ٹیلی کام نیٹ ورک آپریٹرز کے لیے AI حکمت عملی کیا ہے؟

کیریئر کم استعمال شدہ ڈیٹا کے ایک بہت بڑے تالاب پر بیٹھے ہیں۔ AI اس ڈیٹا کو نئی خدمات تیار کرنے، موجودہ خدمات کے معیار کو بہتر بنانے، کسٹمر کے تجربے کو بڑھانے اور کاروباری کارروائیوں کو ہموار کرنے کے لیے زرخیز زمین میں بدل دے گا۔

Nguyen Van Yen، VNPT بورڈ آف ڈائریکٹرز کے ممبر

خلاصہ:
ٹیلی کمیونیکیشنز میں ڈیٹا اور AI: کیریئرز کے پاس ڈیٹا کی ایک بڑی مقدار ہے جس کا صحیح استعمال نہیں کیا جا رہا ہے۔ AI خدمات کو بہتر بنانے اور کاروباری کارروائیوں کو بہتر بنانے کے لیے ڈیٹا کو ٹولز میں تبدیل کرنے میں مدد کر سکتا ہے۔
- AI ایپلیکیشن کے رجحانات: 5G اور IoT کی ترقی نے کیریئرز کو 2016 سے AI پر توجہ مرکوز کرنے پر مجبور کیا ہے۔ حال ہی میں، GenAI ایک اسٹریٹجک ٹول کے طور پر ابھرا ہے، خاص طور پر OpenAI کے ChatGPT کے آغاز کے بعد۔
- AI سے معاشی فوائد: AI کی پیش گوئی کی گئی ہے کہ وہ کیریئرز کے لیے بہت زیادہ قدر پیدا کرے گی، بشمول اخراجات میں کمی اور آمدنی کے نئے سلسلے۔ McKinsey کا اندازہ ہے کہ GenAI ٹیلی کمیونیکیشن انڈسٹری میں $100 بلین لا سکتا ہے۔
- تنظیم میں AI ایپلی کیشنز: AI کو تنظیم کے تمام سطحوں پر لاگو کرنے کی ضرورت ہے، ڈیٹا اینالیٹکس سے لے کر انتظامی کاموں تک۔ بہت سے کیریئرز نے وقف شدہ AI یونٹس قائم کیے ہیں اور AI سنٹرز آف ایکسی لینس بنائے ہیں۔
- AI ایپلی کیشن میں خطرات: AI انسانی وسائل کی بھرتی، ڈیٹا کا انتظام اور AI کی تعیناتی میں حفاظت کو یقینی بنانے میں چیلنجز وہ مسائل ہیں جن کا نیٹ ورک آپریٹرز کو سامنا ہے۔ کامیاب اور پائیدار تعیناتی کو یقینی بنانے کے لیے AI گورننس ایک اہم عنصر ہے۔
- AI کے لیے ڈیٹا کی تیاری: AI کو مؤثر طریقے سے لاگو کرنے کے لیے، آپریٹرز کو صاف، مستقل ڈیٹا تیار کرنے اور ایک مشترکہ ڈیٹا ماڈل کو یقینی بنانے کی ضرورت ہے۔ ڈیٹا اکٹھا کرنا اور پروسیسنگ ایک بڑا چیلنج ہے، جس میں ڈیٹا کے تجزیہ اور انتظام میں بڑی سرمایہ کاری کی ضرورت ہوتی ہے۔

ٹیلکو کے لیے اے آئی ایپلی کیشنز کی حالت

5G، IoT کا اضافہ اور بگ ڈیٹا کا بڑھتا ہوا حجم وہ عوامل ہیں جو ٹیلی کام سروس فراہم کرنے والوں کو اپنی توجہ AI کی طرف مبذول کر رہے ہیں۔ کچھ بڑے، مہتواکانکشی آپریٹرز نے 2016، 2017 میں AI کو اپنانا شروع کیا اور 2019 - 2020 تک، ٹیلی کام سیکٹر نے دنیا بھر کے آپریٹرز میں AI کو مضبوطی سے اپنانے کو ریکارڈ کیا ہے۔ پچھلے 12 - 15 مہینوں میں (چیٹ GPT کے ساتھ OpenAI کے آغاز کے بعد سے)، GenAI کی آگاہی AI پر مبنی مواد تخلیق کرنے والے ٹول سے ایک اسٹریٹجک پلیٹ فارم تک پھیل گئی ہے اور دنیا بھر میں تقریباً ہر ٹیلی کام سروس فراہم کنندہ کے لیے تیزی سے سوچ کا مرکز بن رہی ہے۔

2022 میں ٹیلی کمیونیکیشنز مارکیٹ میں AI پر الائیڈ مارکیٹ ریسرچ رپورٹ [6] ظاہر کرتی ہے: "ٹیلی کمیونیکیشن مارکیٹ کے سائز میں عالمی AI کی مالیت 2021 میں USD 1.2 بلین ہے اور توقع ہے کہ 2031 تک 38.8 بلین امریکی ڈالر تک پہنچ جائے گی، جو کہ 20221 سے 41.4٪ کی CAGR سے بڑھ رہی ہے"۔ ٹیلی کمیونیکیشن کمپنیاں (ٹیلکوز) اختراع، آپریشنل کارکردگی اور بہتر کسٹمر کے تجربے کے لیے ایک کلیدی فعال کے طور پر AI کی طرف رجوع کر رہی ہیں۔

ایرکسن کا خیال ہے کہ [1]، AI ٹیلی کمیونیکیشن سمیت صنعتوں کے لیے بے مثال قدر لائے گا۔ نیٹ ورک آپریٹرز کے لیے، AI نیٹ ورک کے آپریشنز کو بہتر بنانے، کسٹمر کے تجربے کو بہتر بنانے، لاگت کو کم کرنے، پائیدار ترقی میں حصہ ڈالنے، آمدنی کے نئے سلسلے بنانے وغیرہ کے مواقع لائے گا۔

گارٹنر [2] نے ایک سروے کیا اور AI سے متعلقہ 29 ٹیکنالوجیز کو 5 گروپوں میں درجہ بندی کیا: AI کور ٹیکنالوجی، GenAI پر مبنی ٹیکنالوجی؛ ڈیٹا سینٹرک AI ٹیکنالوجی؛ اے آئی ٹرسٹ ٹیکنالوجی۔ اگلے 1-3 سالوں میں GenAI پر مبنی ٹیکنالوجیز کی تعیناتی کے رجحان میں تیزی سے اضافے کی پیش گوئی کی گئی ہے۔

Telcos GenAI کو ایک اہم موڑ کے طور پر دیکھتے ہیں، ایک طاقتور ڈرائیور جو آمدنی میں اضافے، اخراجات کو بچانے اور بنیادی طور پر صارف کے تجربے کے منظر نامے کو تبدیل کرنے میں مدد کرتا ہے۔ بہت سے آپریٹرز GenAI کو اپنی AI حکمت عملی میں کلیدی توجہ کے طور پر دیکھتے ہیں۔

AI/GenAI کے معاشی اثرات کی پیمائش

ٹیلی کمیونیکیشن انڈسٹری پر AI کے معاشی اثرات کی پیمائش کرنا کوئی آسان کام نہیں ہے کیونکہ ممکنہ استعمال کے معاملات وسیع اور متنوع ہیں اور مختلف ذرائع سے مارکیٹ ویلیو کے تخمینے بڑے پیمانے پر مختلف ہوتے ہیں۔ تاہم، بہت سے آپریٹرز اس بات پر متفق ہیں کہ AI کے ٹیلکو کاروبار کے فوائد اہم ہیں۔ مثال کے طور پر [4]:

- AI اور آٹومیشن کی وجہ سے لیبر اور ملازمت میں کمی۔ بی ٹی (برطانیہ) کا اندازہ ہے کہ وہ ڈیجیٹلائزیشن اور آٹومیشن کا فائدہ اٹھا کر 2030 تک 10,000 ملازمتوں کو کم کر سکتا ہے۔

- AI سے چلنے والے پروڈکٹس شروع کرکے نئی آمدنی پیدا کریں۔ SK Telecom (جنوبی کوریا) کا خیال ہے کہ وہ 2028 تک 25,000 بلین KRW (تقریباً 18.5 بلین امریکی ڈالر) کی AI سے متعلقہ آمدنی پیدا کر سکتا ہے۔

- اخراجات بچانے یا آمدنی بڑھانے میں مدد کریں۔ McKinsey کا اندازہ ہے کہ GenAI ٹیلی کمیونیکیشن سیکٹر کے لیے $100 بلین تک اضافی مالیت پیدا کر سکتا ہے۔

آپریٹرز دو پہلوؤں کی بنیاد پر ہر AI استعمال کے کیس کے فوائد کی پیمائش کرتے ہیں: مالیاتی (مقدار کے قابل وقت کی بچت، لاگت کی بچت، آمدنی میں اضافہ) اور غیر مالیاتی (ملازمین کا اطمینان، کسٹمر کا اطمینان، چھوٹی اور مشکل وقت کی بچت، پائیداری)

ٹیلکو میں AI کہاں لاگو ہوتا ہے اور AI کو کیسے لاگو کیا جائے۔

کیریئرز AI کو اعداد و شمار کے تجزیہ سے متعلق کاموں اور محکموں پر لاگو کرنے کے لیے ایک اسٹریٹجک ترجیح سمجھتے ہیں۔ تاہم، GenAI کے حالیہ دھماکے نے خاص طور پر Telco میں AI کے اطلاق پر کچھ نقطہ نظر کو ابھارا ہے:

- ٹیلکو میں اے آئی ایپلیکیشن کے علاقے:

- AI ایک اختراعی ٹول ہے، اس لیے کمپنی میں ہر ٹاسک فورس کے لیے AI کا دستیاب ہونا ضروری ہے۔

+ AI کو استعمال میں آسان بنانے کے لیے ہر ممکن کوشش کی جانی چاہیے، یہاں تک کہ کم تکنیکی صلاحیتوں والے گروپوں کے لیے بھی۔

+ AI کے لیے وقف شدہ یونٹوں کو AI کے کامیاب استعمال کے کیسز کے نفاذ کے طریقہ کار کو جاننے اور ان استعمال کے کیسز کو پوری تنظیم میں دوبارہ لاگو کرنے کے لیے مناسب ماڈل اور طریقے بنانے کی ضرورت ہے۔

+ AI تک رسائی کو جمہوری بنانے کے ساتھ ساتھ AI کو اپنانے کے لاگت کے خطرات سے نمٹنے کے لیے AI کے لیے FinOps کے نئے طریقوں کو لاگو کرنے کی ضرورت ہے۔

+ ایک AI گورننس پروگرام تیار کرنے اور لاگو کرنے کی ضرورت ہے تاکہ بے قابو اخراجات کے خطرے کو کم کیا جا سکے اور AI کے استعمال اور تجربہ کی حوصلہ افزائی کی جا سکے۔

- ٹیلکو میں اے آئی کی تعیناتی۔

AI پروڈکٹ اور سروس ڈیولپمنٹ اور ایپلی کیشن کو چلانے کے لیے مہارت اور اختیار کے ساتھ ایک CXO AI پوزیشن بنائیں (مثال کے طور پر Steve Jarrett نے چیف AI آفیسرز (CAIOs) اورنج انوویشن، 12/2023 مقرر کیا؛ دیپیکا Adusumilli، BT میں 10/2023؛ SK Telecom میں Chung Suk-guen)۔

AI تیار کرنے کے لیے ایک ذیلی ادارہ قائم کرنا ، مثال کے طور پر Proximus Ada نیٹ ورک آپریٹر Proximus (Belgium) کا ایک ذیلی ادارہ ہے جو خاص طور پر Proximus کی اندرونی ضروریات کو پورا کرنے اور B2B صارفین کو خدمات فراہم کرنے کے لیے سائبر سیکیورٹی اور AI صلاحیتوں کو فروغ دینے پر توجہ مرکوز کرتا ہے۔

اندرونی AI اور کسٹمر کا سامنا کرنے والے AI افعال کو الگ کریں۔ ایک مرکزی AI تنظیم بنانے کے بجائے، Telefónica نے اسے دو حصوں میں تقسیم کرنے کا فیصلہ کیا: Customer Insights and Innovation; نیٹ ورکس، آئی ٹی سسٹمز، اور انٹرنل ڈیجیٹل ٹرانسفارمیشن (CDS) AI کی طرف۔

ذمہ داریوں کی یہ تقسیم خاص طور پر دلچسپ ہے کیونکہ GenAI کی توجہ نیٹ ورک کے فنکشنز کے مقابلے زیادہ گاہک کی طرف ہے، جبکہ پیشن گوئی کرنے والی AI تیزی سے نیٹ ورک آٹومیشن کے مقاصد کے لیے استعمال ہونے والی ٹیکنالوجی ہے۔

AI ایک نئے کاروباری فنکشن کے طور پر۔ مثال کے طور پر، چائنا موبائل اور ایس کے ٹیلی کام نئی مصنوعات اور خدمات فراہم کرنے کے لیے AI میں بہت زیادہ سرمایہ کاری کر رہے ہیں۔ دونوں کیریئرز کی توجہ بہترین حل اور خصوصیات کے ساتھ اپنا اپنا بڑا زبان کا ماڈل (LLM) بنانا ہے، اور انٹرپرائزز (DNs) اور دیگر کیریئرز تک رسائی فروخت کرنا ہے۔

AI سینٹر آف ایکسی لینس (CoE) کا قیام۔

TMFrum (2023) سروے [4] میں، 53% کیریئرز نے کہا کہ انہوں نے AI CoE قائم کیا ہے۔ لیکن AI CoE کا صحیح سائز، دائرہ کار اور کردار نمایاں طور پر مختلف ہوتا ہے۔ مثال کے طور پر، Vodafone Ziggo (ہالینڈ) کے پاس AI CoE ہے جو کمپنی کے ڈیٹا سائنس کے ماہرین کو اکٹھا کرتا ہے۔

Telefónica کے پاس ایک عالمی AI CoE ہے، جس کی سربراہی نیٹ ورکس اور IT ڈویژن کرتی ہے، جو ڈیٹا اور AI فن تعمیر میں مہارت رکھتی ہے تاکہ ایک مشترکہ ڈیٹا ماڈل میں منتقلی اور AI ٹیکنالوجیز اور حل کی تحقیق کے مقصد کو پورا کیا جا سکے۔

e& (مشرق وسطی) کے پاس ایک CoE ہے جہاں ہر کلیدی محکمہ/فنکشن کا ایک نمائندہ ہوتا ہے، AI گورننس مشن کے ساتھ سب سے آگے ہے تاکہ یہ یقینی بنایا جا سکے کہ AI کے کامیاب استعمال کے کیسز کی تحقیق کی جائے اور مختلف محکموں میں لاگو کیا جائے۔

AI بطور پلیٹ فارم فنکشن۔ کچھ کیریئرز نے AI پلیٹ فارم بنائے ہیں — یا بنا رہے ہیں — جنہیں تنظیم کے مختلف حصوں تک قابل رسائی بنانے کے لیے ڈیزائن کیا گیا ہے۔

مثال کے طور پر، Vodafone کے پاس ایک AI پلیٹ فارم ہے جو مختلف ٹیموں کو اپنے استعمال کے کیسز بنانے کے لیے سیلف سروس ٹولز اور تربیتی مواد بھی فراہم کرتا ہے۔ SK Telecom کے پاس ایک انٹیلی جنس پلیٹ فارم ہے جو پوری تنظیم کو اس LLM تک رسائی فراہم کرتا ہے جسے SKT تیار کر رہا ہے۔

- اے آئی مینجمنٹ

AI گورننس کے تقاضے AI کے لیے گورننس کی بہت سی ضروریات موجودہ ڈیٹا گورننس پروگراموں کا حصہ ہیں۔ تاہم، اضافی AI مخصوص حفاظتی اقدامات کی ضرورت ہے تاکہ یہ یقینی بنایا جا سکے کہ AI ٹولز اور سسٹم محفوظ اور اخلاقی رہیں۔ اے آئی گورننس پروگرام کی دو قسمیں ہیں:

- بیرونی گورننس پروگرام کمپنی سے باہر افراد اور تنظیموں کے تحفظ کے لیے ڈیزائن کیا گیا ہے۔

- داخلی گورننس پروگرام ملازمین کی حفاظت اور اس بات کو یقینی بنانے کے لیے بنائے گئے ہیں کہ AI کامیابی سے اور پائیدار طریقے سے پورے انٹرپرائز میں تعینات ہو۔

گورننس کے پروگرام جن کا مقصد کمپنی سے باہر کے لوگوں اور تنظیموں کی حفاظت کرنا ہے ان کا رجحان ضابطہ اخلاق اور اصول پر مبنی ہوتا ہے۔ مثال کے طور پر، یورپی یونین (EU) نے دسمبر 2023 میں AI ایکٹ منظور کیا، جو 2025 میں نافذ العمل ہوگا، اور امریکا نے اکتوبر 2023 میں AI پر ایک ایگزیکٹو آرڈر جاری کیا۔

سخت حکومتی ضوابط Telcos کو ایسی ٹیکنالوجیز اور صلاحیتیں تیار کرنے میں مدد کر سکتے ہیں جن سے بیرون ملک رقم کمائی جا سکتی ہے، خاص طور پر ان ممالک میں جہاں ڈیٹا کی خودمختاری کے سخت ضابطے ہیں۔

مثال کے طور پر، چائنا موبائل کا خیال ہے کہ وہ AI قوانین کو پورا کرنے کے لیے جو طریقے استعمال کرتا ہے وہ حفاظتی ٹیکنالوجیز تیار کرنے میں مدد کر سکتا ہے جو وہ اپنے صارفین کو پیش کر سکتا ہے۔ Swisscom اپنا AI انفراسٹرکچر بنانے اور اندرونی مہارت کو تیار کرنے کے ساتھ تجربہ کر رہا ہے جسے وہ اپنے IT سروسز کے کاروبار میں قدر اور نئے حل پیدا کرنے کے لیے استعمال کر سکتا ہے۔

GenAI کا ظہور بھی اندرونی AI گورننس کو بہتر بنانے کی ضرورت کو آگے بڑھا رہا ہے: ڈرائیو اسکیل؛ اخراجات کا انتظام؛ تنظیم کو غلط نتائج کے استعمال کے نتائج سے بچائیں۔ تکنیکی قرض کے خطرے کو کم کرنا؛ "بدعنوان" ایل ایل ایم ٹریننگ ماڈل ڈیٹا کے خطرے سے حفاظت؛ انٹلیکچوئل پراپرٹی (IP)/کاپی رائٹ کی خلاف ورزی سے تنظیم کی حفاظت کریں۔

کاروبار میں AI لاگو کرنے کے خطرات

Telco میں GenAI کا اطلاق کرتے وقت خطرات پر TMforum 2023 سروے میں شامل ہیں:

3.1 AI کے لیے انسانی وسائل

جب AI ٹیلنٹ کی خدمات حاصل کرنے کی بات آتی ہے تو، ٹیک کمپنیوں کے مقابلے زیادہ تر ٹیلکوز کو نقصان ہوتا ہے، خاص طور پر جب چھوٹے ٹیلنٹ کی خدمات حاصل کی جاتی ہیں۔ ٹیک کمپنیاں عام طور پر بہتر تنخواہیں، تیزی سے کیریئر کی ترقی، اور نمایاں طور پر زیادہ لچکدار کارپوریٹ کلچر پیش کرتی ہیں۔

ٹیلکو ہیومن ریسورس کی ضروریات پر ٹی ایم فورم کا سروے بذریعہ خاص [4] ظاہر کرتا ہے کہ AI/مشین لرننگ، ڈیٹا اینالیٹکس اور آٹومیشن کی مہارتیں زیادہ مانگ میں ہیں (64%، 69% پر سیکیورٹی سے کم)۔

مہارتوں کی مشکل کے لحاظ سے جنہیں Telcos بھرتی کر سکتا ہے، 59% جواب دہندگان نے کہا کہ ڈیٹا سائنس/ڈیٹا اینالیٹکس پروفیشنلز اور AI/ML پروفیشنلز کو بھرتی کرنا سب سے مشکل ہے (صرف 63% پر سیکیورٹی کے بعد دوسرے نمبر پر)۔

MWC 2024 میں، Korea Telecom (Korea) نے اعلان کیا کہ وہ AICT - AI اور ICT کمپنی بننے کی کوشش میں اس سال 1,000 AI اور ڈیجیٹل ماہرین کو بھرتی کرے گا۔ اسی وقت، KT نے AI کی مہارتوں میں اندرونی تربیت میں بھی اضافہ کیا تاکہ KT کے DNA کو AI کی طرف مکمل طور پر تبدیل کیا جا سکے۔

چائنا موبائل نے 2019 میں Jiutian کو ایک پلیٹ فارم کے طور پر قائم کیا تاکہ 2025 تک ایک انتہائی خودکار کیریئر بننے کے اپنے عزائم کی حمایت کی جا سکے۔ AI پلیٹ فارم کھلے APIs کے ذریعے بیرونی ڈویلپرز کے لیے قابل رسائی ہے۔ اکتوبر 2023 میں، چائنا موبائل نے Jiutian کے حصے کے طور پر اپنا LLM تیار کیا۔ صرف 20 AI انجینئرز سے شروع ہونے والے، چائنا موبائل کے پاس اب 600 AI انجینئرز ہیں اور 2024 کے آخر تک ان کی تعداد 1,000 تک پہنچنے کا منصوبہ ہے۔

Vodafone اپنے AI پلیٹ فارم کے لیے hyperscalers کے ساتھ شراکت کر رہا ہے، لیکن پھر بھی اسے AIOps کی مہارتوں کے ساتھ ساتھ تجزیات، آٹومیشن، کلاؤڈ اور پلیٹ فارمز کی ضرورت ہے۔ ووڈافون کل وقتی خدمات حاصل کر کے ٹیلنٹ کو راغب کر رہا ہے۔

کیپجیمنی کے سینئر ڈائریکٹر آشیش یادیو نے کہا کہ ٹیلکوس بیمہ کی ایک شکل کے طور پر سسٹم انٹیگریشن کمپنیوں کے ذریعے آرکیٹیکٹ کی سطح پر سینئر کلاؤڈ اور اے آئی ٹیلنٹ کو تیزی سے تلاش کر رہی ہے۔ بیمہ کی تعریف کی کئی مختلف طریقوں سے تشریح کی جا سکتی ہے، لیکن اس تناظر میں، Telcos پارٹنر کمپنی کے سینئر ٹیلنٹ کے ساتھ ٹیلکو کی ورکنگ ٹیم کے ایک رکن کے طور پر "علاج" کرتا ہے۔

زیادہ تر ٹیلی کام کمپنیاں ڈیمانڈ پر AI ٹیلنٹ کو فعال طور پر حاصل کرنے کے لیے دوبارہ تربیت اور اپ سکلنگ کو بڑھا رہی ہیں۔ درحقیقت، یہ نقطہ نظر نئے ٹیلنٹ کی خدمات حاصل کرنے کے مقابلے میں زیادہ سرمایہ کاری مؤثر ثابت ہو سکتا ہے، اور اس کا اطلاق دیگر تمام مشکل سے کرایہ پر لینے والی مہارتوں پر تیزی سے کیا جا رہا ہے۔

TMForum کے سروے میں کہ کیریئرز کو AI اور مشین لرننگ کو مؤثر طریقے سے فائدہ اٹھانے کے لیے کیا کرنے کی ضرورت ہے، 60% جواب دہندگان نے کہا کہ موجودہ ملازمین کو ایک سے زیادہ AI مہارتوں میں تربیت دینے کا زیادہ اثر پڑے گا، جب کہ 39% نے کہا کہ اس کا اہم اثر پڑے گا۔

McKinsey & Company کے مطابق، GenAI آپریٹرز کو اندرونی طور پر AI مہارت تیار کرنے پر مجبور کر رہا ہے جبکہ صارفین سے نئی مہارتوں کی بھی ضرورت ہے، جیسے کہ فوری انجینئرنگ — LLM سے بہترین جواب حاصل کرنے کے لیے سوالات پوچھنے کی صلاحیت۔ آپریٹرز کو ڈیٹا انجینئرز اور ڈومین ماہرین کی خدمات حاصل کرنے کی بھی ضرورت ہے "جو سمجھتے ہیں کہ کون سا ڈیٹا اکٹھا کرنا ہے اور اسے کیسے اکٹھا کرنا ہے، ساتھ ہی GenAI سسٹمز کے ذریعہ تیار کردہ اور استعمال ہونے والے ڈیٹا کی نئی قسموں کے معیار کی نگرانی اور جانچ کرنا ہے ۔ "

3.2 AI ایپلیکیشنز کے لیے ڈیٹا کی تیاری

ڈیٹا سے چلنے والا فن تعمیر پورے نیٹ ورک میں درستگی اور مستقل مزاجی کو برقرار رکھنے کی کلید ہے۔ عام ڈیٹا ماڈل کا استعمال یقینی بناتا ہے کہ ڈیٹا تمام سسٹمز میں آسانی سے بہہ جائے اور تمام خودکار ورک فلوز میں درست طریقے سے پیش کیا جائے۔

AI کو ڈیٹا کی ضرورت ہے، اور ڈیٹا اینالیٹکس کو AI کی ضرورت ہے۔ آج بہت سے آپریٹرز کو AI ٹیکنالوجی کا مکمل فائدہ اٹھانے کے لیے مربوط ڈیٹا کی حکمت عملی تیار کرنے میں اہم چیلنجز کا سامنا ہے۔ AI تجربات کے ابتدائی مراحل میں آپریٹرز AI کو کامیابی کے ساتھ پیمانے پر تعینات کرنے کے لیے، خاص طور پر ڈیٹا کے لحاظ سے، ضرورت کو کم کر سکتے ہیں۔

بہت سے کیریئرز میں ایک مربوط حکمت عملی کی کمی ہے جو ڈیٹا کو ایک ڈیٹا ماڈل کے تحت پوری تنظیم میں افقی طور پر بہنے کی اجازت دیتی ہے۔

AI کے لیے ڈیٹا تیار کرنے میں کچھ مخصوص چیلنجز:

صاف، واضح، مسلسل اور قابل عمل ڈیٹا کی کمی ہے جو کاروبار کے مختلف حصوں پر نیٹ ورک سے سروس ڈیلیوری اور کسٹمر کے تجربے پر لاگو کیا جا سکتا ہے۔ یہ ڈیٹا سے چلنے والے، AI سے چلنے والے عمل کے ارد گرد تمام عملوں کے لیے اہم ہے۔

ایک عام ڈیٹا ماڈل کی کمی (ڈیٹا فی الحال متعدد دکانداروں سے جمع کیا جاتا ہے) کے نتیجے میں ساختی اور غیر ساختہ ڈیٹا کا انتہائی وقت طلب جمع ہوتا ہے۔

ڈیٹا سیاق و سباق کا فقدان، پوری طرح سے یہ نہ جاننا کہ ڈیٹا کیسے، کب، کہاں اور کن مقاصد کے لیے جمع کیا جاتا ہے، ایک خاص طور پر اہم رکاوٹ ہے جس پر Telcos کو قابو پانا چاہیے اگر وہ GenAI یا کسی دوسرے قسم کے مشین لرننگ ماڈل کو تعینات کرنا چاہتے ہیں۔

آپریٹرز ڈیٹا کی قدر دیکھ رہے ہیں اور ڈیٹا اینالیٹکس میں اپنی سرمایہ کاری کو بڑھا رہے ہیں۔ اومڈیا کا اندازہ ہے کہ عالمی آپریٹرز 2025 تک ڈیٹا اینالیٹکس میں 2.5 بلین ڈالر کی سرمایہ کاری کریں گے۔

درحقیقت، صحیح فارمیٹ میں ڈیٹا کو جمع کرنے، صاف کرنے، تبدیل کرنے اور ذخیرہ کرنے کے لیے درکار وقت اور سرمایہ کاری اکثر اس ڈیٹا کو استعمال کرنے میں لگنے والے وقت سے غیر متناسب طور پر زیادہ ہوتی ہے۔ ڈیٹا لیکس اور ڈیٹا گودام بنانے کا عمل برسوں سے جاری ہے، لیکن اس نے ابھی تک کیریئرز کو اپنی پوری تنظیم میں پیمانے پر AI کو تعینات کرنے کی صلاحیت نہیں دی ہے۔

AI پر مبنی اختراعات اور تجزیات کی آمد نے مزید متنوع اور لچکدار ڈیٹا کے استعمال کی ضرورت اور مانگ کو جنم دیا ہے، مثال کے طور پر:

- AI/مشین لرننگ کو ماڈلز کو تربیت دینے کے لیے بہت زیادہ ڈیٹا کی ضرورت ہوتی ہے۔

- غیر جانبدارانہ AI نتائج کو یقینی بنانے کے لیے متنوع ڈیٹا سیٹس اور متعدد ڈیٹا کی اقسام کی ضرورت ہے۔

- ماڈل کی درستگی اور اطلاق کے اثرات کو بہتر بنانے کے لیے ڈیٹا لیئرز شامل کریں۔

- پیشن گوئی کی کارکردگی کو برقرار رکھنے کے لیے ماڈلز کو مسلسل تازہ ترین معلومات کے ساتھ تربیت دی جانی چاہیے، خاص طور پر متحرک ماحول میں

- بنیادی طور پر انتہائی متعامل ماحول میں اہم کاروباری افعال کے لیے ڈیٹا حقیقی وقت میں دستیاب ہونا چاہیے

- GenAI کی آمد نے آپریٹرز کو دستیاب غیر ساختہ ڈیٹا کی بڑی مقدار سے فائدہ اٹھانے کا موقع فراہم کیا ہے، لیکن اس ڈیٹا کو LLM میں فیڈ کرنے سے پہلے ٹیگ اور صاف کرنے کی ضرورت ہے۔

ڈیٹا کے نقطہ نظر سے AI میں اہم پیشرفت کرنے کے لیے، آپریٹرز کو اس میں بنیادی تبدیلی کرنے کی ضرورت ہے کہ وہ اپنے سسٹمز میں بہنے والے ڈیٹا تک کیسے پہنچتے ہیں، اور بعض اوقات کارپوریٹ کلچر میں تبدیلی۔ کلید ایک مشترکہ ڈیٹا ماڈل بنانا اور سچائی کا واحد ذریعہ بنانا ہے۔

سچائی کا ایک واحد ذریعہ بنانا ایک انتہائی پیچیدہ کام ہے جو اب تک زیادہ تر آپریٹرز کے ڈیٹا کے ٹکڑے ہونے کی وجہ سے ان کی صلاحیتوں سے باہر ہے۔ BT، Deutsche Telekom اور Telefónica نے اپنے تمام ڈیٹا کو پبلک کلاؤڈ پر منتقل کرکے اس سے نمٹنے کے لیے اقدامات کیے ہیں۔ مثال کے طور پر، پچھلے دو سالوں میں، BT نے اپنے 90% سے زیادہ ڈیٹا کو Google Cloud Platform میں منتقل کر دیا ہے۔

AI آرکیٹیکچر، تعمیر، خرید، اور پیمانہ

AI/GenAi اور کلاؤڈ کمپیوٹنگ کے درمیان بہت سی مماثلتیں ہیں، خاص طور پر تکنیکی تبدیلی اور ہائپر کالرز کا غلبہ۔ کیریئرز کو ایک ہی مسئلہ کا سامنا ہے، ایک ہی سوال جیسے AI اور Cloud: کیا خریدنا ہے اور کیا بنانا ہے؟

AI تک کیریئرز کا نقطہ نظر بڑی حد تک کھلے فن تعمیر اور کمپوز ایبلٹی کے بنیادی اصولوں سے تشکیل پاتا ہے۔ ڈوئچے ٹیلی کام کے عمیر احمد خان کا کہنا ہے کہ کمپنی کے زیادہ تر AI منصوبوں میں مختلف اجزاء کی تعمیر اور خریداری کا مجموعہ شامل ہے، "Deutsche Telekom کے پاس تعمیر اور خریداری کی ایک ہائبرڈ حکمت عملی ہے، اور خریدنے والے حصے میں کبھی بھی مکمل ٹرنکی حل خریدنا شامل نہیں ہے۔"

آپریٹرز کا خیال ہے کہ AI کو ان کے انٹرپرائز فن تعمیر کے حصے کے طور پر یا ان کے حوالہ فن تعمیر کے حصے کے طور پر غور کرنا بہت جلد ہے۔ کچھ آپریٹرز اپنے مستقبل کے انٹرپرائز فن تعمیر میں AI کو ضم کرنے کے لیے واضح وژن اور حکمت عملی کے ساتھ عمل درآمد کے چیلنجوں کو بھی تسلیم کرتے ہیں جو خاص طور پر لوگوں، ٹولز اور صلاحیتوں سے متعلق ہیں جو موثر نتائج اور سرمایہ کاری پر واضح واپسی کے لیے درکار ہیں۔

سافٹ ویئر انڈسٹریلائزیشن کو اے آئی انڈسٹریلائزیشن کے لیے ایک اچھے عمل کے طور پر دیکھا جا سکتا ہے ڈیٹا کو پبلک کلاؤڈز میں منتقل کرکے اور ڈیٹا کو حقیقی وقت میں قابل رسائی بنا کر۔ ایک جنوب مشرقی ایشیائی کیریئر CIO نے اس عمل کو بیان کیا جس کو کمپنی نے AI کو صنعتی بنانے کے لیے "ڈیٹا فیکٹری" کے طور پر لیا تھا۔ "اس سے AI کی پیداوار کے وقت اور لاگت میں نمایاں کمی آئی ہے،" انہوں نے کہا۔

"دو سال پہلے، AI کی پیداوار کی لاگت بہت زیادہ تھی۔ AI ماڈل بنانے میں چھ سے آٹھ مہینے لگے تھے۔ اب اس میں صرف چند دن لگتے ہیں۔ آپ پوری سائیکل کو بہت تیزی سے اور کم لوگوں کے ساتھ چلا سکتے ہیں۔"

کچھ کیریئرز میں مشق کریں:

چائنا موبائل: نے ہارڈ ویئر خریدا ہے اور جیوٹین ایل ایل ایم پروجیکٹ کے حصے کے طور پر گرافکس پروسیسنگ یونٹس (GPUs) اور ایکسلریٹر سمیت اپنا ڈیٹا سینٹر بنایا ہے۔

Jio: ہندوستانی ٹیلی کام کمپنی Jio کی بنیادی کمپنی Reliance Industries نے AI کے لیے سپر کمپیوٹنگ انفراسٹرکچر بنانے کے لیے Nvidia کے ساتھ شراکت کی ہے۔ ریلائنس کا مقصد ہندوستان بھر میں سائنسدانوں، ڈویلپرز اور اسٹارٹ اپس کو AI انفراسٹرکچر فراہم کرنا اور Jio کے 450 ملین صارفین کے لیے AI ایپلیکیشنز اور خدمات بنانا ہے۔

عوامی کلاؤڈ یا پرائیویٹ کلاؤڈ میں AI کو کہاں تعینات کرنا ہے یہ فیصلہ کرنا بھی telcos کے لیے ایک معاملہ ہے اور زیادہ تر تعیناتی کے پیمانے پر منحصر ہے۔ عوامی کلاؤڈ میں AI کی تعیناتی سے کمپیوٹنگ کے وافر وسائل، طاقت اور خصوصی ہارڈ ویئر کا فائدہ ہے جو پیچیدہ الگورتھم اور بڑی مقدار میں ڈیٹا کو پروسیس کرنے کے لیے درکار ہے، تاہم لاگت ایک مسئلہ بن سکتی ہے اگر آپریٹر صرف عوامی کلاؤڈ کو ڈیٹا کی بڑی مقدار پر کارروائی کرنے کے لیے استعمال کرے۔

GenAI کے لیے پرائیویٹ کلاؤڈ استعمال کرنے کے فیصلے کو بہت سے آپریٹرز کے ذریعے ناقابل عمل سمجھا جاتا ہے جب تک کہ آپریٹر اپنا LLM نہ بنا رہا ہو - جیسا کہ ایشیا میں چائنا موبائل، سافٹ بینک اور ایس کے ٹیلی کام اور یورپ میں ڈوئچے ٹیلی کام کا معاملہ۔ آپریٹرز AI استعمال کے معاملات کے لیے MVPs کی جانچ اور تعمیر کے لیے پبلک کلاؤڈ کو ترجیح دیتے ہیں۔

جیسا کہ کیریئرز AI کے استعمال میں اضافہ کرتے ہیں، یہ لامحالہ گہرے تعلقات کا باعث بنے گا۔

- سافٹ بینک: GenAI اور وائرلیس ایپلی کیشنز کی میزبانی کے لیے ڈیزائن کردہ ڈیٹا سینٹرز (TTDL) بنانے کے لیے Nvidia کے ساتھ شراکت داری کی ہے۔ نئے TTDLs AI اور 5G دونوں کام کے بوجھ کو سنبھالیں گے۔

- SK Telecom: SKT کے وسیع تر AI عزائم کے حصے کے طور پر AI پر مبنی ڈیٹا سینٹرز کی مانگ کو آگے بڑھا رہا ہے۔ CFO Yang-Seob Kim نے کہا کہ SKT "اگلی نسل کے AI ڈیٹا سینٹرز اور عالمی توسیع پر توجہ مرکوز کرتے ہوئے اپنے ڈیٹا سینٹر کے کاروبار کو مزید فروغ دینے کا ارادہ رکھتا ہے۔"

- NTT اگلے پانچ سالوں میں 1.5 ٹریلین ین (تقریباً 12 بلین ڈالر) کی سرمایہ کاری کر رہا ہے تاکہ دیگر ٹیکنالوجیز کے ساتھ ساتھ GenAI کے استعمال سے متعلق ڈیٹا کی بڑھتی ہوئی مانگ کو پورا کرنے کے لیے عالمی سطح پر اپنے ڈیٹا سینٹر کے کاروبار کو وسعت دینے اور اسے اپ گریڈ کرنے کے لیے۔

عوامی کلاؤڈ یا پرائیویٹ کلاؤڈ میں AI کو کہاں تعینات کرنا ہے یہ فیصلہ کرنا بھی telcos کے لیے ایک معاملہ ہے اور زیادہ تر تعیناتی کے پیمانے پر منحصر ہے۔ عوامی کلاؤڈ میں AI کی تعیناتی سے کمپیوٹنگ کے وافر وسائل، طاقت اور خصوصی ہارڈ ویئر کا فائدہ ہے جو پیچیدہ الگورتھم اور بڑی مقدار میں ڈیٹا کو پروسیس کرنے کے لیے درکار ہے، تاہم لاگت ایک مسئلہ بن سکتی ہے اگر آپریٹر صرف عوامی کلاؤڈ کو ڈیٹا کی بڑی مقدار پر کارروائی کرنے کے لیے استعمال کرے۔

GenAI کے لیے پرائیویٹ کلاؤڈ استعمال کرنے کے فیصلے کو بہت سے آپریٹرز کے لیے ناقابل عمل سمجھا جاتا ہے جب تک کہ آپریٹر اپنا LLM نہ بنا رہا ہو - جیسا کہ ایشیا میں چائنا موبائل، سافٹ بینک، اور ایس کے ٹیلی کام اور یورپ میں ڈوئچے ٹیلی کام کا معاملہ۔ آپریٹرز AI کے استعمال کے کیسز کے لیے MVPs کی جانچ اور تعمیر کے لیے پبلک کلاؤڈ کو ترجیح دیتے ہیں۔

جیسا کہ کیریئرز اپنے AI کے استعمال کو بڑھا رہے ہیں، یہ لامحالہ سپر کمپنیوں کے ساتھ گہرے تعلقات کا باعث بنے گا - Amazon Web Services، Microsoft Azure، اور Google Cloud۔

حوالہ جات:
1. AI کاروباری صلاحیت: کے لیے AI کی قدر کو سمجھنا
ٹیلی کام آپریشنز https://www.ericsson.com/4ac6ca/
assets/local/reports-papers/further-insights/doc/ai-
business-potential.pdf
[2]۔ ایمرجنگ ٹیک امپیکٹ ریڈار: مصنوعی ذہانت، گارٹنر، 19 جنوری 2024 ID G00796195
[3]۔ جنریٹو AI: آپریٹرز اپنا پہلا قدم اٹھاتے ہیں، TMforum 2023
[4]۔ AI حکمت عملی کی تعمیر telcos نے بنیاد رکھی،
ٹی ایم فورم 3,2024
[5]۔ https://intellias.com/ai-in-telecommunications/
[6]۔ https://www.alliedmarketresearch.com/ai-in-
ٹیلی کمیونیکیشن-مارکیٹ-A09352
[7]۔ Telecoms میں Gen Ai، Omdia کے GenAI telco سے کلیدی نتائج
سروس پرووائیڈر سروے اومڈیا 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
ٹیلی کام/
[9]۔ AI کہاں جا رہا ہے؟ نوکیا https://www.nokia.com/thought-
قیادت/مضامین/AI/Where-is-ai-heading/
[10]۔ Ericsson Telco AI، اندرونی دستاویز

(TT&TT میگزین نمبر 8، اگست 2024 کی پرنٹ پبلیکیشن میں پوسٹ کیا گیا)

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