนาคมในปี 2022 ระบุว่า “ขนาดตลาด AI ในตลาดโทรคมนาคมทั่วโลกมีมูลค่า 1.2 พันล้านดอลลาร์สหรัฐในปี 2021 และคาดว่าจะสูงถึง 38.8 พันล้านดอลลาร์สหรัฐภายในปี 2031 โดยมีอัตราการเติบโตเฉลี่ยต่อปี (CAGR) ที่ 41.4% ตั้งแต่ปี 2022 ถึง 2031” บริษัทโทรคมนาคม (telcos) กำลังหันมาใช้ AI เป็นปัจจัยสำคัญในการสร้างนวัตกรรม ประสิทธิภาพการดำเนินงาน และประสบการณ์ลูกค้าที่ดีขึ้น

อีริคสันเชื่อว่า [1] AI จะสร้างคุณค่าที่ไม่เคยมีมาก่อนให้กับอุตสาหกรรมต่างๆ รวมถึงโทรคมนาคม สำหรับผู้ให้บริการเครือข่าย AI จะนำมาซึ่งโอกาสในการเพิ่มประสิทธิภาพการดำเนินงานเครือข่าย ปรับปรุงประสบการณ์ลูกค้า ลดต้นทุน สนับสนุนการพัฒนาที่ยั่งยืน สร้างช่องทางรายได้ใหม่ ฯลฯ

Gartner [2] ได้ทำการสำรวจและจำแนกเทคโนโลยีที่เกี่ยวข้องกับ AI จำนวน 29 รายการออกเป็น 5 กลุ่ม ได้แก่ เทคโนโลยี AI หลัก, เทคโนโลยี GenAI, เทคโนโลยี AI ที่เน้นข้อมูลเป็นศูนย์กลาง และเทคโนโลยี AI Trust คาดการณ์ว่าแนวโน้มการนำเทคโนโลยี GenAI มาใช้จะเพิ่มขึ้นอย่างรวดเร็วในอีก 1-3 ปีข้างหน้า

ผู้ให้บริการโทรคมนาคมมองว่า GenAI เป็นจุดเปลี่ยนสำคัญ เป็นแรงขับเคลื่อนสำคัญที่จะช่วยผลักดันการเติบโตของรายได้ ลดต้นทุน และเปลี่ยนแปลงภูมิทัศน์ประสบการณ์ผู้ใช้อย่างสิ้นเชิง ผู้ให้บริการหลายรายมองว่า GenAI เป็นจุดเน้นสำคัญในกลยุทธ์ AI ของตน

การวัดผลกระทบทางเศรษฐกิจของ AI/GenAI

การวัดผลกระทบทางเศรษฐกิจของ AI ต่ออุตสาหกรรมโทรคมนาคมไม่ใช่เรื่องง่าย เนื่องจากกรณีการใช้งานที่เป็นไปได้นั้นกว้างขวางและหลากหลาย และการประเมินมูลค่าตลาดก็แตกต่างกันไปตามแต่ละแหล่ง อย่างไรก็ตาม ผู้ให้บริการหลายรายเห็นพ้องต้องกันว่าประโยชน์ของ AI ต่อธุรกิจโทรคมนาคมนั้นมีนัยสำคัญ ยกตัวอย่างเช่น [4]:

- การลดแรงงานและการจ้างงานเนื่องจาก AI และระบบอัตโนมัติ BT (UK) คาดการณ์ว่าอาจลดตำแหน่งงานได้ 10,000 ตำแหน่งภายในปี 2030 โดยใช้ประโยชน์จากการเปลี่ยนผ่านสู่ดิจิทัลและระบบอัตโนมัติ

- สร้างรายได้ใหม่ด้วยการเปิดตัวผลิตภัณฑ์ที่ใช้ AI SK Telecom (เกาหลีใต้) เชื่อว่าจะสามารถสร้างรายได้ที่เกี่ยวข้องกับ AI สูงถึง 25,000 พันล้านวอน (ประมาณ 18,500 ล้านดอลลาร์สหรัฐ) ภายในปี 2571

- ช่วยประหยัดต้นทุนหรือเพิ่มรายได้ McKinsey ประเมินว่า GenAI สามารถสร้างมูลค่าเพิ่มให้กับภาคโทรคมนาคมได้มากถึง 1 แสนล้านดอลลาร์สหรัฐ

ผู้ปฏิบัติงานวัดผลประโยชน์ของกรณีการใช้งาน AI แต่ละกรณีโดยพิจารณาจากสองด้าน ได้แก่ ด้านการเงิน (การประหยัดเวลาที่วัดปริมาณได้ การประหยัดต้นทุน รายได้ที่เพิ่มขึ้น) และด้านที่ไม่ใช่การเงิน (ความพึงพอใจของพนักงาน ความพึงพอใจของลูกค้า การประหยัดเวลาเพียงเล็กน้อยและวัดปริมาณได้ยาก ความยั่งยืน)

AI ถูกนำไปใช้ในธุรกิจโทรคมนาคมที่ไหน และจะนำ AI มาใช้ได้อย่างไร

ผู้ให้บริการโทรคมนาคมมองว่า AI มีความสำคัญเชิงกลยุทธ์ที่ต้องนำไปประยุกต์ใช้กับงานและแผนกต่างๆ ที่เกี่ยวข้องกับการวิเคราะห์ข้อมูล อย่างไรก็ตาม การเติบโตอย่างรวดเร็วของ GenAI เมื่อเร็ว ๆ นี้ ได้ก่อให้เกิดมุมมองใหม่ ๆ เกี่ยวกับการประยุกต์ใช้ AI ในอุตสาหกรรมโทรคมนาคม ดังต่อไปนี้

- พื้นที่การประยุกต์ใช้ AI ในภาคโทรคมนาคม:

- AI เป็นเครื่องมือที่มีนวัตกรรม ดังนั้น AI จึงต้องพร้อมใช้งานสำหรับทุกหน่วยงานในบริษัท

+ ต้องพยายามทุกวิถีทางเพื่อให้ AI ใช้งานง่ายแม้กระทั่งกับกลุ่มที่มีความสามารถทางเทคโนโลยีต่ำ

+ หน่วยงานที่เชี่ยวชาญด้าน AI จะต้องสามารถทราบแนวทางปฏิบัติในการนำกรณีการใช้งาน AI ที่ประสบความสำเร็จไปใช้ และสร้างแบบจำลองและวิธีการที่เหมาะสมในการนำกรณีการใช้งานเหล่านี้ไปใช้ซ้ำอีกครั้งทั่วทั้งองค์กร

+ การทำให้การเข้าถึง AI เป็นประชาธิปไตยต้องมาพร้อมกับการนำแนวทาง FinOps ใหม่มาใช้ในการจัดการความเสี่ยงด้านต้นทุนของการนำ AI มาใช้

+ จำเป็นต้องพัฒนาและนำโปรแกรมการกำกับดูแล AI มาใช้เพื่อลดความเสี่ยงของต้นทุนที่ไม่สามารถควบคุมได้ และส่งเสริมการใช้และการทดลองใช้ AI

- การนำ AI มาใช้ในธุรกิจโทรคมนาคม

สร้างตำแหน่ง CXO AI ที่มีความเชี่ยวชาญและอำนาจ ในการขับเคลื่อนการพัฒนาผลิตภัณฑ์และบริการ AI และการประยุกต์ใช้ (เช่น Steve Jarrett ได้รับการแต่งตั้งเป็น Chief AI Officers (CAIO) ที่ Orange Innovation ในวันที่ 12/2023; Deepika Adusumilli ในวันที่ 10/2023 ที่ BT; Chung Sukguen ที่ SK Telecom)

การจัดตั้งบริษัทสาขาเพื่อพัฒนา AI ตัวอย่างเช่น Proximus Ada เป็นบริษัทสาขาของผู้ให้บริการเครือข่าย Proximus (เบลเยียม) ซึ่งมุ่งเน้นเฉพาะด้านการพัฒนาความปลอดภัยทางไซเบอร์และความสามารถของ AI เพื่อตอบสนองความต้องการภายในของ Proximus และให้บริการแก่ลูกค้า B2B

แยกฟังก์ชัน AI ภายในองค์กรและ AI ที่ติดต่อกับลูกค้าออกจาก กัน แทนที่จะสร้างองค์กร AI แบบรวมศูนย์ Telefónica ตัดสินใจแบ่งองค์กรออกเป็นสองฝ่าย ได้แก่ ฝ่ายข้อมูลเชิงลึกของลูกค้าและนวัตกรรม เครือข่าย ระบบไอที และการเปลี่ยนผ่านสู่ดิจิทัลภายในองค์กร (CDS) สู่ AI

การแบ่งหน้าที่ความรับผิดชอบนี้มีความน่าสนใจเป็นพิเศษ เนื่องจาก GenAI มุ่งเน้นไปที่ลูกค้ามากกว่าฟังก์ชันเครือข่าย ในขณะที่ AI เชิงทำนายเป็นเทคโนโลยีที่นำมาใช้เพื่อจุดประสงค์ด้านระบบอัตโนมัติของเครือข่ายเพิ่มมากขึ้น

AI ในฐานะฟังก์ชันทางธุรกิจรูปแบบใหม่ ยกตัวอย่างเช่น China Mobile และ SK Telecom กำลังลงทุนอย่างหนักใน AI เพื่อนำเสนอผลิตภัณฑ์และบริการใหม่ๆ ผู้ให้บริการทั้งสองรายมุ่งเน้นที่จะสร้าง Large Language Model (LLM) ของตนเองด้วยโซลูชันและฟีเจอร์ที่ดีที่สุด และขายสิทธิ์การเข้าถึงให้กับองค์กร (DN) และผู้ให้บริการรายอื่น

การจัดตั้งศูนย์ความเป็นเลิศด้าน AI (CoE)

จากการสำรวจของ TMFrum (2023) [4] พบว่า 53% ของผู้ให้บริการระบุว่าได้จัดตั้ง AI CoE ขึ้นแล้ว แต่ขนาด ขอบเขต และบทบาทที่แท้จริงของ AI CoE นั้นแตกต่างกันอย่างมาก ยกตัวอย่างเช่น Vodafone Ziggo (เนเธอร์แลนด์) มี AI CoE ที่รวบรวมผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูลของบริษัท

Telefónica มี CoE ด้าน AI ระดับโลก ซึ่งนำโดยฝ่ายเครือข่ายและไอที ซึ่งเชี่ยวชาญด้านข้อมูลและสถาปัตยกรรม AI เพื่อให้บรรลุเป้าหมายในการเปลี่ยนผ่านไปสู่รูปแบบข้อมูลทั่วไปและการวิจัยเทคโนโลยีและโซลูชัน AI

e& (ตะวันออกกลาง) มี CoE โดยแต่ละแผนก/ฟังก์ชันหลักจะมีตัวแทน การกำกับดูแล AI ถือเป็นแนวหน้าด้วยภารกิจเพื่อให้แน่ใจว่ามีการวิจัยและนำกรณีการใช้งาน AI ที่ประสบความสำเร็จไปใช้ในแผนกต่างๆ

AI ในฐานะฟังก์ชันแพลตฟอร์ม ผู้ให้บริการบางรายได้สร้าง หรือกำลังสร้างแพลตฟอร์ม AI ที่ออกแบบมาเพื่อให้ส่วนต่างๆ ขององค์กรเข้าถึงได้

ตัวอย่างเช่น Vodafone มีแพลตฟอร์ม AI ที่ให้เครื่องมือและสื่อการฝึกอบรมแบบบริการตนเองแก่ทีมต่างๆ เพื่อสร้างกรณีการใช้งานของตนเอง SK Telecom มีแพลตฟอร์มอัจฉริยะที่ช่วยให้ทั้งองค์กรสามารถเข้าถึงหลักสูตร LLM ที่ SKT กำลังพัฒนาอยู่

- การจัดการ AI

ข้อกำหนดด้านการกำกับดูแล AI ข้อกำหนดด้านการกำกับดูแล AI จำนวนมากเป็นส่วนหนึ่งของโปรแกรมการกำกับดูแลข้อมูลที่มีอยู่ อย่างไรก็ตาม จำเป็นต้องมีมาตรการป้องกันเพิ่มเติมสำหรับ AI เฉพาะด้าน เพื่อให้มั่นใจว่าเครื่องมือและระบบ AI ยังคงปลอดภัยและมีจริยธรรม โปรแกรมการกำกับดูแล AI มีสองประเภท:

- โปรแกรมการกำกับดูแลภายนอกได้รับการออกแบบมาเพื่อปกป้องบุคคลและองค์กรภายนอกบริษัท

- โปรแกรมการกำกับดูแลภายในได้รับการออกแบบมาเพื่อปกป้องพนักงานและเพื่อให้แน่ใจว่า AI จะถูกนำไปใช้ได้สำเร็จและยั่งยืนทั่วทั้งองค์กร

โครงการกำกับดูแลที่มุ่งปกป้องบุคคลและองค์กรภายนอกบริษัทมักถูกกำหนดเป็นลายลักษณ์อักษรและเป็นบรรทัดฐาน ยกตัวอย่างเช่น สหภาพยุโรป (EU) ได้ผ่านพระราชบัญญัติ AI ในเดือนธันวาคม 2566 ซึ่งจะมีผลบังคับใช้ในปี 2568 และสหรัฐอเมริกาได้ออกคำสั่งผู้บริหารเกี่ยวกับ AI ในเดือนตุลาคม 2566

กฎระเบียบของรัฐบาลที่เข้มงวดสามารถช่วยให้ Telcos พัฒนาเทคโนโลยีและศักยภาพ ที่สามารถสร้างรายได้ในต่างประเทศ โดยเฉพาะในประเทศที่มีกฎระเบียบเกี่ยวกับอธิปไตยด้านข้อมูลที่เข้มงวด

ยกตัวอย่างเช่น China Mobile เชื่อว่าวิธีการที่บริษัทใช้ในการปฏิบัติตามกฎหมาย AI สามารถช่วยพัฒนาเทคโนโลยีความปลอดภัยที่สามารถนำเสนอให้กับลูกค้าได้ Swisscom กำลังทดลองสร้างโครงสร้างพื้นฐาน AI ของตนเองและพัฒนาความเชี่ยวชาญภายในองค์กร ซึ่งบริษัทสามารถนำไปใช้สร้างมูลค่าและโซลูชันใหม่ๆ ในธุรกิจบริการด้านไอที

การเกิดขึ้นของ GenAI ยังผลักดันให้เกิดความจำเป็นในการปรับปรุงการกำกับดูแล AI ภายใน: ขับเคลื่อนขนาด; จัดการต้นทุน; ปกป้ององค์กรจากผลที่ตามมาจากการใช้ผลลัพธ์ที่ไม่ถูกต้อง; ลดความเสี่ยงของหนี้ทางเทคนิค; ป้องกันความเสี่ยงของข้อมูลโมเดลการฝึกอบรม LLM ที่ "เสียหาย"; ปกป้ององค์กรจากการละเมิดทรัพย์สินทางปัญญา (IP)/ลิขสิทธิ์

ความเสี่ยงของการนำ AI มาใช้ในธุรกิจ

แบบสำรวจ TMforum 2023 เกี่ยวกับความเสี่ยงเมื่อนำ GenAI มาใช้ใน Telco ประกอบด้วย:

3.1. ทรัพยากรบุคคลสำหรับ AI

เมื่อพูดถึงการจ้างบุคลากรด้าน AI บริษัทโทรคมนาคมส่วนใหญ่มักเสียเปรียบเมื่อเทียบกับบริษัทเทคโนโลยี โดยเฉพาะอย่างยิ่งเมื่อต้องจ้างบุคลากรรุ่นใหม่ บริษัทเทคโนโลยีมักเสนอเงินเดือนที่ดีกว่า ความก้าวหน้าในอาชีพที่เร็วกว่า และวัฒนธรรมองค์กรที่ยืดหยุ่นกว่ามาก

การสำรวจความต้องการทรัพยากรบุคคลของบริษัทโทรคมนาคมตามความเชี่ยวชาญ [4] ของ TM Forum แสดงให้เห็นว่าทักษะด้าน AI/การเรียนรู้ของเครื่องจักร การวิเคราะห์ข้อมูล และการทำงานอัตโนมัติเป็นที่ต้องการสูง (64% น้อยกว่าด้านความปลอดภัยที่ 69%)

เมื่อพิจารณาจากความยากของทักษะที่ Telcos สามารถสรรหาได้ ผู้ตอบแบบสอบถาม 59% กล่าวว่าผู้เชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล/การวิเคราะห์ข้อมูล และผู้เชี่ยวชาญด้าน AI/ML เป็นสิ่งที่สรรหาได้ยากที่สุด (รองจากด้านความปลอดภัยที่ 63%)

ในงาน MWC 2024 บริษัท Korea Telecom (Korea) ประกาศรับสมัครผู้เชี่ยวชาญด้าน AI และดิจิทัลสูงสุด 1,000 คนในปีนี้ เพื่อมุ่งสู่การเป็น AICT หรือบริษัทด้าน AI และ ICT ขณะเดียวกัน KT ยังได้เพิ่มการฝึกอบรมภายในด้านทักษะ AI เพื่อเปลี่ยน DNA ของ KT ไปสู่ AI อย่างสมบูรณ์

ไชน่าโมบายล์ก่อตั้ง Jiutian ในปี 2019 เพื่อเป็นแพลตฟอร์มสนับสนุนเป้าหมายในการเป็นผู้ให้บริการระบบอัตโนมัติขั้นสูงภายในปี 2025 แพลตฟอร์ม AI นี้เปิดให้นักพัฒนาภายนอกเข้าถึงได้ผ่าน API แบบเปิด ในเดือนตุลาคม 2023 ไชน่าโมบายล์ได้พัฒนาหลักสูตร LLM ของตนเองซึ่งเป็นส่วนหนึ่งของ Jiutian เริ่มต้นด้วยวิศวกร AI เพียง 20 คน ปัจจุบันไชน่าโมบายล์มีวิศวกร AI 600 คน และวางแผนที่จะเพิ่มเป็น 1,000 คนภายในสิ้นปี 2024

Vodafone กำลังร่วมมือกับผู้ให้บริการไฮเปอร์สเกลสำหรับแพลตฟอร์ม AI ของตน แต่ยังคงต้องการทักษะด้าน AIOps รวมถึงการวิเคราะห์ ระบบอัตโนมัติ คลาวด์ และแพลตฟอร์มต่างๆ Vodafone กำลังดึงดูดบุคลากรที่มีความสามารถโดยการจ้างพนักงานประจำ

Ashish Yadav ผู้อำนวยการอาวุโสของ Capgemini กล่าวว่า Telcos กำลังมองหาบุคลากรระดับสูงด้าน Cloud และ AI ในระดับสถาปนิกมากขึ้นเรื่อยๆ ผ่านบริษัทผู้ให้บริการด้าน System Integration ซึ่งเป็นรูปแบบหนึ่งของ Insourcing คำจำกัดความของ Insourcing สามารถตีความได้หลายแบบ แต่ในบริบทนี้ Telcos “ปฏิบัติ” ต่อบุคลากรระดับสูงของบริษัทพันธมิตรในฐานะสมาชิกในทีมงานของ Telco

บริษัทโทรคมนาคมส่วนใหญ่กำลังเร่งฝึกอบรมและพัฒนาทักษะใหม่เพื่อสรรหาบุคลากรด้าน AI ตามความต้องการอย่างจริงจัง อันที่จริง แนวทางนี้อาจคุ้มค่ากว่าการจ้างบุคลากรใหม่ และกำลังถูกนำไปประยุกต์ใช้กับทักษะอื่นๆ ที่ยากต่อการจ้างงานมากขึ้นเรื่อยๆ

ในการสำรวจของ TMForum เกี่ยวกับสิ่งที่ผู้ให้บริการจำเป็นต้องทำเพื่อใช้ประโยชน์จาก AI และการเรียนรู้ของเครื่องจักรอย่างมีประสิทธิผล ผู้ตอบแบบสอบถามร้อยละ 60 กล่าวว่าการฝึกอบรมพนักงานที่มีอยู่ให้มีความรู้ด้าน AI หลายด้านจะมีผลกระทบสูง ในขณะที่ร้อยละ 39 กล่าวว่าจะมีผลกระทบอย่างมีนัยสำคัญ

McKinsey & Company ระบุว่า GenAI กำลังบังคับให้ผู้ปฏิบัติงานพัฒนาความเชี่ยวชาญด้าน AI ภายในองค์กร ในขณะเดียวกันก็ต้องการทักษะใหม่ๆ จากผู้ใช้ เช่น วิศวกรรมที่รวดเร็ว ซึ่งก็คือความสามารถในการถามคำถามเพื่อให้ได้คำตอบที่ดีที่สุดจาก LLM นอกจากนี้ ผู้ปฏิบัติงานยังต้องจ้างวิศวกรข้อมูลและผู้เชี่ยวชาญเฉพาะด้าน “ที่เข้าใจว่าต้องรวบรวมข้อมูลอะไรและอย่างไร รวมถึงติดตามและประเมินคุณภาพของข้อมูลประเภทใหม่ๆ ที่สร้างและใช้งานโดยระบบ GenAI ”

3.2. ความพร้อมของข้อมูลสำหรับแอปพลิเคชัน AI

สถาปัตยกรรมที่ขับเคลื่อนด้วยข้อมูลเป็นกุญแจสำคัญในการรักษาความถูกต้องและความสอดคล้องกันทั่วทั้งเครือข่าย การใช้แบบจำลองข้อมูลร่วมกันช่วยให้มั่นใจได้ว่าข้อมูลจะไหลอย่างราบรื่นในทุกระบบและได้รับการรองรับอย่างถูกต้องแม่นยำในเวิร์กโฟลว์อัตโนมัติทั้งหมด

AI ต้องการข้อมูล และการวิเคราะห์ข้อมูลก็ต้องการ AI ปัจจุบันผู้ให้บริการหลายรายกำลังเผชิญกับความท้าทายสำคัญในการพัฒนากลยุทธ์ข้อมูลที่สอดคล้องกันเพื่อใช้ประโยชน์จากเทคโนโลยี AI อย่างเต็มที่ ผู้ให้บริการในช่วงเริ่มต้นของการทดลอง AI อาจประเมินสิ่งที่จำเป็นต่ำเกินไป โดยเฉพาะอย่างยิ่งในแง่ของข้อมูล เพื่อนำ AI ไปใช้อย่างประสบความสำเร็จในระดับขนาดใหญ่

ผู้ให้บริการหลายรายขาดกลยุทธ์ที่สอดประสานกันซึ่งช่วยให้ข้อมูลไหลในแนวนอนทั่วทั้งองค์กรภายใต้รูปแบบข้อมูลเดียว

ความท้าทายเฉพาะบางประการในการเตรียมข้อมูลสำหรับ AI:

ขาดข้อมูลที่โปร่งใส ชัดเจน สอดคล้อง และนำไปปฏิบัติได้จริง ซึ่งสามารถนำไปประยุกต์ใช้กับส่วนต่างๆ ของธุรกิจได้ ตั้งแต่เครือข่าย การให้บริการ และประสบการณ์ของลูกค้า นี่เป็นสิ่งสำคัญอย่างยิ่งสำหรับทุกกระบวนการที่เกี่ยวข้องกับการดำเนินการที่ขับเคลื่อนด้วยข้อมูลและ AI

การขาดรูปแบบข้อมูลทั่วไป (ปัจจุบันข้อมูลรวบรวมจากผู้จำหน่ายหลายราย) ส่งผลให้การรวบรวมข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างต้องใช้เวลานานเป็นอย่างมาก

การขาดบริบทของข้อมูล การ ไม่ทราบอย่างครบถ้วนว่าข้อมูลถูกเก็บรวบรวมอย่างไร เมื่อใด ที่ไหน และเพื่อจุดประสงค์ใด ถือเป็นอุปสรรคสำคัญอย่างยิ่งที่ Telcos จะต้องเอาชนะหากต้องการนำ GenAI หรือโมเดลการเรียนรู้ของเครื่องจักรประเภทอื่นๆ มาใช้

ผู้ให้บริการกำลังมองเห็นคุณค่าของข้อมูลและกำลังเพิ่มการลงทุนในการวิเคราะห์ข้อมูล Omdia คาดการณ์ว่าผู้ให้บริการทั่วโลกจะลงทุน 2.5 พันล้านดอลลาร์สหรัฐในการวิเคราะห์ข้อมูลภายในปี 2568

อันที่จริง เวลาและการลงทุนที่จำเป็นในการรวบรวม ทำความสะอาด แปลง และจัดเก็บข้อมูลในรูปแบบที่ถูกต้อง มักจะสูงกว่าเวลาที่ใช้ไปในการใช้ข้อมูลนั้นอย่างไม่สมส่วน กระบวนการสร้างคลังข้อมูล (Data Lake) และคลังข้อมูล (Data Warehouse) ได้ดำเนินมาเป็นเวลาหลายปีแล้ว แต่ยังไม่เปิดโอกาสให้ผู้ให้บริการสามารถนำ AI ไปปรับใช้ได้อย่างกว้างขวางทั่วทั้งองค์กร

การถือกำเนิดของนวัตกรรมและการวิเคราะห์ที่ใช้ AI ทำให้เกิดความต้องการและความจำเป็นในการใช้ข้อมูลที่หลากหลายและยืดหยุ่นมากขึ้น ตัวอย่างเช่น:

- AI/การเรียนรู้ของเครื่องจักรต้องใช้ข้อมูลจำนวนมหาศาลในการฝึกโมเดล

- จำเป็นต้องมีชุดข้อมูลที่หลากหลายและประเภทข้อมูลหลายประเภทเพื่อให้แน่ใจว่าผลลัพธ์ AI ที่ไม่เอนเอียง

- เพิ่มเลเยอร์ข้อมูลเพื่อปรับปรุงความแม่นยำของโมเดลและผลกระทบต่อแอปพลิเคชัน

- โมเดลจะต้องได้รับการฝึกอบรมอย่างต่อเนื่องด้วยข้อมูลล่าสุดเพื่อรักษาประสิทธิภาพการทำนาย โดยเฉพาะอย่างยิ่งในสภาพแวดล้อมแบบไดนามิก

- ข้อมูลจะต้องพร้อมใช้งานแบบเรียลไทม์สำหรับฟังก์ชันทางธุรกิจที่สำคัญ โดยเฉพาะในสภาพแวดล้อมที่มีการโต้ตอบกันสูง

การถือกำเนิดของ GenAI ทำให้ผู้ปฏิบัติงานมีโอกาสในการใช้ประโยชน์จากข้อมูลที่ไม่มีโครงสร้างจำนวนมากที่มีอยู่ แต่ข้อมูลเหล่านี้จำเป็นต้องได้รับการแท็กและทำความสะอาดก่อนที่จะป้อนเข้าสู่ LLM

เพื่อให้เกิดความก้าวหน้าอย่างมีนัยสำคัญในด้าน AI จากมุมมองด้านข้อมูล ผู้ประกอบการจำเป็นต้องเปลี่ยนแปลงพื้นฐานในวิธีการจัดการข้อมูลที่ไหลผ่านระบบ และบางครั้งอาจต้องเปลี่ยนแปลงวัฒนธรรมองค์กรด้วย กุญแจสำคัญคือการสร้างแบบจำลองข้อมูลทั่วไปและสร้างแหล่งข้อมูลที่เชื่อถือได้เพียงแหล่งเดียว

การสร้างแหล่งข้อมูลเดียว (Single Source of Truth) เป็นภารกิจที่ซับซ้อนอย่างยิ่งยวด ซึ่งผู้ให้บริการส่วนใหญ่ยังคงทำไม่ได้ เนื่องจากข้อมูลของพวกเขามีการกระจายตัวมากเกินไป BT, Deutsche Telekom และ Telefónica ได้ดำเนินการเพื่อแก้ไขปัญหานี้โดยการย้ายข้อมูลทั้งหมดไปยังคลาวด์สาธารณะ ยกตัวอย่างเช่น ในช่วงสองปีที่ผ่านมา BT ได้ย้ายข้อมูลมากกว่า 90% ไปยัง Google Cloud Platform

สถาปัตยกรรม AI สร้าง ซื้อ และปรับขนาด

AI/GenAi และคลาวด์คอมพิวติ้งมีความคล้ายคลึงกันหลายประการ โดยเฉพาะอย่างยิ่งการเปลี่ยนแปลงทางเทคโนโลยีและการครองตลาดของไฮเปอร์คอล ผู้ให้บริการโทรคมนาคมต่างเผชิญปัญหาเดียวกัน คำถามเดียวกันกับ AI และคลาวด์: ควรซื้ออะไรและควรสร้างอะไร

แนวทางของผู้ให้บริการด้าน AI ส่วนใหญ่ถูกกำหนดโดยหลักการสำคัญของสถาปัตยกรรมแบบเปิดและความสามารถในการประกอบ โอแมร์ อาห์เหม็ด ข่าน จาก Deutsche Telekom กล่าวว่าโครงการ AI ส่วนใหญ่ของบริษัทเกี่ยวข้องกับการผสมผสานระหว่างการสร้างและการซื้อส่วนประกอบต่างๆ “Deutsche Telekom มีกลยุทธ์แบบผสมผสานระหว่างการสร้างและการซื้อ และส่วนการซื้อไม่เคยเกี่ยวข้องกับการซื้อโซลูชันแบบเบ็ดเสร็จที่ครบวงจร”

ผู้ประกอบการเชื่อว่ายังเร็วเกินไปที่จะพิจารณา AI เป็นส่วนหนึ่งของสถาปัตยกรรมองค์กรหรือเป็นส่วนหนึ่งของสถาปัตยกรรมอ้างอิง ผู้ประกอบการบางรายที่มีวิสัยทัศน์และกลยุทธ์ที่ชัดเจนในการผสานรวม AI เข้ากับสถาปัตยกรรมองค์กรในอนาคต ยังตระหนักถึงความท้าทายในการนำไปใช้งาน โดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับบุคลากร เครื่องมือ และความสามารถที่จำเป็นต่อการส่งมอบผลลัพธ์ที่มีประสิทธิภาพและผลตอบแทนจากการลงทุนที่ชัดเจน

การพัฒนาซอฟต์แวร์เชิงอุตสาหกรรมถือเป็นแนวทางปฏิบัติที่ดีสำหรับการพัฒนาอุตสาหกรรม AI โดยการย้ายข้อมูลไปยังคลาวด์สาธารณะและทำให้ข้อมูลสามารถเข้าถึงได้แบบเรียลไทม์ CIO ของผู้ให้บริการโทรคมนาคมรายหนึ่งในเอเชียตะวันออกเฉียงใต้ อธิบายกระบวนการที่บริษัทใช้ในการพัฒนา AI เชิงอุตสาหกรรมว่าเป็น "โรงงานข้อมูล" "สิ่งนี้ช่วยลดเวลาและต้นทุนการผลิต AI ได้อย่างมาก" เขากล่าว

เมื่อสองปีก่อน ต้นทุนการผลิต AI สูงมาก การสร้างแบบจำลอง AI ใช้เวลาหกถึงแปดเดือน แต่ปัจจุบันใช้เวลาเพียงไม่กี่วัน คุณสามารถดำเนินวงจรทั้งหมดได้เร็วขึ้นมาก และใช้คนน้อยลง

การฝึกปฏิบัติในบางสาย:

China Mobile: ได้จัดซื้อฮาร์ดแวร์และสร้างศูนย์ข้อมูลของตนเอง รวมถึงหน่วยประมวลผลกราฟิก (GPU) และตัวเร่งความเร็ว ซึ่งเป็นส่วนหนึ่งของโครงการ Jiutian LLM

Jio: Reliance Industries บริษัทแม่ของ Jio บริษัทโทรคมนาคมของอินเดีย ได้ร่วมมือกับ Nvidia เพื่อสร้างโครงสร้างพื้นฐานซูเปอร์คอมพิวเตอร์สำหรับ AI โดย Reliance มีเป้าหมายที่จะมอบโครงสร้างพื้นฐาน AI ให้กับนักวิทยาศาสตร์ นักพัฒนา และสตาร์ทอัพทั่วอินเดีย และสร้างแอปพลิเคชันและบริการ AI ให้กับลูกค้า 450 ล้านรายของ Jio

การตัดสินใจว่าจะปรับใช้ AI บนคลาวด์สาธารณะหรือคลาวด์ส่วนตัวที่ใดนั้น ถือเป็นเรื่องสำคัญสำหรับบริษัทโทรคมนาคม และส่วนใหญ่ขึ้นอยู่กับขนาดของการใช้งาน การนำ AI ไปใช้บนคลาวด์สาธารณะมีข้อได้เปรียบคือทรัพยากรการประมวลผลที่มากมาย พลังงาน และฮาร์ดแวร์เฉพาะทางที่จำเป็นต่อการประมวลผลอัลกอริทึมที่ซับซ้อนและข้อมูลจำนวนมาก อย่างไรก็ตาม ต้นทุนอาจกลายเป็นปัญหาหากผู้ให้บริการใช้คลาวด์สาธารณะเพื่อประมวลผลข้อมูลปริมาณมากเท่านั้น

ผู้ให้บริการหลายรายมองว่าการตัดสินใจใช้ Private Cloud สำหรับ GenAI เป็นเรื่องที่ทำได้ยาก เว้นแต่ผู้ให้บริการรายนั้นจะสร้าง LLM ของตนเอง เช่นกรณีของ China Mobile, Softbank และ SK Telecom ในเอเชีย และ Deutsche Telekom ในยุโรป ผู้ให้บริการมักให้ความสำคัญกับ Public Cloud ในการทดสอบและสร้าง MVP สำหรับกรณีการใช้งาน AI

เมื่อผู้ให้บริการใช้ AI มากขึ้น ความสัมพันธ์จะแน่นแฟ้นมากขึ้นอย่างหลีกเลี่ยงไม่ได้

- Softbank: ร่วมมือกับ Nvidia เพื่อสร้างศูนย์ข้อมูล (TTDL) ที่ออกแบบมาเพื่อรองรับแอปพลิเคชัน GenAI และไร้สาย โดย TTDL ใหม่จะรองรับทั้งเวิร์กโหลด AI และ 5G

- SK Telecom: กำลังแสวงหาความต้องการศูนย์ข้อมูลที่ใช้ AI ซึ่งเป็นส่วนหนึ่งของเป้าหมายด้าน AI ที่กว้างขึ้นของ SKT Yang-Seob Kim ประธานเจ้าหน้าที่ฝ่ายการเงิน กล่าวว่า SKT วางแผนที่จะ "ส่งเสริมธุรกิจศูนย์ข้อมูลต่อไป โดยมุ่งเน้นไปที่ศูนย์ข้อมูล AI รุ่นต่อไปและการขยายธุรกิจไปทั่วโลก"

NTT กำลังลงทุน 1.5 ล้านล้านเยน (ประมาณ 12,000 ล้านเหรียญสหรัฐ) ในอีกห้าปีข้างหน้าเพื่อขยายและอัพเกรดธุรกิจศูนย์ข้อมูลทั่วโลกเพื่อตอบสนองความต้องการที่เพิ่มขึ้นสำหรับข้อมูลที่เกี่ยวข้องกับการใช้ GenAI ร่วมกับเทคโนโลยีอื่นๆ

ผู้ให้บริการหลายรายมองว่าการตัดสินใจใช้คลาวด์ส่วนตัวสำหรับ GenAI เป็นเรื่องที่ทำได้ยาก เว้นแต่ผู้ให้บริการจะสร้างหลักสูตรปริญญาโทสาขาบริหารธุรกิจ (LLM) ของตนเอง เช่น กรณีของ China Mobile, Softbank และ SK Telecom ในเอเชีย และ Deutsche Telekom ในยุโรป ผู้ให้บริการมักให้ความสำคัญกับคลาวด์สาธารณะสำหรับการทดสอบและสร้าง MVP สำหรับกรณีการใช้งาน AI

เมื่อผู้ให้บริการต่างๆ เร่งใช้ AI มากขึ้น ย่อมนำไปสู่ความสัมพันธ์ที่แน่นแฟ้นยิ่งขึ้นกับบริษัทขนาดใหญ่อย่าง Amazon Web Services, Microsoft Azure และ Google Cloud

อ้างอิง:
1. ศักยภาพทางธุรกิจของ AI: ทำความเข้าใจถึงคุณค่าของ AI สำหรับ
การดำเนินงานโทรคมนาคม https://www.ericsson.com/4ac6ca/
สินทรัพย์/ท้องถิ่น/รายงาน-เอกสาร/ข้อมูลเชิงลึกเพิ่มเติม/เอกสาร/AI-
ศักยภาพทางธุรกิจ.pdf
[2]. Emerging Tech Impact Radar: ปัญญาประดิษฐ์, Gartner, 19 มกราคม 2024 ID G00796195
[3]. AI เชิงสร้างสรรค์: ผู้ปฏิบัติงานเริ่มก้าวแรก TMforum 2023
[4] การสร้างกลยุทธ์ AI ผู้ให้บริการโทรคมนาคมวางรากฐานไว้
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
ตลาดโทรคมนาคม-A09352
[7] Gen AI ในระบบโทรคมนาคม ผลการวิจัยสำคัญจาก GenAI ของ Omdia
แบบสำรวจผู้ให้บริการ Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
โทรคมนาคม/
[9] AI กำลังมุ่งหน้าไปทางไหน? Nokia https://www.nokia.com/thought-
ความเป็นผู้นำ/บทความ/ai/ai-heading อยู่ที่ไหน/
[10]. Ericsson Telco AI, เอกสารภายใน