Telekom şebeke operatörleri için hangi yapay zeka stratejisi?

Nguyen Van Yen, VNPT Yönetim Kurulu Üyesi

Özet:
-Telekomünikasyonda Veri ve Yapay Zeka: Operatörlerin, düzgün bir şekilde kullanılmayan büyük miktarda verisi bulunmaktadır. Yapay zeka, verileri hizmetleri iyileştirmek ve iş operasyonlarını optimize etmek için araçlara dönüştürmeye yardımcı olabilir.
- Yapay zeka uygulama trendleri: 5G ve IoT'nin gelişimi, operatörleri 2016'dan bu yana yapay zekaya odaklanmaya itti. Son zamanlarda, özellikle OpenAI'nin ChatGPT'sinin piyasaya sürülmesinden sonra, GenAI stratejik bir araç olarak ortaya çıktı.
- Yapay Zekanın ekonomik faydaları: Yapay zekanın, operatörler için maliyetleri düşürme ve yeni gelir kaynakları yaratma gibi büyük bir değer yaratması bekleniyor. McKinsey, GenAI'nin telekomünikasyon sektörüne 100 milyar dolar kazandırabileceğini tahmin ediyor.
- Kuruluşta yapay zeka uygulamaları: Yapay zekanın, veri analitiğinden idari işlevlere kadar kuruluşun tüm kademelerinde uygulanması gerekir. Birçok operatör, özel yapay zeka birimleri kurmuş ve yapay zeka mükemmellik merkezleri kurmuştur.
- Yapay Zeka Uygulamalarındaki Riskler: Yapay zeka insan kaynağının işe alınması, veri yönetimi ve yapay zeka dağıtımında güvenliğin sağlanması gibi zorluklar, ağ operatörlerinin karşılaştığı sorunlardır. Yapay zeka yönetişimi, başarılı ve sürdürülebilir dağıtımın sağlanmasında önemli bir faktördür.
- Yapay Zeka için Veri Hazırlama: Yapay zekayı etkili bir şekilde uygulamak için operatörlerin temiz ve tutarlı veriler hazırlamaları ve ortak bir veri modeli sağlamaları gerekir. Veri toplama ve işleme, veri analizi ve yönetimine büyük yatırımlar gerektiren büyük bir zorluktur.

Telekomünikasyon sektöründe yapay zeka uygulamalarının durumu

5G'nin yükselişi, Nesnelerin İnterneti (IoT) ve artan Büyük Veri hacmi, telekomünikasyon servis sağlayıcılarını yapay zekaya yöneltmeye iten faktörlerdir. Bazı büyük ve iddialı operatörler 2016, 2017 ve 2019-2020 yıllarında yapay zekayı benimsemeye başladı ve telekomünikasyon sektörü, dünya çapındaki operatörlerde yapay zekayı güçlü bir şekilde benimsedi. Son 12-15 ayda (Chat GPT ile OpenAI'nin piyasaya sürülmesinden bu yana), GenAI farkındalığı yapay zeka tabanlı bir içerik oluşturma aracından stratejik bir platforma dönüştü ve hızla dünya çapındaki hemen hemen her telekomünikasyon servis sağlayıcısının düşünce merkezi haline geliyor.

2022 yılında telekomünikasyon pazarındaki yapay zeka ile ilgili müttefik pazar araştırma raporu [6] şunları göstermektedir: "Telekomünikasyondaki küresel yapay zeka pazarı büyüklüğü 2021'de 1,2 milyar ABD doları olarak değerlendiriliyor ve 2031 yılına kadar 38,8 milyar ABD dolarına ulaşması, 2022'den 2031'e %41,4'lük bir bileşik yıllık büyüme oranıyla büyümesi bekleniyor". Telekomünikasyon şirketleri (telekomünikasyon şirketleri), inovasyon, operasyonel verimlilik ve gelişmiş müşteri deneyimi için önemli bir etken olarak yapay zekaya yöneliyor.

Ericsson, [1] yapay zekanın telekomünikasyon da dahil olmak üzere sektörlere benzeri görülmemiş bir değer katacağına inanıyor. Ağ operatörleri için yapay zeka, ağ operasyonlarını optimize etme, müşteri deneyimini iyileştirme, maliyetleri düşürme, sürdürülebilir kalkınmaya katkıda bulunma, yeni gelir akışları oluşturma vb. fırsatlar sunacak.

Gartner [2] bir anket gerçekleştirerek 29 yapay zeka ile ilgili teknolojiyi 5 gruba ayırdı: Yapay zeka temel teknolojisi, GenAI tabanlı teknoloji; Veri merkezli yapay zeka teknolojisi; AI Trust teknolojisi. GenAI tabanlı teknolojilerin yaygınlaşma eğiliminin önümüzdeki 1-3 yıl içinde keskin bir şekilde artacağı tahmin ediliyor.

Telekomünikasyon şirketleri, GenAI'yı bir dönüm noktası, gelir artışını artırmaya, maliyet tasarrufu sağlamaya ve kullanıcı deneyimi manzarasını kökten değiştirmeye yardımcı olacak güçlü bir itici güç olarak görüyor. Birçok operatör, GenAI'yı yapay zeka stratejilerinin temel odak noktası olarak görüyor.

Yapay Zeka/Yapay Zeka'nın ekonomik etkisinin ölçülmesi

Yapay zekanın telekomünikasyon sektörü üzerindeki ekonomik etkisini ölçmek kolay bir iş değildir, çünkü potansiyel kullanım durumları geniş ve çeşitlidir ve piyasa değeri tahminleri farklı kaynaklardan büyük ölçüde farklılık göstermektedir. Ancak birçok operatör, yapay zekanın telekomünikasyon sektörüne sağladığı faydaların önemli olduğu konusunda hemfikirdir. Örneğin [4]:

- Yapay zeka ve otomasyon nedeniyle iş gücü ve işten çıkarmalar. BT (İngiltere), dijitalleşme ve otomasyondan yararlanarak 2030 yılına kadar 10.000 işi azaltabileceğini tahmin ediyor.

- Yapay zeka destekli ürünler piyasaya sürerek yeni gelir elde etmek. SK Telecom (Güney Kore), 2028 yılına kadar yapay zeka ile ilgili 25.000 milyar KRW'ye (yaklaşık 18,5 milyar ABD doları) kadar gelir elde edebileceğine inanıyor.

- Maliyet tasarrufuna veya gelir artışına yardımcı olur. McKinsey, GenAI'nin telekomünikasyon sektörü için 100 milyar dolara kadar katma değer yaratabileceğini tahmin ediyor.

Operatörler, her bir yapay zeka kullanım örneğinin faydalarını iki unsura göre ölçer: Finansal (ölçülebilir zaman tasarrufu, maliyet tasarrufu, artan gelir) ve finansal olmayan (çalışan memnuniyeti, müşteri memnuniyeti, küçük ve ölçülmesi zor zaman tasarrufu, sürdürülebilirlik)

Yapay zeka telekomünikasyonda nerede uygulanır ve yapay zeka nasıl uygulanır?

Operatörler, yapay zekayı veri analiziyle ilgili görev ve departmanlara uygulanacak stratejik bir öncelik olarak görüyor. Ancak, GenAI'daki son patlama, özellikle telekomünikasyon sektöründe yapay zekanın uygulanmasına ilişkin bazı bakış açılarını gündeme getirdi:

- Telekom sektöründe yapay zekanın uygulama alanları:

- Yapay zeka yenilikçi bir araçtır, dolayısıyla şirketteki her görev gücünün yapay zekaya erişiminin olması gerekir.

+ Yapay zekanın, teknolojik imkânları düşük olan gruplar için bile kolay kullanılabilir olması için her türlü çaba gösterilmelidir.

+ Yapay zekaya adanmış birimlerin, başarılı yapay zeka kullanım örneklerinin uygulama pratiklerini bilmeleri ve bu kullanım örneklerini organizasyon genelinde yeniden uygulamaya yönelik uygun modeller ve yöntemler oluşturmaları gerekir.

+ Yapay zekaya erişimin demokratikleştirilmesi, yapay zekanın benimsenmesinin maliyet risklerini yönetmek için yapay zekaya yönelik yeni FinOps yaklaşımlarının uygulanmasıyla birlikte gerçekleştirilmelidir.

+ Kontrolsüz maliyet riskini azaltmak ve yapay zekanın kullanımını ve deneylerini teşvik etmek için bir yapay zeka yönetişim programının geliştirilmesi ve uygulanması gerekiyor.

- Telekomünikasyonda Yapay Zeka Dağıtımı

Yapay zeka ürün ve hizmet geliştirme ve uygulamalarını yönlendirecek uzmanlık ve yetkiye sahip bir CXO AI pozisyonu oluşturun (örn. Steve Jarrett, 12/2023'te Orange Innovation'da Baş Yapay Zeka Sorumlusu (CAIO) olarak atandı; Deepika Adusumilli, 10/2023'te BT'de; Chung Suk-guen SK Telecom'da).

Örneğin, yapay zeka geliştirmek için bir yan kuruluş kurmak , Proximus Ada, ağ operatörü Proximus'un (Belçika) bir yan kuruluşudur ve özellikle Proximus'un iç gereksinimlerini karşılamak ve B2B müşterilerine hizmet sağlamak için siber güvenlik ve yapay zeka yetenekleri geliştirmeye odaklanır.

Dahili yapay zeka ve müşteri odaklı yapay zeka fonksiyonlarını ayırın. Telefónica, merkezi bir yapay zeka organizasyonu oluşturmak yerine, bunu iki bölüme ayırmaya karar verdi: Müşteri İçgörüleri ve İnovasyon; Ağlar, BT Sistemleri ve Yapay Zeka'ya Yönelik Dahili Dijital Dönüşüm (CDS).

Sorumlulukların bu şekilde bölünmesi özellikle ilgi çekici çünkü GenAI'nin odak noktası ağ işlevlerinden ziyade müşteri odaklı; öngörücü yapay zeka ise giderek artan bir şekilde ağ otomasyonu amaçları için kullanılan bir teknoloji haline geliyor.

Yapay Zeka yeni bir iş fonksiyonu olarak. Örneğin, China Mobile ve SK Telecom, yeni ürün ve hizmetler sunmak için yapay zekaya büyük yatırımlar yapıyor. Her iki operatörün de odak noktası, en iyi çözümler ve özelliklerle kendi Büyük Dil Modellerini (LLM) oluşturmak ve erişimleri işletmelere (DN'ler) ve diğer operatörlere satmaktır.

Yapay Zeka Mükemmeliyet Merkezi'nin (YM) kurulması.

TMFrum (2023) tarafından yapılan bir ankette [4], operatörlerin %53'ü bir Yapay Zeka Mükemmeliyet Merkezi (YZM) kurduklarını belirtmiştir. Ancak bir YZM Mükemmeliyet Merkezi'nin kesin boyutu, kapsamı ve rolü önemli ölçüde değişiklik göstermektedir. Örneğin, Vodafone Ziggo (Hollanda), şirketin veri bilimi uzmanlarını bir araya getiren bir YZM Mükemmeliyet Merkezi'ne sahiptir.

Telefónica'nın, ortak bir veri modeline geçiş hedefine hizmet etmek ve yapay zeka teknolojileri ve çözümleri araştırmak için veri ve yapay zeka mimarisi konusunda uzmanlaşmış, Ağlar ve BT bölümünün liderliğinde küresel bir Yapay Zeka Mükemmeliyet Merkezi bulunmaktadır.

e& (Orta Doğu)'nun her önemli departman/fonksiyonun bir temsilcisinin bulunduğu bir Mükemmeliyet Merkezi vardır; yapay zeka yönetişimi, başarılı yapay zeka kullanım durumlarının araştırılıp farklı departmanlar arasında uygulanmasını sağlama misyonuyla ön plandadır.

Bir platform işlevi olarak yapay zeka. Bazı operatörler, kuruluşun farklı bölümlerinin erişimine açık olacak şekilde tasarlanmış yapay zeka platformları oluşturdu veya oluşturmaya devam ediyor.

Örneğin, Vodafone'un farklı ekiplerin kendi kullanım durumlarını oluşturmaları için self servis araçları ve eğitim materyalleri de sağlayan bir yapay zeka platformu bulunmaktadır. SK Telecom'un ise SKT'nin geliştirmekte olduğu LLM programına tüm kuruluşa erişim sağlayan bir İstihbarat Platformu bulunmaktadır.

- Yapay Zeka Yönetimi

Yapay Zeka Yönetişim Gereksinimleri. Yapay zeka için birçok yönetişim gereksinimi mevcut veri yönetişim programlarının bir parçasıdır. Ancak, yapay zeka araçlarının ve sistemlerinin güvenli ve etik kalmasını sağlamak için yapay zekaya özgü ek güvenlik önlemlerine ihtiyaç vardır. İki tür yapay zeka yönetişim programı vardır:

- Dış yönetişim programı, şirket dışındaki bireyleri ve kuruluşları korumak için tasarlanmıştır.

- İç yönetişim programları, çalışanları korumak ve yapay zekanın kurum genelinde başarılı ve sürdürülebilir bir şekilde dağıtılmasını sağlamak için tasarlanmıştır.

Şirket dışındaki kişileri ve kuruluşları korumayı amaçlayan yönetişim programları genellikle kodlanmış ve normatiftir. Örneğin, Avrupa Birliği (AB), 2025'te yürürlüğe girecek olan Yapay Zeka Yasası'nı Aralık 2023'te kabul etmiş, ABD ise Ekim 2023'te Yapay Zeka ile ilgili bir Yürütme Kararnamesi yayınlamıştır.

Sıkı devlet düzenlemeleri, telekomünikasyon şirketlerinin , özellikle veri egemenliğine ilişkin sıkı düzenlemelerin olduğu ülkelerde, yurt dışında paraya çevrilebilecek teknolojiler ve yetenekler geliştirmesine yardımcı olabilir .

Örneğin China Mobile, yapay zeka yasalarını karşılamak için kullandığı yöntemlerin, müşterilerine sunabileceği güvenlik teknolojilerinin geliştirilmesine yardımcı olabileceğine inanıyor. Swisscom ise kendi yapay zeka altyapısını kurma ve BT hizmetleri işinde değer ve yeni çözümler yaratmak için kullanabileceği şirket içi uzmanlık geliştirme konusunda denemeler yapıyor.

GenAI'nin ortaya çıkışı, aynı zamanda dahili AI yönetişimini iyileştirme ihtiyacını da beraberinde getiriyor: Ölçeği artırın; Maliyetleri yönetin; Kuruluşu yanlış sonuçların kullanılmasının sonuçlarından koruyun; Teknik borç riskini azaltın; "Bozuk" LLM eğitim modeli verilerinin riskine karşı koruma sağlayın; Kuruluşu fikri mülkiyet (FM)/telif hakkı ihlallerinden koruyun.

Yapay zekayı iş dünyasında uygulamanın riskleri

Telekom sektöründe GenAI uygulamasındaki risklere ilişkin TMforum 2023 anketi şunları içeriyor:

3.1. Yapay Zeka için insan kaynakları

Yapay zeka yetenekleri işe alma konusunda çoğu telekomünikasyon şirketi, özellikle genç yetenekleri işe alırken teknoloji şirketlerine kıyasla dezavantajlı durumdadır. Teknoloji şirketleri genellikle daha iyi maaşlar, daha hızlı kariyer ilerlemesi ve önemli ölçüde daha esnek bir kurum kültürü sunar.

TM Forum'un telekomünikasyon sektöründeki insan kaynakları ihtiyaçları üzerine yaptığı anket [4], yapay zeka/makine öğrenimi, veri analitiği ve otomasyon becerilerine olan talebin yüksek olduğunu (yüzde 64, Güvenlik sektöründeki yüzde 69'dan daha az) gösteriyor.

Telekom şirketlerinin işe alabileceği becerilerin zorluğu açısından, katılımcıların %59'u veri bilimi/veri analitiği uzmanları ile yapay zeka/makine öğrenimi uzmanlarının işe alınmasının en zor olduğunu söyledi (%63 ile güvenlikten sonra ikinci sırada).

Korea Telecom (Kore), MWC 2024'te, bir AICT (Yapay Zeka ve Bilişim Teknolojileri) şirketi olma yolunda bu yıl 1.000'e kadar yapay zeka ve dijital uzman işe alacağını duyurdu. KT, aynı zamanda yapay zekaya yönelik DNA'sını tamamen değiştirmek için yapay zeka becerileri konusunda şirket içi eğitimleri de artırdı.

China Mobile, 2025 yılına kadar yüksek otomasyonlu bir operatör olma hedefini desteklemek amacıyla 2019 yılında Jiutian'ı kurdu. Yapay zekâ platformu, açık API'ler aracılığıyla harici geliştiricilerin erişimine açık. China Mobile, Ekim 2023'te Jiutian bünyesinde kendi LLM programını geliştirdi. Başlangıçta sadece 20 yapay zekâ mühendisiyle çalışan China Mobile, şu anda 600 yapay zekâ mühendisine sahip ve 2024 yılı sonuna kadar bu sayıyı 1.000'e çıkarmayı planlıyor.

Vodafone, yapay zeka platformu için hiper ölçekleyicilerle ortaklık kuruyor, ancak analitik, otomasyon, bulut ve platformların yanı sıra AIOps becerilerine de ihtiyaç duyuyor. Vodafone, tam zamanlı işe alımlar yaparak yetenekleri çekiyor.

Capgemini Kıdemli Direktörü Ashish Yadav, telekomünikasyon şirketlerinin, sistem entegrasyon şirketleri aracılığıyla, bir tür iç kaynak kullanımı (Insourcing) yöntemi olarak, mimar seviyesinde kıdemli Bulut ve Yapay Zeka yetenekleri aradığını söyledi. İç kaynak kullanımının tanımı birçok farklı şekilde yorumlanabilir, ancak bu bağlamda telekomünikasyon şirketleri, ortak şirketin kıdemli yeteneklerine kendi çalışma ekibinin bir üyesi olarak "davranır".

Çoğu telekomünikasyon şirketi, talep üzerine yapay zeka yeteneklerini proaktif olarak tedarik etmek için yeniden eğitim ve beceri geliştirme süreçlerini de artırıyor. Aslında bu yaklaşım, yeni yetenekler işe almaktan daha uygun maliyetli olabilir ve işe alınması zor diğer tüm becerilere giderek daha fazla uygulanıyor.

Taşıyıcıların yapay zeka ve makine öğrenimini etkili bir şekilde kullanabilmeleri için neler yapmaları gerektiği konusunda TMForum tarafından yapılan bir ankete katılanların %60'ı mevcut çalışanlara birden fazla yapay zeka becerisi konusunda eğitim verilmesinin yüksek etkiye sahip olacağını söylerken, %39'u ise bunun önemli bir etkiye sahip olacağını söyledi.

McKinsey & Company'ye göre, GenAI, operatörleri şirket içinde yapay zeka uzmanlığı geliştirmeye zorlarken, kullanıcılardan da hızlı mühendislik gibi yeni beceriler talep ediyor; yani LLM'den en iyi yanıtı alabilmek için soru sorma becerisi. Operatörlerin ayrıca, " hangi verileri ve nasıl toplayacağını bilen, ayrıca GenAI sistemleri tarafından üretilen ve kullanılan yeni veri türlerinin kalitesini izleyen ve değerlendiren " veri mühendisleri ve alan uzmanları işe almaları gerekiyor .

3.2. Yapay zeka uygulamaları için veri hazırlığı

Veri odaklı bir mimari, ağ genelinde doğruluk ve tutarlılığın sağlanmasında kilit öneme sahiptir. Ortak bir veri modelinin kullanılması, verilerin tüm sistemler arasında sorunsuz bir şekilde akmasını ve tüm otomatik iş akışlarında doğru bir şekilde sunulmasını sağlar.

Yapay zekânın veriye, veri analitiğinin de yapay zekâya ihtiyacı vardır. Günümüzde birçok operatör, yapay zekâ teknolojisinden tam olarak yararlanmak için tutarlı veri stratejileri geliştirmede önemli zorluklarla karşı karşıyadır. Yapay zekâ deneylerinin ilk aşamalarındaki operatörler, yapay zekâyı büyük ölçekte başarıyla devreye almak için özellikle veri açısından neye ihtiyaç duyulduğunu hafife alabilir.

Birçok taşıyıcının, verilerin tek bir veri modeli altında kuruluş genelinde yatay olarak akmasını sağlayan tutarlı bir stratejisi yoktur.

Verileri yapay zekaya hazırlamada karşılaşılan bazı özel zorluklar:

Ağdan hizmet sunumuna ve müşteri deneyimine kadar işletmenin farklı bölümlerine uygulanabilecek temiz, net, tutarlı ve eyleme geçirilebilir verilerde eksiklik bulunmaktadır . Bu durum, veri odaklı ve yapay zeka destekli tüm süreçler için kritik öneme sahiptir.

Ortak bir veri modelinin olmaması (veriler şu anda birden fazla tedarikçiden toplanıyor), yapılandırılmış ve yapılandırılmamış verilerin toplanmasının son derece zaman alıcı olmasına neden oluyor.

Veri bağlamının eksikliği, yani verilerin nasıl, ne zaman, nerede ve hangi amaçlarla toplandığının tam olarak bilinmemesi, telekom şirketlerinin GenAI veya başka bir makine öğrenmesi modelini uygulamak istemeleri durumunda aşmaları gereken özellikle önemli bir engeldir.

Operatörler verinin değerini görüyor ve veri analitiğine yatırımlarını artırıyor. Omdia, küresel operatörlerin 2025 yılına kadar veri analitiğine 2,5 milyar dolar yatırım yapacağını tahmin ediyor.

Aslında, verileri doğru formatta toplamak, temizlemek, dönüştürmek ve depolamak için gereken zaman ve yatırım, genellikle bu verileri kullanmak için gereken zamandan orantısız bir şekilde daha fazladır. Veri gölleri ve veri ambarları oluşturma süreci yıllardır devam ediyor, ancak henüz operatörlere yapay zekayı tüm kuruluşlarında ölçeklenebilir bir şekilde dağıtma olanağı sağlayamadı.

Yapay zeka tabanlı yeniliklerin ve analitiğin ortaya çıkışı, daha çeşitli ve esnek veri kullanımına olan ihtiyacı ve talebi artırdı, örneğin:

- Yapay zeka/makine öğrenimi, modelleri eğitmek için büyük miktarda veri gerektirir

- Tarafsız yapay zeka sonuçlarının sağlanması için çeşitli veri kümelerine ve birden fazla veri türüne ihtiyaç vardır

- Model doğruluğunu ve uygulama etkisini iyileştirmek için veri katmanları ekleyin

- Özellikle dinamik ortamlarda tahmin performansının sürdürülebilmesi için modellerin sürekli olarak en son bilgilerle eğitilmesi gerekir.

- Veriler, özellikle yüksek etkileşimli ortamlarda, kritik işlevler için gerçek zamanlı olarak kullanılabilir olmalıdır

- GenAI'nin ortaya çıkışı, operatörlere mevcut büyük miktardaki yapılandırılmamış veriyi kullanma fırsatı verdi, ancak bu verilerin LLM'ye aktarılmadan önce etiketlenmesi ve temizlenmesi gerekiyor.

Yapay zeka alanında veri perspektifinden önemli bir ilerleme kaydetmek için, operatörlerin sistemlerinden akan verilere yaklaşımlarında köklü bir değişiklik yapmaları ve bazen de kurum kültürlerinde bir değişiklik yapmaları gerekir. İşin sırrı, ortak bir veri modeli oluşturmak ve tek bir gerçeklik kaynağı yaratmaktır.

Tek bir doğruluk kaynağı oluşturmak, verilerinin parçalanmış olması nedeniyle çoğu operatörün kapasitesinin çok ötesinde olan son derece karmaşık bir görevdir. BT, Deutsche Telekom ve Telefónica, tüm verilerini genel buluta taşıyarak bu sorunu çözmek için adımlar attı. Örneğin, BT son iki yılda verilerinin %90'ından fazlasını Google Cloud Platform'a taşıdı.

Yapay Zeka Mimarisi, Oluşturma, Satın Alma ve Ölçeklendirme

Yapay Zeka/Ai Kuşağı ile bulut bilişim arasında birçok benzerlik var; özellikle teknolojik değişim ve hiper çağrıların hakimiyeti. Operatörler de Yapay Zeka ve Bulut ile aynı sorunla, aynı soruyla karşı karşıya: Ne satın almalı ve ne inşa etmeli?

Operatörlerin yapay zekaya yaklaşımı büyük ölçüde açık mimari ve birleştirilebilirlik temel ilkeleri tarafından şekillendiriliyor. Deutsche Telekom'dan Omair Ahmed Khan, şirketin yapay zeka projelerinin çoğunun farklı bileşenlerin inşası ve satın alınmasını içerdiğini söylüyor: "Deutsche Telekom'un inşa ve satın alma konusunda hibrit bir stratejisi var ve satın alma kısmı hiçbir zaman eksiksiz bir anahtar teslim çözüm satın almayı içermedi."

Operatörler, yapay zekayı kurumsal mimarilerinin veya referans mimarilerinin bir parçası olarak değerlendirmek için henüz çok erken olduğunu düşünüyor. Yapay zekayı gelecekteki kurumsal mimarilerine entegre etmek için net bir vizyon ve stratejiye sahip bazı operatörler, özellikle etkili sonuçlar ve net bir yatırım getirisi sağlamak için gereken kişiler, araçlar ve yeteneklerle ilgili uygulama zorluklarının da farkında.

Yazılım endüstrileşmesi, verileri genel bulutlara taşıyarak ve verilere gerçek zamanlı olarak erişilebilmesini sağlayarak yapay zeka endüstrileşmesi için iyi bir uygulama olarak görülebilir. Güneydoğu Asyalı bir operatör CIO'su, şirketin yapay zekayı endüstrileştirmek için izlediği süreci bir "veri fabrikası" olarak tanımladı. "Bu, yapay zeka üretiminin süresini ve maliyetini önemli ölçüde azalttı," dedi.

"İki yıl önce yapay zeka üretiminin maliyeti çok yüksekti. Bir yapay zeka modeli oluşturmak altı ila sekiz ay sürüyordu. Şimdi ise sadece birkaç gün sürüyor. Tüm döngüyü çok daha hızlı ve daha az insanla yürütebiliyorsunuz."

Bazı operatörlerde uygulama:

China Mobile: Jiutian LLM projesi kapsamında donanım satın aldı ve grafik işleme birimleri (GPU'lar) ve hızlandırıcılar dahil olmak üzere kendi veri merkezini kurdu.

Jio: Hintli telekomünikasyon şirketi Jio'nun ana şirketi Reliance Industries, yapay zeka için süper bilgisayar altyapısı kurmak üzere Nvidia ile ortaklık kurdu. Reliance, Hindistan genelindeki bilim insanlarına, geliştiricilere ve girişimlere yapay zeka altyapısı sağlamayı ve Jio'nun 450 milyon müşterisi için yapay zeka uygulamaları ve hizmetleri oluşturmayı hedefliyor.

Yapay zekanın genel bulutta mı yoksa özel bulutta mı dağıtılacağına karar vermek de telekomünikasyon şirketlerinin meselesidir ve büyük ölçüde dağıtımın ölçeğine bağlıdır. Yapay zekanın genel bulutta dağıtılması, karmaşık algoritmaları ve büyük miktarda veriyi işlemek için gereken bol miktarda bilgi işlem kaynağı, güç ve özel donanım avantajına sahiptir; ancak operatör yalnızca genel bulutu büyük miktarda veriyi işlemek için kullanıyorsa maliyet sorun olabilir.

GenAI için Özel bulut kullanma kararı, operatör kendi LLM'sini oluşturmadığı sürece birçok operatör tarafından uygulanamaz olarak değerlendirilmektedir; örneğin Asya'da China Mobile, Softbank ve SK Telecom ile Avrupa'da Deutsche Telekom gibi. Operatörler, yapay zeka kullanım durumları için MVP'leri test etmek ve oluşturmak amacıyla genellikle Genel bulutu tercih etmektedir.

Taşıyıcılar yapay zeka kullanımını artırdıkça, bu kaçınılmaz olarak daha derin ilişkilere yol açacaktır.

- Softbank: GenAI ve kablosuz uygulamaları barındırmak üzere tasarlanmış veri merkezleri (TTDL) kurmak için Nvidia ile ortaklık kurdu. Yeni TTDL'ler hem yapay zeka hem de 5G iş yüklerini yönetecek.

- SK Telecom: SKT'nin daha geniş kapsamlı yapay zeka hedefleri kapsamında yapay zeka tabanlı veri merkezlerine olan talebin peşinden gidiyor. CFO Yang-Seob Kim, SKT'nin "yeni nesil yapay zeka veri merkezlerine ve küresel genişlemeye odaklanarak veri merkezi işini daha da büyütmeyi" planladığını söyledi.

- NTT, GenAI ve diğer teknolojilerin kullanımına ilişkin artan veri talebini karşılamak amacıyla veri merkezi işini küresel olarak genişletmek ve geliştirmek için önümüzdeki beş yıl içinde 1,5 trilyon yen (yaklaşık 12 milyar dolar) yatırım yapacak.

GenAI için özel bulut kullanma kararı, operatör kendi LLM'sini oluşturmadığı sürece birçok operatör tarafından uygulanamaz olarak değerlendirilmektedir; örneğin Asya'da China Mobile, Softbank ve SK Telecom ile Avrupa'da Deutsche Telekom gibi. Operatörler, yapay zeka kullanım örnekleri için MVP'leri test etmek ve oluşturmak amacıyla genel buluta öncelik verme eğilimindedir.

Taşıyıcılar yapay zeka kullanımını artırdıkça, bu durum kaçınılmaz olarak Amazon Web Services, Microsoft Azure ve Google Cloud gibi süper şirketlerle daha derin ilişkiler kurulmasına yol açacaktır.

Referanslar:
1. Yapay zeka iş potansiyeli: Yapay zekanın değerini anlamak
telekomünikasyon operasyonları. https://www.ericsson.com/4ac6ca/
varlıklar/yerel/raporlar-belgeler/daha-fazla-görüşler/doc/ai-
iş potansiyeli.pdf
[2]. Gelişen Teknoloji Etki Radarı: Yapay Zeka, Gartner, 19 Ocak 2024 Kimlik G00796195
[3]. Üretken Yapay Zeka: Operatörler ilk adımlarını atıyor, TMforum 2023
[4]. Bir Yapay Zeka Stratejisi Oluşturma Telekom şirketleri temelleri attı,
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
telekomünikasyon-pazarı-A09352
[7]. Telekomünikasyonda Gen AI, Omdia'nın GenAI telekomünikasyon şirketinden temel bulgular
hizmet sağlayıcı anketi Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
Telekom/
[9]. Yapay zeka nereye gidiyor? Nokia https://www.nokia.com/thought-
liderlik/makaleler/yapay-zeka/yapay-zeka-nereye-gidiyor/
[10]. Ericsson Telco AI, Dahili belge