¿Qué estrategia de IA deben adoptar los operadores de redes de telecomunicaciones?

Nguyen Van Yen, miembro de la junta directiva de VNPT

Resumen:
Datos e IA en telecomunicaciones: Los operadores gestionan una gran cantidad de datos que no se aprovechan adecuadamente. La IA puede ayudar a transformar los datos en herramientas para mejorar los servicios y optimizar las operaciones comerciales.
- Tendencias de aplicaciones de IA: el desarrollo de 5G e IoT ha impulsado a los operadores a centrarse en la IA desde 2016. Recientemente, GenAI ha surgido como una herramienta estratégica, especialmente después del lanzamiento de ChatGPT de OpenAI.
Beneficios económicos de la IA: Se prevé que la IA genere un gran valor para los operadores, incluyendo la reducción de costes y la creación de nuevas fuentes de ingresos. McKinsey estima que la GenAI podría aportar 100 000 millones de dólares a la industria de las telecomunicaciones.
Aplicaciones de la IA en la organización: La IA debe aplicarse en todos los niveles de la organización, desde el análisis de datos hasta las funciones administrativas. Muchas compañías han establecido unidades especializadas en IA y han creado centros de excelencia en IA.
Riesgos en la aplicación de la IA: Los operadores de red se enfrentan a desafíos como la contratación de personal especializado en IA, la gestión de datos y la seguridad en su implementación. La gobernanza de la IA es un factor clave para garantizar una implementación exitosa y sostenible.
Preparación de datos para la IA: Para aplicar la IA eficazmente, los operadores deben preparar datos limpios y consistentes, y garantizar un modelo de datos común. La recopilación y el procesamiento de datos suponen un gran reto, que requiere grandes inversiones en análisis y gestión de datos.

El estado de las aplicaciones de IA para las telecomunicaciones

El auge del 5G, el IoT y el creciente volumen de Big Data son los factores que impulsan a los proveedores de servicios de telecomunicaciones a centrar su atención en la IA. Algunos de los grandes operadores con mayor ambición comenzaron a adoptar la IA en 2016 y 2017, y entre 2019 y 2020, el sector de las telecomunicaciones registró una sólida adopción de la IA en operadores de todo el mundo . En los últimos 12 a 15 meses (desde el lanzamiento de OpenAI con Chat GPT), el conocimiento de GenAI ha pasado de ser una herramienta de creación de contenido basada en IA a una plataforma estratégica y se está convirtiendo rápidamente en el centro de atención de casi todos los proveedores de servicios de telecomunicaciones del mundo.

El informe de investigación de mercado de Allied [6] sobre la IA en el mercado de las telecomunicaciones en 2022 muestra: «El tamaño del mercado global de la IA en telecomunicaciones se valoró en 1200 millones de dólares en 2021 y se espera que alcance los 38 800 millones de dólares para 2031, con una tasa de crecimiento anual compuesta (TCAC) del 41,4 % entre 2022 y 2031». Las empresas de telecomunicaciones están recurriendo a la IA como un factor clave para la innovación, la eficiencia operativa y la mejora de la experiencia del cliente.

Ericsson cree [1] que la IA aportará un valor sin precedentes a sectores como las telecomunicaciones. Para los operadores de redes, la IA brindará oportunidades para optimizar las operaciones de red, mejorar la experiencia del cliente, reducir costes, contribuir al desarrollo sostenible y generar nuevas fuentes de ingresos, entre otras cosas.

Gartner [2] realizó una encuesta y clasificó 29 tecnologías relacionadas con la IA en cinco grupos: tecnología central de IA, tecnología basada en GenAI, tecnología de IA centrada en datos y tecnología de confianza en IA. Se prevé un aumento considerable de la tendencia a implementar tecnologías basadas en GenAI en los próximos uno a tres años.

Las empresas de telecomunicaciones consideran GenAI como un punto de inflexión, un potente motor para impulsar el crecimiento de los ingresos, ahorrar costes y transformar fundamentalmente el panorama de la experiencia del usuario. Muchos operadores consideran GenAI como un elemento clave de su estrategia de IA.

Medición del impacto económico de la IA/GenAI

Medir el impacto económico de la IA en la industria de las telecomunicaciones no es tarea fácil, ya que los posibles casos de uso son amplios y diversos, y las estimaciones del valor de mercado varían considerablemente según las fuentes. Sin embargo, muchos operadores coinciden en que los beneficios de la IA para el sector de las telecomunicaciones son significativos. Por ejemplo [4]:

Recortes de mano de obra y empleos debido a la IA y la automatización. BT (Reino Unido) estima que podría eliminar 10.000 empleos para 2030 al impulsar la digitalización y la automatización.

Generar nuevos ingresos mediante el lanzamiento de productos basados en IA. SK Telecom (Corea del Sur) cree que puede generar ingresos relacionados con la IA de hasta 25 billones de KRW (unos 18.500 millones de dólares) para 2028.

Ayuda a ahorrar costes o a aumentar los ingresos. McKinsey estima que GenAI podría generar hasta 100 000 millones de dólares en valor añadido para el sector de las telecomunicaciones.

Los operadores miden los beneficios de cada caso de uso de IA en función de dos aspectos: financieros (ahorro de tiempo cuantificable, ahorro de costos, aumento de ingresos) y no financieros (satisfacción de los empleados, satisfacción del cliente, ahorros de tiempo pequeños y difíciles de cuantificar, sostenibilidad).

¿Dónde se aplica la IA en las telecomunicaciones y cómo implementarla?

Los operadores consideran la IA como una prioridad estratégica para su aplicación en tareas y departamentos relacionados con el análisis de datos. Sin embargo, el reciente auge de GenAI ha generado nuevas perspectivas sobre su aplicación en las telecomunicaciones, en particular, como se detalla a continuación:

- Áreas de aplicación de la IA en telecomunicaciones:

- La IA es una herramienta innovadora, por lo que debe estar disponible para todos los grupos de trabajo de la empresa.

+ Se debe hacer todo lo posible para que la IA sea fácil de usar, incluso para grupos con bajas capacidades tecnológicas.

+ Las unidades dedicadas a la IA deben poder conocer las prácticas de implementación de casos de uso de IA exitosos y construir modelos y métodos apropiados para volver a aplicar estos casos de uso en toda la organización.

+ La democratización del acceso a la IA debe ir acompañada de la implementación de nuevos enfoques FinOps para la IA para gestionar los riesgos de costos de su adopción.

+ Es necesario desarrollar e implementar un programa de gobernanza de la IA para reducir el riesgo de costos no controlados y fomentar el uso y la experimentación de la IA.

- Implementación de IA en telecomunicaciones

Crear un puesto de CXO en IA con experiencia y autoridad para impulsar el desarrollo y la aplicación de productos y servicios de IA (p. ej., Steve Jarrett fue designado Director de IA (CAIO) en Orange Innovation, 12/2023; Deepika Adusumilli, 10/2023 en BT; Chung Suk-guen en SK Telecom).

Establecer una filial para desarrollar IA , por ejemplo, Proximus Ada es una filial del operador de red Proximus (Bélgica) que se centra específicamente en el desarrollo de capacidades de ciberseguridad e IA para satisfacer los requisitos internos de Proximus y brindar servicios a clientes B2B.

Separar las funciones de IA interna y de cara al cliente. En lugar de crear una organización de IA centralizada, Telefónica decidió dividirla en dos divisiones: Customer Insights e Innovación; Redes, Sistemas TI; y Transformación Digital Interna (CDS) hacia la IA.

Esta división de responsabilidades es particularmente interesante ya que el enfoque de GenAI está más orientado al cliente que a las funciones de red, mientras que la IA predictiva es cada vez más la tecnología utilizada para fines de automatización de red.

La IA como una nueva función empresarial. Por ejemplo, China Mobile y SK Telecom están invirtiendo fuertemente en IA para ofrecer nuevos productos y servicios. El objetivo de ambas operadoras es desarrollar su propio Modelo de Lenguaje Amplio (LLM) con las mejores soluciones y funciones, y vender acceso a empresas (DN) y otras operadoras.

Establecimiento de un Centro de Excelencia en IA (CoE).

En una encuesta de TMFrum (2023) [4], el 53 % de los operadores afirmaron haber establecido un Centro de Excelencia (CoE) de IA. Sin embargo, el tamaño, el alcance y la función exactos de un CoE de IA varían considerablemente. Por ejemplo, Vodafone Ziggo (Países Bajos) cuenta con un CoE de IA que reúne a los expertos en ciencia de datos de la compañía.

Telefónica cuenta con un CoE de IA global, liderado por la división de Redes y TI, que se especializa en datos y arquitectura de IA para servir al objetivo de realizar la transición a un modelo de datos común e investigar tecnologías y soluciones de IA.

e& (Medio Oriente) tiene un CoE donde cada departamento/función clave tiene un representante, la gobernanza de la IA está a la vanguardia con la misión de garantizar que los casos de uso de IA exitosos se investiguen y apliquen en diferentes departamentos.

La IA como función de plataforma. Algunas aseguradoras han creado, o están creando, plataformas de IA diseñadas para que sean accesibles a diferentes áreas de la organización.

Por ejemplo, Vodafone cuenta con una plataforma de IA que también proporciona herramientas de autoservicio y materiales de capacitación para que los diferentes equipos creen sus propios casos de uso. SK Telecom cuenta con una Plataforma de Inteligencia que brinda a toda la organización acceso al LLM que SKT está desarrollando.

- Gestión de IA

Requisitos de gobernanza de la IA. Muchos requisitos de gobernanza de la IA forman parte de los programas de gobernanza de datos existentes. Sin embargo, se requieren salvaguardas adicionales específicas para la IA a fin de garantizar que las herramientas y los sistemas de IA se mantengan seguros y éticos. Existen dos tipos de programas de gobernanza de la IA:

- El programa de gobernanza externa está diseñado para proteger a las personas y organizaciones fuera de la empresa.

- Los programas de gobernanza interna están diseñados para proteger a los empleados y garantizar que la IA se implemente de manera exitosa y sustentable en toda la empresa.

Los programas de gobernanza destinados a proteger a las personas y organizaciones externas a la empresa suelen ser codificados y normativos. Por ejemplo, la Unión Europea (UE) aprobó la Ley de IA en diciembre de 2023, que entrará en vigor en 2025, y Estados Unidos emitió una Orden Ejecutiva sobre IA en octubre de 2023.

Las regulaciones gubernamentales estrictas pueden ayudar a las empresas de telecomunicaciones a desarrollar tecnologías y capacidades que puedan monetizarse en el extranjero, especialmente en países con estrictas regulaciones sobre soberanía de datos.

Por ejemplo, China Mobile cree que los métodos que utiliza para cumplir con las leyes de IA pueden contribuir al desarrollo de tecnologías de seguridad que puede ofrecer a sus clientes. Swisscom está experimentando con la creación de su propia infraestructura de IA y el desarrollo de experiencia interna que puede utilizar para generar valor y nuevas soluciones en su negocio de servicios de TI.

El surgimiento de GenAI también está impulsando la necesidad de mejorar la gobernanza interna de la IA: impulsar la escala; administrar costos; proteger a la organización de las consecuencias del uso de resultados inexactos; reducir el riesgo de deuda técnica; protegerse contra el riesgo de datos del modelo de capacitación LLM “corruptos”; proteger a la organización de la violación de la propiedad intelectual (PI)/derechos de autor.

Riesgos de aplicar la IA en las empresas

La encuesta de TMforum 2023 sobre los riesgos al aplicar GenAI en Telco incluye:

3.1. Recursos humanos para la IA

A la hora de contratar talento en IA, la mayoría de las empresas de telecomunicaciones se encuentran en desventaja frente a las tecnológicas, especialmente al contratar talento más joven. Las tecnológicas suelen ofrecer mejores salarios, una progresión profesional más rápida y una cultura corporativa mucho más flexible.

La encuesta de TM Forum sobre las necesidades de recursos humanos en telecomunicaciones por especialidad [4] muestra que las habilidades en IA/aprendizaje automático, análisis de datos y automatización tienen una gran demanda (64 %, menos que en seguridad, con un 69 %).

En términos de la dificultad de las habilidades que las empresas de telecomunicaciones pueden reclutar, el 59% de los encuestados dijo que los profesionales de ciencia de datos/análisis de datos y los profesionales de IA/ML son los más difíciles de reclutar (solo superados por la seguridad con un 63%).

En el MWC 2024, Korea Telecom (Corea) anunció que este año contratará hasta 1000 expertos en IA y tecnología digital para convertirse en una empresa especializada en IA y TIC. Al mismo tiempo, KT también incrementó su formación interna en habilidades de IA para transformar por completo su enfoque en la IA.

China Mobile fundó Jiutian en 2019 como plataforma para impulsar su ambición de convertirse en una operadora altamente automatizada para 2025. La plataforma de IA es accesible para desarrolladores externos mediante API abiertas. En octubre de 2023, China Mobile desarrolló su propio LLM como parte de Jiutian. Con tan solo 20 ingenieros de IA, China Mobile cuenta ahora con 600 y planea alcanzar los 1000 para finales de 2024.

Vodafone se asocia con hiperescaladores para su plataforma de IA, pero aún necesita habilidades en AIOps, además de análisis, automatización, nube y plataformas. Vodafone está atrayendo talento mediante la contratación a tiempo completo.

Ashish Yadav, director sénior de Capgemini, afirmó que las empresas de telecomunicaciones buscan cada vez más talento sénior en nube e IA a nivel de arquitecto a través de empresas de integración de sistemas como una forma de internalización. La definición de internalización puede interpretarse de diversas maneras, pero en este contexto, las empresas de telecomunicaciones consideran al talento sénior de la empresa asociada como un miembro más de su equipo de trabajo.

La mayoría de las empresas de telecomunicaciones también están intensificando la capacitación y la formación continua para captar proactivamente talento en IA según la demanda. De hecho, este enfoque puede ser más rentable que contratar nuevos talentos y se aplica cada vez más a todas las demás competencias difíciles de contratar.

En una encuesta de TMForum sobre lo que las compañías de seguros deben hacer para aprovechar eficazmente la IA y el aprendizaje automático, el 60 % de los encuestados dijo que capacitar a los empleados existentes en múltiples habilidades de IA tendría un gran impacto, mientras que el 39 % dijo que tendría un impacto significativo.

Según McKinsey & Company, GenAI obliga a los operadores a desarrollar internamente su experiencia en IA, a la vez que exige nuevas habilidades de los usuarios, como la ingeniería rápida (la capacidad de formular preguntas para obtener la mejor respuesta del LLM). Los operadores también necesitan contratar ingenieros de datos y expertos en el dominio que comprendan qué datos recopilar y cómo hacerlo, además de supervisar y evaluar la calidad de los nuevos tipos de datos generados y utilizados por los sistemas GenAI .

3.2. Preparación de datos para aplicaciones de IA

Una arquitectura basada en datos es clave para mantener la precisión y la consistencia en toda la red. El uso de un modelo de datos común garantiza que los datos fluyan fluidamente entre todos los sistemas y se distribuyan con precisión en todos los flujos de trabajo automatizados.

La IA necesita datos, y el análisis de datos necesita IA. Hoy en día, muchos operadores se enfrentan a importantes desafíos para desarrollar estrategias de datos coherentes que les permitan aprovechar al máximo la tecnología de IA. En las primeras etapas de la experimentación con IA, los operadores pueden subestimar las necesidades, especialmente en términos de datos, para implementar la IA con éxito a gran escala.

Muchos operadores carecen de una estrategia cohesiva que permita que los datos fluyan horizontalmente a través de la organización bajo un único modelo de datos.

Algunos desafíos específicos a la hora de preparar los datos para la IA:

Existe una falta de datos limpios, claros, consistentes y procesables que puedan aplicarse a diferentes áreas del negocio, desde la red hasta la prestación de servicios y la experiencia del cliente. Esto es fundamental para todos los procesos relacionados con la ejecución basada en datos e inteligencia artificial.

La falta de un modelo de datos común (actualmente los datos se recopilan de múltiples proveedores) da como resultado una agregación de datos estructurados y no estructurados que consume muchísimo tiempo.

La falta de contexto de los datos, es decir, no saber completamente cómo, cuándo, dónde y con qué fines se recogen los datos, es un obstáculo especialmente importante que las telcos deben superar si quieren implementar GenAI o cualquier otro tipo de modelo de aprendizaje automático.

Los operadores están reconociendo el valor de los datos y han incrementado sus inversiones en análisis de datos. Omdia estima que los operadores globales invertirán 2500 millones de dólares en análisis de datos para 2025.

De hecho, el tiempo y la inversión necesarios para recopilar, limpiar, transformar y almacenar datos en el formato adecuado suelen ser desproporcionadamente superiores al tiempo que se tarda en utilizarlos. El proceso de creación de lagos y almacenes de datos lleva años en marcha, pero aún no ha permitido a las compañías de telecomunicaciones implementar IA a gran escala en toda su organización.

La llegada de innovaciones y análisis basados en IA ha impulsado la necesidad y la demanda de un uso de datos más diverso y flexible, por ejemplo:

- La IA/aprendizaje automático requiere enormes cantidades de datos para entrenar modelos

- Se necesitan diversos conjuntos de datos y múltiples tipos de datos para garantizar resultados de IA imparciales.

- Agregue capas de datos para mejorar la precisión del modelo y el impacto de la aplicación

- Los modelos deben entrenarse continuamente con la información más reciente para mantener el rendimiento predictivo, especialmente en entornos dinámicos.

- Los datos deben estar disponibles en tiempo real para funciones comerciales críticas, principalmente en entornos altamente interactivos.

- La llegada de GenAI ha brindado a los operadores la oportunidad de aprovechar la gran cantidad de datos no estructurados disponibles, pero estos datos deben etiquetarse y limpiarse antes de incorporarse a LLM.

Para lograr avances significativos en IA desde la perspectiva de los datos, los operadores necesitan un cambio fundamental en su gestión de los datos que fluyen a través de sus sistemas y, en ocasiones, un cambio en la cultura corporativa. La clave reside en construir un modelo de datos común y crear una única fuente de información veraz.

Crear una única fuente de información es una tarea sumamente compleja que, hasta ahora, ha superado las capacidades de la mayoría de los operadores debido a la fragmentación de sus datos. BT, Deutsche Telekom y Telefónica han tomado medidas para abordar este problema migrando todos sus datos a la nube pública. Por ejemplo, en los últimos dos años, BT ha migrado más del 90 % de sus datos a Google Cloud Platform.

Arquitectura de IA: construir, comprar y escalar

Existen muchas similitudes entre la IA/GenAi y la computación en la nube, en particular el cambio tecnológico y el predominio de los hiperllamadores. Los operadores se enfrentan al mismo problema, a la misma pregunta que la IA y la nube: ¿Qué comprar y qué construir?

El enfoque de los operadores hacia la IA se basa principalmente en los principios fundamentales de la arquitectura abierta y la componibilidad. Omair Ahmed Khan, de Deutsche Telekom, afirma que la mayoría de los proyectos de IA de la compañía implican una combinación de desarrollo y compra de diferentes componentes: «Deutsche Telekom tiene una estrategia híbrida de desarrollo y compra, y la compra nunca ha implicado la adquisición de una solución completa llave en mano».

Los operadores creen que es prematuro considerar la IA como parte de su arquitectura empresarial o de su arquitectura de referencia. Algunos operadores con una visión y una estrategia claras para integrar la IA en su futura arquitectura empresarial también reconocen los desafíos de implementación, específicamente relacionados con el personal, las herramientas y las capacidades necesarias para obtener resultados efectivos y un claro retorno de la inversión.

La industrialización del software puede considerarse una buena práctica para la industrialización de la IA, ya que traslada los datos a nubes públicas y los hace accesibles en tiempo real. Un director de TI de una operadora del sudeste asiático describió el proceso que la compañía implementó para industrializar la IA como una "fábrica de datos". "Esto ha reducido significativamente el tiempo y el coste de la producción de IA", afirmó.

Hace dos años, el coste de producción de IA era muy elevado. Crear un modelo de IA tardaba entre seis y ocho meses. Ahora solo se necesitan unos días. Se puede ejecutar todo el ciclo mucho más rápido y con menos personal.

Práctica en algunos operadores:

China Mobile: ha comprado hardware y construido su propio centro de datos, incluyendo unidades de procesamiento gráfico (GPU) y aceleradores como parte del proyecto Jiutian LLM.

Jio: Reliance Industries, empresa matriz de la compañía india de telecomunicaciones Jio, se ha asociado con Nvidia para construir infraestructura de supercomputación para IA. Reliance busca proporcionar infraestructura de IA a científicos, desarrolladores y startups de toda la India, así como crear aplicaciones y servicios de IA para los 450 millones de clientes de Jio.

Decidir dónde implementar IA en una nube pública o privada también es una cuestión que incumbe a las empresas de telecomunicaciones y depende en gran medida de la escala de la implementación. Implementar IA en una nube pública ofrece la ventaja de contar con abundantes recursos informáticos, potencia y hardware especializado para procesar algoritmos complejos y grandes cantidades de datos. Sin embargo, el coste puede ser un problema si el operador solo utiliza la nube pública para procesar grandes volúmenes de datos.

Muchos operadores consideran inviable la decisión de usar la nube privada para GenAI a menos que desarrollen su propia LLM, como es el caso de China Mobile, Softbank y SK Telecom en Asia y Deutsche Telekom en Europa. Los operadores tienden a priorizar la nube pública para realizar pruebas y desarrollar MVP para casos de uso de IA.

A medida que los transportistas aumenten el uso de la IA, esto conducirá inevitablemente a relaciones más profundas.

Softbank se ha asociado con Nvidia para construir centros de datos (TTDL) diseñados para alojar GenAI y aplicaciones inalámbricas. Los nuevos TTDL gestionarán cargas de trabajo de IA y 5G.

SK Telecom: Busca impulsar la demanda de centros de datos basados en IA como parte de las ambiciones más amplias de SKT en materia de IA. El director financiero, Yang-Seob Kim, afirmó que SKT planea impulsar aún más su negocio de centros de datos, centrándose en centros de datos con IA de última generación y en la expansión global.

- NTT está invirtiendo 1,5 billones de yenes (aproximadamente 12 mil millones de dólares) durante los próximos cinco años para expandir y actualizar su negocio de centros de datos a nivel mundial para satisfacer la creciente demanda de datos relacionados con el uso de GenAI, junto con otras tecnologías.

Muchos operadores consideran inviable la decisión de usar una nube privada para GenAI, a menos que construyan su propia LLM, como es el caso de China Mobile, Softbank y SK Telecom en Asia y Deutsche Telekom en Europa. Los operadores tienden a priorizar la nube pública para realizar pruebas y desarrollar MVP para casos de uso de IA.

A medida que los operadores incrementen el uso de IA, esto inevitablemente conducirá a relaciones más profundas con las superempresas: Amazon Web Services, Microsoft Azure y Google Cloud.

Referencias:
1. Potencial comercial de la IA: comprender el valor de la IA para
Operaciones de telecomunicaciones. https://www.ericsson.com/4ac6ca/
activos/local/informes-documentos/más-información/doc/ai-
potencial de negocio.pdf
[2]. Radar de Impacto de Tecnologías Emergentes: Inteligencia Artificial, Gartner, 19 de enero de 2024, ID G00796195
[3] IA generativa: los operadores dan sus primeros pasos, TMforum 2023
[4]. Al desarrollar una estrategia de IA, las empresas de telecomunicaciones sientan las bases,
TMforum 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
mercado de telecomunicaciones-A09352
[7]. Gen Ai en telecomunicaciones, hallazgos clave del estudio GenAI de telecomunicaciones de Omdia
Encuesta a proveedores de servicios Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
Telecomunicaciones/
[9] ¿Hacia dónde se dirige la IA? Nokia https://www.nokia.com/thought-
liderazgo/artículos/ia/hacia-dónde-se-encamina-la-ia/
[10]. Ericsson Telco AI, documento interno