人工智能在电信领域的趋势

随着AI获得的关注度越来越高，CSP和供应商的对话应聚焦于推动AI技术的成功实施。它们应更加重视如何方便地获取系统和网络资产中的数据，并提高数据质量。开发、部署生产和管理面向用例的AI模型/应用的速度也很重要。同时，还应鼓励员工将AI视为提高生产力的工具，而不是一种威胁。确定促进AI的最佳方法和框架能够让CSP满足最重要的业务需求。

到2021年，58%的运营商将增加AI工具方面的支出；78%的运营商将使用AI实现网络运营自动化列为2021年最重要的IT项目。

主要信息

面向网络的AI继续在电信AI用例中占据主导地位。新冠疫情导致网络流量攀升以及服务体验方面的需求增加。因此，CSP在网络性能和远程操作的深度可见性方面要求越来越高。对于面向网络的AI用例，CSP计划加快投资，旨在确保网络资源有效运行并在需要时可用。

面向客户的AI对客户互动至关重要。数字互动的发展促进了CSP对基于AI的自助服务能力的需求–旨在改善线上客户互动 (针对消费者和企业客户)，同时提高面向客户的运营效率。

人工智能、5G和边缘计算驱动新的商业模式。伴随企业意识到数字化转型的必要性，CSP有机会将AI、边缘计算和4G和5G提供的连接能力结合起来，在实现产品多样化的同时为企业市场创造价值。

给电信运营商的建议

数据管理至关重要。数据是AI发展的关键；伴随网络扩展，越来越多的数据被创造出来。有效地获取和管理这些数据集能够让CSP获得更多智能来解决业务和运营方面的挑战。

投资开放接口和API。这对于简化对数据的访问以及将来自AI模型的洞察用于系统和流程至关重要。

模型管理是一个关键主题。在讨论用例实现时应解决这个问题。例如，对于与网络相关的用例，数以千计的模型将被部署到网络中，每个模型都需要监控和再训练，从而确保策略随着网络的发展保持一致。CSP不能在事后才考虑模型管理，反而应该将它视为首要任务。

在运营实践中应考虑到人类和AI系统之间的交互。这一点非常重要，有助于进一步确保CSP环境中来自AI的决策和策略与组织目标保持一致。

面向网络的AI实施是一种跨网络领域的活动。不要孤立地运作面向网络的AI项目，因为使用AI算法修改策略会影响其它网络领域的运作。

作者： 72iot