Яка стратегія ШІ для операторів телекомунікаційних мереж?

Оператори мають величезний обсяг недовикористаних даних. Штучний інтелект перетворить ці дані на благодатний ґрунт для розробки нових послуг, покращення якості існуючих послуг, покращення обслуговування клієнтів та оптимізації бізнес-операцій.

Нгуєн Ван Єн, член Ради директорів VNPT

Короткий зміст:
-Дані та штучний інтелект у телекомунікаціях: Оператори мають великий обсяг даних, які не використовуються належним чином. Штучний інтелект може допомогти перетворити дані на інструменти для покращення послуг та оптимізації бізнес-операцій.
- Тенденції застосування штучного інтелекту: розвиток 5G та Інтернету речей підштовхнув операторів зв'язку зосередитися на штучному інтелекті з 2016 року. Останнім часом GenAI став стратегічним інструментом, особливо після запуску ChatGPT від OpenAI.
- Економічні вигоди від штучного інтелекту: прогнозується, що штучний інтелект створить величезну цінність для операторів зв'язку, зокрема, скоротить витрати та створить нові потоки доходів. McKinsey оцінює, що GenAI може принести 100 мільярдів доларів у телекомунікаційну галузь.
- Застосування штучного інтелекту в організації: ШІ необхідно застосовувати на всіх рівнях організації, від аналізу даних до адміністративних функцій. Багато операторів зв'язку створили спеціальні підрозділи ШІ та побудували центри передового досвіду в галузі ШІ.
- Ризики у застосуванні ШІ: Проблеми з наймом людських ресурсів для ШІ, управлінням даними та забезпеченням безпеки під час розгортання ШІ – це проблеми, з якими стикаються мережеві оператори. Управління ШІ є важливим фактором для забезпечення успішного та сталого розгортання.
- Підготовка даних для ШІ: Для ефективного застосування ШІ операторам необхідно підготувати чисті, узгоджені дані та забезпечити спільну модель даних. Збір та обробка даних є серйозною проблемою, що вимагає значних інвестицій в аналіз та управління даними.

Стан застосувань штучного інтелекту для телекомунікацій

Зростання популярності 5G, Інтернету речей та зростання обсягів великих даних – це фактори, які спонукають постачальників телекомунікаційних послуг звернути свою увагу на штучний інтелект. Деякі великі, амбітні оператори почали впроваджувати штучний інтелект у 2016, 2017 роках, а до 2019-2020 років телекомунікаційний сектор зафіксував значне впровадження штучного інтелекту операторами по всьому світу . За останні 12-15 місяців (з моменту запуску OpenAI з Chat GPT) усвідомлення GenAI розширилося від інструменту для створення контенту на основі штучного інтелекту до стратегічної платформи, і він швидко стає центром уваги майже кожного постачальника телекомунікаційних послуг у всьому світі.

Звіт Allied Market Research [6] про штучний інтелект на ринку телекомунікацій у 2022 році показує: «Світовий ринок штучного інтелекту в телекомунікаціях оцінюється в 1,2 мільярда доларів США у 2021 році та, як очікується, досягне 38,8 мільярда доларів США до 2031 року, зростаючи зі середньорічним темпом зростання 41,4% з 2022 по 2031 рік». Телекомунікаційні компанії (телекомунікаційні компанії) звертаються до штучного інтелекту як ключового фактора для інновацій, операційної ефективності та покращення клієнтського досвіду.

Ericsson вважає [1], що штучний інтелект принесе безпрецедентну цінність галузям, включаючи телекомунікації. Для мережевих операторів штучний інтелект надасть можливості для оптимізації мережевих операцій, покращення обслуговування клієнтів, зниження витрат, сприяння сталому розвитку, створення нових потоків доходів тощо.

Gartner [2] провела опитування та класифікувала 29 технологій, пов'язаних зі штучним інтелектом, на 5 груп: базові технології штучного інтелекту, технології на основі GenAI; технології штучного інтелекту, орієнтовані на дані; технології довіри до штучного інтелекту. Прогнозується, що тенденція до впровадження технологій на основі GenAI різко зросте в наступні 1-3 роки.

Телекомунікаційні компанії розглядають GenAI як поворотний момент, потужний рушій, який допоможе стимулювати зростання доходів, заощадити витрати та фундаментально змінити ландшафт користувацького досвіду. Багато операторів розглядають GenAI як ключовий напрямок у своїй стратегії ШІ.

Вимірювання економічного впливу штучного інтелекту/генерації штучного інтелекту

Вимірювання економічного впливу штучного інтелекту на телекомунікаційну галузь є непростим завданням, оскільки потенційні варіанти використання є широкими та різноманітними, а оцінки ринкової вартості сильно відрізняються з різних джерел. Однак багато операторів погоджуються, що переваги штучного інтелекту для телекомунікаційного бізнесу є значними. Наприклад [4]:

- Скорочення робочих місць та робочих місць через штучний інтелект та автоматизацію. BT (Велика Британія) оцінює, що може скоротити 10 000 робочих місць до 2030 року завдяки використанню цифровізації та автоматизації.

- Генерувати нові доходи, запускаючи продукти на базі штучного інтелекту. SK Telecom (Південна Корея) вважає, що до 2028 року може генерувати дохід, пов'язаний зі штучним інтелектом, у розмірі до 25 000 мільярдів корейських вон (близько 18,5 мільярдів доларів США).

- Допомагає заощадити витрати або збільшити дохід. McKinsey оцінює, що GenAI може створити до 100 мільярдів доларів доданої вартості для телекомунікаційного сектору.

Оператори вимірюють переваги кожного випадку використання ШІ на основі двох аспектів: фінансового (кількісна економія часу, економія коштів, збільшення доходу) та нефінансового (задоволеність співробітників, задоволеність клієнтів, невелика та важко вимірна економія часу, сталий розвиток).

Де застосовується штучний інтелект у телекомунікаціях та як його впроваджувати

Оператори вважають ШІ стратегічним пріоритетом, який слід застосовувати до завдань та відділів, пов'язаних з аналізом даних. Однак нещодавній бум GenAI порушив деякі перспективи застосування ШІ, зокрема, в телекомунікаційних компаніях, а саме:

- Галузі застосування штучного інтелекту в телекомунікаціях:

- Штучний інтелект – це інноваційний інструмент, тому він має бути доступним для кожної робочої групи в компанії.

+ Необхідно докласти всіх зусиль, щоб зробити ШІ простим у використанні, навіть для груп з низькими технологічними можливостями.

+ Підрозділи, що спеціалізуються на штучному інтелекті, повинні знати практики впровадження успішних варіантів використання ШІ та створювати відповідні моделі та методи для повторного застосування цих варіантів використання по всій організації.

+ Демократизація доступу до ШІ повинна супроводжуватися впровадженням нових підходів FinOps для ШІ з метою управління ризиками витрат, пов'язаними з впровадженням ШІ.

+ Необхідно розробити та впровадити програму управління ШІ, щоб зменшити ризик неконтрольованих витрат та заохотити використання та експериментування зі ШІ.

- Розгортання штучного інтелекту в телекомунікаційних компаніях

Створити посаду CXO (керівного директора з питань штучного інтелекту) з досвідом та повноваженнями для управління розробкою та застосуванням продуктів і послуг на основі штучного інтелекту (наприклад, Стів Джарретт призначений головними директорами зі штучного інтелекту (CAIO) в Orange Innovation, 12/2023; Діпіка Адусуміллі, 10/2023 в BT; Чунг Сукген в SK Telecom).

Створення дочірньої компанії для розробки штучного інтелекту , наприклад, Proximus Ada – це дочірня компанія мережевого оператора Proximus (Бельгія), яка спеціально зосереджується на розробці можливостей кібербезпеки та штучного інтелекту для задоволення внутрішніх потреб Proximus та надання послуг клієнтам B2B.

Розділити внутрішні функції штучного інтелекту та функції штучного інтелекту, орієнтовані на клієнтів. Замість створення централізованої організації штучного інтелекту, Telefónica вирішила розділити її на два підрозділи: Аналітика потреб клієнтів та інновації; Мережі, ІТ-системи та Внутрішня цифрова трансформація (CDS) у напрямку штучного інтелекту.

Такий розподіл обов'язків особливо цікавий, оскільки GenAI більше орієнтований на клієнта, ніж на мережеві функції, тоді як прогнозний ШІ все частіше використовується для автоматизації мереж.

Штучний інтелект як нова бізнес-функція. Наприклад, China Mobile та SK Telecom значно інвестують у штучний інтелект для надання нових продуктів і послуг. Обидва оператори зосереджені на створенні власної великомовної моделі (LLM) з найкращими рішеннями та функціями, а також на продажу доступу підприємствам (DN) та іншим операторам.

Створення Центру передового досвіду (CoE) у сфері штучного інтелекту.

В опитуванні TMFrum (2023) [4] 53% операторів заявили, що створили Центр передового досвіду (ЦП) зі штучним інтелектом. Але точний розмір, обсяг та роль ЦП зі штучним інтелектом суттєво різняться. Наприклад, Vodafone Ziggo (Нідерланди) має ЦП зі штучним інтелектом, який об'єднує експертів компанії з обробки даних.

Telefónica має глобальний центр передового досвіду (AI CoE), який очолює підрозділ мереж та ІТ, що спеціалізується на даних та архітектурі штучного інтелекту з метою переходу до спільної моделі даних та дослідження технологій та рішень у сфері штучного інтелекту.

e& (Близький Схід) має Раду досвіду, де кожен ключовий відділ/функція має свого представника, а управління штучним інтелектом є на передньому краї, а місія полягає в тому, щоб забезпечити дослідження та застосування успішних випадків використання штучного інтелекту в різних відділах.

Штучний інтелект як функція платформи. Деякі оператори зв'язку створили — або створюють — платформи штучного інтелекту, призначені для того, щоб зробити їх доступними для різних частин організації.

Наприклад, Vodafone має платформу штучного інтелекту, яка також надає інструменти самообслуговування та навчальні матеріали для різних команд для створення власних сценаріїв використання. SK Telecom має платформу аналітики, яка надає всій організації доступ до LLM, яку розробляє SKT.

- Управління штучним інтелектом

Вимоги до управління ШІ. Багато вимог до управління ШІ є частиною існуючих програм управління даними. Однак, необхідні додаткові заходи безпеки, специфічні для ШІ, щоб гарантувати, що інструменти та системи ШІ залишаються безпечними та етичними. Існує два типи програм управління ШІ:

- Програма зовнішнього управління розроблена для захисту осіб та організацій поза межами компанії.

- Програми внутрішнього управління розроблені для захисту співробітників та забезпечення успішного та сталого впровадження штучного інтелекту в усьому підприємстві.

Програми управління, спрямовані на захист людей та організацій поза компанією, як правило, кодифіковані та нормативні. Наприклад, Європейський Союз (ЄС) ухвалив Закон про штучний інтелект у грудні 2023 року, який набуде чинності у 2025 році, а США видали Виконавчий указ щодо ШІ у жовтні 2023 року.

Жорстке державне регулювання може допомогти телекомунікаційним компаніям розробляти технології та можливості , які можна монетизувати за кордоном, особливо в країнах із суворими правилами щодо суверенітету даних.

Наприклад, China Mobile вважає, що методи, які вона використовує для дотримання законів про штучний інтелект, можуть допомогти в розробці технологій безпеки, які вона може запропонувати своїм клієнтам. Swisscom експериментує зі створенням власної інфраструктури штучного інтелекту та розвитком внутрішньої експертизи, яку вона може використовувати для створення цінності та нових рішень у своєму бізнесі ІТ-послуг.

Поява GenAI також зумовлює необхідність покращення внутрішнього управління ШІ: збільшення масштабу; управління витратами; захист організації від наслідків використання неточних результатів; зменшення ризику технічного боргу; захист від ризику «пошкоджених» даних моделі навчання LLM; захист організації від порушення інтелектуальної власності (ІВ)/авторських прав.

Ризики застосування штучного інтелекту в бізнесі

Опитування TMforum 2023 щодо ризиків застосування GenAI у телекомунікаційних компаніях включає:

3.1. Людські ресурси для ШІ

Коли справа доходить до найму фахівців зі штучного інтелекту, більшість телекомунікаційних компаній знаходяться у невигідному становищі порівняно з технологічними компаніями, особливо коли йдеться про найм молодших спеціалістів. Технологічні компанії зазвичай пропонують кращі зарплати, швидший кар'єрний ріст та значно гнучкішу корпоративну культуру.

Опитування TM Forum щодо потреб у людських ресурсах телекомунікаційних компаній за спеціальностями [4] показує, що навички у сфері штучного інтелекту/машинного навчання, аналізу даних та автоматизації користуються високим попитом (64%, що менше, ніж у сфері безпеки з 69%).

Щодо складності навичок, які можуть залучити телекомунікаційні компанії, 59% респондентів сказали, що фахівців з обробки даних/аналітики даних та фахівців зі штучного інтелекту/машинного навчання найскладніше залучити (поступаються лише фахівці з безпеки з 63%).

На MWC 2024 компанія Korea Telecom (Корея) оголосила, що цього року набере до 1000 експертів зі штучного інтелекту та цифрових технологій, щоб стати компанією, що спеціалізується на штучному інтелекті та інформаційно-комунікаційних технологій (AICT). Водночас KT також збільшила внутрішнє навчання з навичок роботи зі штучним інтелектом, щоб повністю змінити свою ДНК у напрямку використання штучного інтелекту.

China Mobile заснувала Jiutian у 2019 році як платформу для підтримки своїх амбіцій стати високоавтоматизованим оператором до 2025 року. Платформа штучного інтелекту доступна для зовнішніх розробників через відкриті API. У жовтні 2023 року China Mobile розробила власну програму магістра права (LLM) як частину Jiutian. Починаючи з лише 20 інженерів зі штучного інтелекту, China Mobile зараз має 600 інженерів зі штучного інтелекту та планує досягти 1000 до кінця 2024 року.

Vodafone співпрацює з гіперскейлерами для своєї платформи штучного інтелекту, але все ще потребує навичок AIOps, а також аналітики, автоматизації, хмарних технологій та платформ. Vodafone залучає таланти, наймаючи працівників на повний робочий день.

Ашіш Ядав, старший директор Capgemini, зазначив, що телекомунікаційні компанії все частіше шукають старших спеціалістів з хмарних технологій та штучного інтелекту на рівні архітектора через компанії, що займаються системною інтеграцією, як форму інсорсингу. Визначення інсорсингу можна тлумачити по-різному, але в цьому контексті телекомунікаційні компанії «ставляться» до старших спеціалістів компанії-партнера як до члена робочої команди телекомунікаційної компанії.

Більшість телекомунікаційних компаній також активізують перепідготовку та підвищення кваліфікації, щоб проактивно знаходити фахівців зі штучного інтелекту на вимогу. Фактично, цей підхід може бути більш економічно ефективним, ніж найм нових талантів, і все частіше застосовується до всіх інших важкодоступних фахівців.

В опитуванні TMForum щодо того, що потрібно зробити операторам зв'язку для ефективного використання штучного інтелекту та машинного навчання, 60% респондентів заявили, що навчання існуючих співробітників кільком навичкам штучного інтелекту матиме великий вплив, тоді як 39% сказали, що це матиме значний вплив.

За даними McKinsey & Company, GenAI змушує операторів розвивати експертизу в галузі штучного інтелекту внутрішньо, водночас вимагаючи від користувачів нових навичок, таких як оперативна інженерія — здатність ставити запитання, щоб отримати найкращу відповідь від LLM. Операторам також необхідно наймати інженерів даних та експертів у предметній області, «які розуміють, які дані збирати та як їх збирати, а також контролюють та оцінюють якість нових типів даних, що генеруються та використовуються системами GenAI » .

3.2. Готовність даних для застосувань штучного інтелекту

Архітектура, керована даними, є ключем до підтримки точності та узгодженості в мережі. Використання єдиної моделі даних забезпечує безперебійний потік даних між усіма системами та їх точне обслуговування в усіх автоматизованих робочих процесах.

Штучному інтелекту потрібні дані, а аналітика даних потребує ШІ. Багато операторів сьогодні стикаються зі значними труднощами в розробці узгоджених стратегій обробки даних для повного використання технологій ШІ. Оператори на ранніх стадіях експериментів зі ШІ можуть недооцінювати те, що потрібно, особливо з точки зору даних, для успішного розгортання ШІ в великих масштабах.

Багатьом операторам не вистачає цілісної стратегії, яка б дозволяла даним горизонтально передавати дані по всій організації в рамках єдиної моделі даних.

Деякі конкретні проблеми підготовки даних для ШІ:

Бракує чітких, зрозумілих, послідовних та практичних даних , які можна застосувати до різних частин бізнесу, від мережі до надання послуг та взаємодії з клієнтами. Це критично важливо для всіх процесів, пов'язаних з виконанням на основі даних та штучного інтелекту.

Відсутність спільної моделі даних (дані наразі збираються від кількох постачальників) призводить до надзвичайно трудомісткої агрегації структурованих та неструктурованих даних.

Відсутність контексту даних, неповне уявлення про те, як, коли, де та для яких цілей збираються дані, є особливо значною перешкодою, яку телекомунікаційні компанії повинні подолати, якщо вони хочуть впровадити GenAI або будь-який інший тип моделі машинного навчання.

Оператори усвідомлюють цінність даних і збільшують свої інвестиції в аналітику даних. Omdia оцінює, що світові оператори інвестують 2,5 мільярда доларів в аналітику даних до 2025 року.

Фактично, час та інвестиції, необхідні для збору, очищення, перетворення та зберігання даних у правильному форматі, часто непропорційно вищі, ніж час, необхідний для використання цих даних. Процес створення озер даних та сховищ даних триває вже багато років, але він ще не дав операторам можливості розгортати штучний інтелект у великих масштабах по всій своїй організації.

Поява інновацій та аналітики на основі штучного інтелекту зумовила потребу та попит на більш різноманітне та гнучке використання даних, наприклад:

- Штучний інтелект/машинне навчання потребує величезних обсягів даних для навчання моделей

- Для забезпечення неупереджених результатів ШІ необхідні різноманітні набори даних та різні типи даних

- Додайте шари даних для покращення точності моделі та впливу на застосування

- Моделі необхідно постійно навчати, використовуючи найновішу інформацію, щоб підтримувати прогностичну ефективність, особливо в динамічних середовищах.

- Дані повинні бути доступні в режимі реального часу для критично важливих бізнес-функцій, насамперед у високоінтерактивних середовищах

- Поява GenAI дала операторам можливість використовувати велику кількість доступних неструктурованих даних, але ці дані необхідно позначити тегами та очистити, перш ніж їх буде передано в LLM.

Щоб досягти значного прогресу в галузі штучного інтелекту з точки зору даних, операторам необхідно внести фундаментальні зміни у свій підхід до даних, що проходять через їхні системи, а іноді й змінити корпоративну культуру. Ключовим є створення спільної моделі даних та єдиного джерела достовірної інформації.

Створення єдиного джерела достовірної інформації – це надзвичайно складне завдання, яке досі виходило за межі можливостей більшості операторів через фрагментацію їхніх даних. BT, Deutsche Telekom та Telefónica вжили заходів для вирішення цієї проблеми, перемістивши всі свої дані до публічної хмари. Наприклад, за останні два роки BT перенесла понад 90% своїх даних на платформу Google Cloud.

Архітектура, складання, купівля та масштабування на основі штучного інтелекту

Існує багато спільного між штучним інтелектом/поколінням штучного інтелекту (AI/GenAi) та хмарними обчисленнями, зокрема, технологічний зсув та домінування гіперколерів. Оператори стикаються з тією ж проблемою, тим самим питанням, що й ШІ та хмарні технології: що купити, а що створити?

Підхід операторів до штучного інтелекту значною мірою формується основними принципами відкритої архітектури та компонувальності. Омайр Ахмед Хан з Deutsche Telekom каже, що більшість проектів компанії у сфері штучного інтелекту передбачають поєднання створення та купівлі різних компонентів: «Deutsche Telekom має гібридну стратегію створення та купівлі, і частина купівлі ніколи не передбачала купівлю готового рішення».

Оператори вважають, що ще зарано розглядати ШІ як частину своєї корпоративної архітектури або як частину своєї еталонної архітектури. Деякі оператори з чітким баченням та стратегією інтеграції ШІ в свою майбутню корпоративну архітектуру також визнають проблеми впровадження, пов'язані, зокрема, з людьми, інструментами та можливостями, необхідними для досягнення ефективних результатів та чіткої окупності інвестицій.

Індустріалізацію програмного забезпечення можна розглядати як гарну практику для індустріалізації штучного інтелекту шляхом переміщення даних у публічні хмари та забезпечення доступу до них у режимі реального часу. Директор з інформаційних технологій компанії з Південно-Східної Азії описав процес індустріалізації штучного інтелекту як «фабрику даних». «Це значно скоротило час і вартість виробництва штучного інтелекту», – сказав він.

«Два роки тому вартість виробництва штучного інтелекту була дуже високою. На створення моделі штучного інтелекту потрібно було від шести до восьми місяців. Зараз це займає лише кілька днів. Ви можете виконати весь цикл набагато швидше та з меншою кількістю людей».

Практика в деяких перевізниках:

China Mobile: придбала обладнання та побудувала власний центр обробки даних, включаючи графічні процесори (GPU) та прискорювачі, в рамках проекту Jiutian LLM.

Jio: Reliance Industries, материнська компанія індійської телекомунікаційної компанії Jio, співпрацює з Nvidia для створення суперкомп'ютерної інфраструктури для штучного інтелекту. Reliance прагне забезпечити інфраструктуру штучного інтелекту вченим, розробникам та стартапам по всій Індії, а також створювати програми та послуги штучного інтелекту для 450 мільйонів клієнтів Jio.

Вирішення питання про те, де розгортати ШІ у публічній чи приватній хмарі, також є питанням телекомунікаційних компаній і значною мірою залежить від масштабу розгортання. Розгортання ШІ у публічній хмарі має перевагу у вигляді великих обчислювальних ресурсів, потужності та спеціалізованого обладнання, необхідного для обробки складних алгоритмів і великих обсягів даних, проте вартість може стати проблемою, якщо оператор використовує публічну хмару лише для обробки великих обсягів даних.

Рішення використовувати приватну хмару для GenAI багато операторів вважають нездійсненним, якщо оператор не створює власну LLM – як у випадку China Mobile, Softbank та SK Telecom в Азії та Deutsche Telekom у Європі. Оператори схильні надавати пріоритет публічній хмарі для тестування та створення MVP для випадків використання ШІ.

Оскільки оператори зв'язку збільшують використання штучного інтелекту, це неминуче призведе до глибших стосунків.

- Softbank: співпрацює з Nvidia для створення центрів обробки даних (TTDL), призначених для розміщення додатків GenAI та бездротових додатків. Нові TTDL оброблятимуть навантаження як від штучного інтелекту, так і від 5G.

- SK Telecom: прагне задовольнити попит на центри обробки даних на базі штучного інтелекту в рамках ширших амбіцій SKT у сфері штучного інтелекту. Фінансовий директор Ян-Соб Кім заявив, що SKT планує «подальше розширювати свій бізнес центрів обробки даних, зосереджуючись на центрах обробки даних зі штучним інтелектом наступного покоління та глобальній експансії».

– NTT інвестує 1,5 трильйона єн (близько 12 мільярдів доларів) протягом наступних п’яти років у розширення та модернізацію свого бізнесу центрів обробки даних по всьому світу, щоб задовольнити зростаючий попит на дані, пов’язані з використанням GenAI, а також інших технологій.

Вирішення питання про те, де розгортати ШІ у публічній чи приватній хмарі, також є питанням телекомунікаційних компаній і значною мірою залежить від масштабу розгортання. Розгортання ШІ у публічній хмарі має перевагу у вигляді великих обчислювальних ресурсів, потужності та спеціалізованого обладнання, необхідного для обробки складних алгоритмів і великих обсягів даних, проте вартість може стати проблемою, якщо оператор використовує публічну хмару лише для обробки великих обсягів даних.

Рішення використовувати приватну хмару для GenAI вважається багатьма операторами нездійсненним, якщо оператор не створює власну LLM – як у випадку China Mobile, Softbank та SK Telecom в Азії та Deutsche Telekom у Європі. Оператори схильні надавати пріоритет публічній хмарі для тестування та створення MVP для випадків використання ШІ.

Оскільки оператори зв'язку нарощують використання штучного інтелекту, це неминуче призведе до глибших відносин із суперкомпаніями — Amazon Web Services, Microsoft Azure та Google Cloud.

Список літератури:
1. Потенціал ШІ для бізнесу: Розуміння цінності ШІ для
телекомунікаційні операції. https://www.ericsson.com/4ac6ca/
активи/локальні/звіти-документи/додаткові-ідеї/документ/AI-
бізнес-потенціал.pdf
[2]. Радар впливу нових технологій: штучний інтелект, Gartner, 19 січня 2024 р., ID G00796195
[3]. Генеративний ШІ: оператори роблять перші кроки, TMforum 2023
[4]. Розробка стратегії штучного інтелекту. Телекомунікаційні компанії закладають основи,
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
ринок-телекомунікацій-A09352
[7]. Покоління штучного інтелекту в телекомунікаціях, ключові висновки телекомунікаційної компанії Omdia GenAI
опитування постачальників послуг Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
Телеком/
[9]. Куди рухається штучний інтелект? Nokia https://www.nokia.com/thought-
лідерство/статті/штучний інтелект/куди-прямує-штучний інтелект/
[10]. Ericsson Telco AI, внутрішній документ

(Опубліковано у друкованому виданні журналу TT&TT № 8, серпень 2024 р.)

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