Apa strategi AI untuk operator jaringan telekomunikasi?

Nguyen Van Yen, Anggota Dewan Direksi VNPT

Ringkasan:
Data dan AI dalam telekomunikasi: Operator memiliki sejumlah besar data yang tidak dimanfaatkan dengan baik. AI dapat membantu mengubah data menjadi alat untuk meningkatkan layanan dan mengoptimalkan operasi bisnis.
Tren aplikasi AI: Perkembangan 5G dan IoT telah mendorong operator untuk fokus pada AI sejak 2016. Baru-baru ini, GenAI telah muncul sebagai alat strategis, terutama setelah peluncuran ChatGPT OpenAI.
Manfaat ekonomi dari AI: AI diprediksi akan menciptakan nilai yang sangat besar bagi operator, termasuk memangkas biaya dan menciptakan aliran pendapatan baru. McKinsey memperkirakan GenAI dapat menghasilkan $100 miliar bagi industri telekomunikasi.
Aplikasi AI dalam organisasi: AI perlu diterapkan di semua tingkatan organisasi, mulai dari analitik data hingga fungsi administratif. Banyak operator telah mendirikan unit AI khusus dan membangun pusat keunggulan AI.
Risiko dalam penerapan AI: Tantangan dalam merekrut sumber daya manusia AI, mengelola data, dan memastikan keamanan dalam penerapan AI merupakan isu yang dihadapi operator jaringan. Tata kelola AI merupakan faktor penting untuk memastikan penerapan yang sukses dan berkelanjutan.
Mempersiapkan data untuk AI: Untuk menerapkan AI secara efektif, operator perlu mempersiapkan data yang bersih dan konsisten serta memastikan model data yang umum. Pengumpulan dan pemrosesan data merupakan tantangan besar, yang membutuhkan investasi besar dalam analisis dan pengelolaan data.

Keadaan aplikasi AI untuk telekomunikasi

Perkembangan 5G, IoT, dan meningkatnya volume Big Data merupakan faktor-faktor yang mendorong penyedia layanan telekomunikasi untuk mengalihkan perhatian mereka ke AI. Beberapa operator besar yang ambisius mulai mengadopsi AI pada tahun 2016, 2017, dan pada tahun 2019-2020, sektor telekomunikasi telah mencatat adopsi AI yang kuat di kalangan operator di seluruh dunia . Dalam 12-15 bulan terakhir (sejak peluncuran OpenAI dengan Chat GPT), kesadaran akan GenAI telah berkembang dari sekadar alat pembuat konten berbasis AI menjadi platform strategis dan dengan cepat menjadi pusat pemikiran bagi hampir setiap penyedia layanan telekomunikasi di seluruh dunia.

Laporan riset pasar sekutu [6] tentang AI di pasar telekomunikasi pada tahun 2022 menunjukkan: “Ukuran pasar AI global dalam telekomunikasi bernilai USD 1,2 miliar pada tahun 2021 dan diperkirakan akan mencapai USD 38,8 miliar pada tahun 2031, tumbuh pada CAGR sebesar 41,4% dari tahun 2022 hingga 2031”. Perusahaan telekomunikasi (telco) beralih ke AI sebagai pendorong utama untuk inovasi, efisiensi operasional, dan peningkatan pengalaman pelanggan.

Ericsson yakin [1], AI akan memberikan nilai yang belum pernah ada sebelumnya bagi berbagai industri, termasuk telekomunikasi. Bagi operator jaringan, AI akan menghadirkan peluang untuk mengoptimalkan operasi jaringan, meningkatkan pengalaman pelanggan, mengurangi biaya, berkontribusi pada pembangunan berkelanjutan, menciptakan aliran pendapatan baru, dan sebagainya.

Gartner [2] melakukan survei dan mengklasifikasikan 29 teknologi terkait AI ke dalam 5 kelompok: teknologi inti AI, teknologi berbasis GenAI; teknologi AI yang berpusat pada data; teknologi AI Trust. Tren penerapan teknologi berbasis GenAI diperkirakan akan meningkat tajam dalam 1-3 tahun ke depan.

Perusahaan telekomunikasi memandang GenAI sebagai titik balik, pendorong kuat untuk mendorong pertumbuhan pendapatan, menghemat biaya, dan mengubah lanskap pengalaman pengguna secara fundamental. Banyak operator memandang GenAI sebagai fokus utama dalam strategi AI mereka.

Mengukur dampak ekonomi AI/GenAI

Mengukur dampak ekonomi AI terhadap industri telekomunikasi bukanlah tugas yang mudah karena potensi penggunaannya luas dan beragam, serta estimasi nilai pasar yang sangat bervariasi dari berbagai sumber. Namun, banyak operator sepakat bahwa manfaat AI bagi bisnis telekomunikasi sangat signifikan. Sebagai contoh [4]:

- PHK akibat AI dan otomatisasi. BT (UK) memperkirakan dapat memangkas 10.000 pekerjaan pada tahun 2030 dengan memanfaatkan digitalisasi dan otomatisasi.

- Menghasilkan pendapatan baru dengan meluncurkan produk berbasis AI. SK Telecom (Korea Selatan) yakin dapat menghasilkan pendapatan terkait AI hingga 25.000 miliar KRW (sekitar 18,5 miliar USD) pada tahun 2028.

- Membantu menghemat biaya atau meningkatkan pendapatan. McKinsey memperkirakan GenAI dapat menciptakan nilai tambah hingga $100 miliar bagi sektor telekomunikasi.

Operator mengukur manfaat setiap kasus penggunaan AI berdasarkan dua aspek: Finansial (penghematan waktu yang dapat diukur, penghematan biaya, peningkatan pendapatan) dan non-finansial (kepuasan karyawan, kepuasan pelanggan, penghematan waktu yang kecil dan sulit diukur, keberlanjutan)

Di mana AI diterapkan dalam telekomunikasi dan bagaimana menerapkan AI

Operator menganggap AI sebagai prioritas strategis untuk diterapkan pada tugas dan departemen yang terkait dengan analisis data. Namun, ledakan GenAI baru-baru ini telah memunculkan beberapa perspektif tentang penerapan AI di sektor telekomunikasi, khususnya:

- Area aplikasi AI di telekomunikasi:

- AI adalah alat yang inovatif, jadi AI perlu tersedia untuk setiap satuan tugas di perusahaan.

+ Segala upaya harus dilakukan untuk membuat AI mudah digunakan, bahkan untuk kelompok dengan kemampuan teknologi rendah.

+ Unit yang didedikasikan untuk AI perlu mampu mengetahui praktik penerapan kasus penggunaan AI yang berhasil dan membangun model serta metode yang tepat untuk menerapkan kembali kasus penggunaan ini di seluruh organisasi.

+ Demokratisasi akses terhadap AI perlu disertai dengan penerapan pendekatan FinOps baru untuk AI guna mengelola risiko biaya adopsi AI

+ Program tata kelola AI perlu dikembangkan dan diterapkan untuk mengurangi risiko biaya yang tidak terkendali dan mendorong penggunaan dan eksperimen AI.

- Penerapan AI di Telco

Bangun posisi CXO AI dengan keahlian dan wewenang untuk mendorong pengembangan dan penerapan produk dan layanan AI (misalnya Steve Jarrett diangkat sebagai Chief AI Officers (CAIO) Orange Innovation, 12/2023; Deepika Adusumilli, 10/2023 di BT; Chung Sukguen di SK Telecom).

Mendirikan anak perusahaan untuk mengembangkan AI , misalnya Proximus Ada adalah anak perusahaan operator jaringan Proximus (Belgia) yang secara khusus berfokus pada pengembangan kemampuan keamanan siber dan AI untuk melayani kebutuhan internal Proximus dan menyediakan layanan kepada pelanggan B2B.

Pisahkan fungsi AI internal dan AI yang berhadapan dengan pelanggan. Alih-alih membangun organisasi AI terpusat, Telefónica memutuskan untuk membaginya menjadi dua divisi: Wawasan Pelanggan dan Inovasi; Jaringan, Sistem TI, dan Transformasi Digital Internal (CDS) menuju AI.

Pembagian tanggung jawab ini sangat menarik karena fokus GenAI lebih berorientasi pada pelanggan daripada fungsi jaringan, sementara AI prediktif semakin banyak digunakan untuk keperluan otomatisasi jaringan.

AI sebagai fungsi bisnis baru. Misalnya, China Mobile dan SK Telecom berinvestasi besar-besaran dalam AI untuk menghadirkan produk dan layanan baru. Fokus kedua operator ini adalah membangun Large Language Model (LLM) mereka sendiri dengan solusi dan fitur terbaik, serta menjual akses ke perusahaan (DN) dan operator lain.

Pendirian Pusat Keunggulan AI (CoE).

Dalam survei TMFrum (2023) [4], 53% operator menyatakan telah membentuk CoE AI. Namun, ukuran, cakupan, dan peran CoE AI sangat bervariasi. Misalnya, Vodafone Ziggo (Belanda) memiliki CoE AI yang menyatukan para ahli ilmu data perusahaan.

Telefónica memiliki CoE AI global, yang dipimpin oleh divisi Jaringan dan TI, yang mengkhususkan diri dalam arsitektur data dan AI untuk melayani tujuan transisi ke model data umum dan meneliti teknologi dan solusi AI.

e& (Timur Tengah) memiliki CoE di mana setiap departemen/fungsi utama memiliki perwakilan, tata kelola AI berada di garis depan dengan misi untuk memastikan bahwa kasus penggunaan AI yang berhasil diteliti dan diterapkan di berbagai departemen.

AI sebagai fungsi platform. Beberapa operator telah membangun — atau sedang membangun — platform AI yang dirancang agar dapat diakses oleh berbagai bagian organisasi.

Misalnya, Vodafone memiliki platform AI yang juga menyediakan perangkat swalayan dan materi pelatihan bagi berbagai tim untuk membangun kasus penggunaan mereka sendiri. SK Telecom memiliki Platform Intelijen yang memberikan seluruh organisasi akses ke LLM yang sedang dikembangkan SKT.

- Manajemen AI

Persyaratan Tata Kelola AI. Banyak persyaratan tata kelola untuk AI merupakan bagian dari program tata kelola data yang ada. Namun, perlindungan khusus AI tambahan diperlukan untuk memastikan perangkat dan sistem AI tetap aman dan etis. Ada dua jenis program tata kelola AI:

- Program tata kelola eksternal dirancang untuk melindungi individu dan organisasi di luar perusahaan.

- Program tata kelola internal dirancang untuk melindungi karyawan dan memastikan bahwa AI diterapkan dengan sukses dan berkelanjutan di seluruh perusahaan.

Program tata kelola yang bertujuan melindungi individu dan organisasi di luar perusahaan cenderung bersifat kodifikasi dan normatif. Misalnya, Uni Eropa (UE) mengesahkan Undang-Undang AI pada Desember 2023, yang akan berlaku efektif pada 2025, dan AS mengeluarkan Perintah Eksekutif tentang AI pada Oktober 2023.

Peraturan pemerintah yang ketat dapat membantu Perusahaan Telekomunikasi mengembangkan teknologi dan kemampuan yang dapat dimonetisasi di luar negeri, terutama di negara-negara dengan peraturan kedaulatan data yang ketat.

Misalnya, China Mobile yakin bahwa metode yang digunakannya untuk memenuhi undang-undang AI dapat membantu mengembangkan teknologi keamanan yang dapat ditawarkannya kepada pelanggan. Swisscom sedang bereksperimen dengan membangun infrastruktur AI-nya sendiri dan mengembangkan keahlian internal yang dapat digunakannya untuk menciptakan nilai dan solusi baru dalam bisnis layanan TI-nya.

Kemunculan GenAI juga mendorong kebutuhan untuk meningkatkan tata kelola AI internal: Meningkatkan skala; Mengelola biaya; Melindungi organisasi dari konsekuensi penggunaan hasil yang tidak akurat; Mengurangi risiko utang teknis; Melindungi dari risiko data model pelatihan LLM yang "korup"; Melindungi organisasi dari pelanggaran kekayaan intelektual (KI)/hak cipta.

Risiko penerapan AI dalam bisnis

Survei TMforum 2023 tentang risiko penerapan GenAI di Telco meliputi:

3.1. Sumber Daya Manusia untuk AI

Dalam hal perekrutan talenta AI, sebagian besar perusahaan telekomunikasi berada pada posisi yang kurang menguntungkan dibandingkan perusahaan teknologi, terutama dalam hal perekrutan talenta muda. Perusahaan teknologi biasanya menawarkan gaji yang lebih baik, jenjang karier yang lebih cepat, dan budaya perusahaan yang jauh lebih fleksibel.

Survei TM Forum mengenai kebutuhan sumber daya manusia Telco berdasarkan spesialisasi [4] menunjukkan bahwa keterampilan AI/pembelajaran mesin, analisis data, dan otomatisasi sangat diminati (64%, lebih rendah dari Keamanan yang mencapai 69%).

Dalam hal tingkat kesulitan keterampilan yang dapat direkrut oleh Perusahaan Telekomunikasi, 59% responden mengatakan bahwa profesional ilmu data/analisis data dan profesional AI/ML merupakan yang paling sulit direkrut (hanya kalah dari keamanan yang berada pada posisi 63%).

Di MWC 2024, Korea Telecom (Korea) mengumumkan akan merekrut hingga 1.000 pakar AI dan digital tahun ini dalam upaya menjadi perusahaan AICT - AI dan TIK. Di saat yang sama, KT juga meningkatkan pelatihan internal dalam keterampilan AI untuk sepenuhnya mengubah DNA KT menuju AI.

China Mobile mendirikan Jiutian pada tahun 2019 sebagai platform untuk mendukung ambisinya menjadi operator yang sangat otomatis pada tahun 2025. Platform AI ini dapat diakses oleh pengembang eksternal melalui API terbuka. Pada Oktober 2023, China Mobile mengembangkan LLM-nya sendiri sebagai bagian dari Jiutian. Berawal dari hanya 20 insinyur AI, China Mobile kini memiliki 600 insinyur AI dan berencana mencapai 1.000 pada akhir tahun 2024.

Vodafone bermitra dengan perusahaan hyperscaler untuk platform AI-nya, tetapi masih membutuhkan keahlian AIOps serta analitik, otomatisasi, cloud, dan platform. Vodafone menarik bakat dengan merekrut karyawan penuh waktu.

Ashish Yadav, Direktur Senior di Capgemini, mengatakan bahwa perusahaan telekomunikasi semakin mencari talenta senior di bidang Cloud dan AI di tingkat arsitek melalui perusahaan integrasi sistem sebagai bentuk insourcing. Definisi insourcing dapat diartikan dengan berbagai cara, tetapi dalam konteks ini, perusahaan telekomunikasi "memperlakukan" talenta senior dari perusahaan mitra sebagai anggota tim kerja perusahaan telekomunikasi tersebut.

Sebagian besar perusahaan telekomunikasi juga meningkatkan pelatihan ulang dan peningkatan keterampilan untuk secara proaktif mencari talenta AI sesuai permintaan. Faktanya, pendekatan ini bisa lebih hemat biaya daripada merekrut talenta baru, dan semakin banyak diterapkan pada semua keterampilan lain yang sulit direkrut.

Dalam survei TMForum tentang apa yang perlu dilakukan operator untuk memanfaatkan AI dan pembelajaran mesin secara efektif, 60% responden mengatakan pelatihan karyawan yang ada dalam berbagai keterampilan AI akan berdampak tinggi, sementara 39% mengatakan akan berdampak signifikan.

Menurut McKinsey & Company, GenAI memaksa operator untuk mengembangkan keahlian AI secara internal, sekaligus menuntut keterampilan baru dari pengguna, seperti prompt engineering — kemampuan untuk mengajukan pertanyaan guna mendapatkan respons terbaik dari LLM. Operator juga perlu merekrut insinyur data dan pakar domain "yang memahami data apa yang harus dikumpulkan dan bagaimana cara mengumpulkannya, serta memantau dan mengevaluasi kualitas jenis data baru yang dihasilkan dan digunakan oleh sistem GenAI . "

3.2. Kesiapan data untuk aplikasi AI

Arsitektur berbasis data adalah kunci untuk menjaga akurasi dan konsistensi di seluruh jaringan. Penggunaan model data umum memastikan data mengalir lancar di semua sistem dan disajikan secara akurat dalam semua alur kerja otomatis.

AI membutuhkan data, dan analitik data membutuhkan AI. Banyak operator saat ini menghadapi tantangan signifikan dalam mengembangkan strategi data yang koheren untuk memanfaatkan teknologi AI secara maksimal. Operator di tahap awal eksperimen AI mungkin meremehkan apa yang dibutuhkan, terutama dalam hal data, untuk berhasil menerapkan AI dalam skala besar.

Banyak operator tidak memiliki strategi kohesif yang memungkinkan data mengalir secara horizontal di seluruh organisasi di bawah satu model data.

Beberapa tantangan khusus dalam menyiapkan data untuk AI:

Terdapat kekurangan data yang bersih, jelas, konsisten, dan dapat ditindaklanjuti yang dapat diterapkan ke berbagai aspek bisnis, mulai dari jaringan hingga penyediaan layanan dan pengalaman pelanggan. Hal ini penting untuk semua proses seputar eksekusi berbasis data dan AI.

Kurangnya model data umum (data saat ini dikumpulkan dari beberapa vendor) mengakibatkan agregasi data terstruktur dan tidak terstruktur yang sangat memakan waktu.

Kurangnya konteks data, tidak mengetahui sepenuhnya bagaimana, kapan, di mana dan untuk tujuan apa data dikumpulkan, merupakan kendala yang sangat signifikan yang harus diatasi oleh Perusahaan Telekomunikasi jika mereka ingin menerapkan GenAI atau jenis model pembelajaran mesin lainnya.

Operator menyadari nilai data dan telah meningkatkan investasi mereka dalam analitik data. Omdia memperkirakan bahwa operator global akan menginvestasikan $2,5 miliar dalam analitik data pada tahun 2025.

Faktanya, waktu dan investasi yang dibutuhkan untuk mengumpulkan, membersihkan, mentransformasi, dan menyimpan data dalam format yang tepat seringkali jauh lebih tinggi daripada waktu yang dibutuhkan untuk menggunakan data tersebut. Proses pembuatan danau data dan gudang data telah berlangsung selama bertahun-tahun, tetapi belum memberikan operator kemampuan untuk menerapkan AI dalam skala besar di seluruh organisasi mereka.

Munculnya inovasi dan analitik berbasis AI telah mendorong kebutuhan dan permintaan akan penggunaan data yang lebih beragam dan fleksibel, misalnya:

- AI/pembelajaran mesin membutuhkan sejumlah besar data untuk melatih model

- Berbagai kumpulan data dan berbagai jenis data diperlukan untuk memastikan hasil AI yang tidak bias

- Tambahkan lapisan data untuk meningkatkan akurasi model dan dampak aplikasi

- Model harus terus dilatih dengan informasi terbaru untuk mempertahankan kinerja prediktif, terutama dalam lingkungan yang dinamis

- Data harus tersedia secara real-time untuk fungsi bisnis penting, terutama dalam lingkungan yang sangat interaktif

-Munculnya GenAI telah memberikan operator peluang untuk memanfaatkan sejumlah besar data tidak terstruktur yang tersedia, tetapi data ini perlu diberi tag dan dibersihkan sebelum dimasukkan ke LLM.

Untuk mencapai kemajuan signifikan dalam AI dari perspektif data, operator perlu membuat perubahan mendasar dalam cara mereka mengelola data yang mengalir melalui sistem mereka, dan terkadang perubahan dalam budaya perusahaan. Kuncinya adalah membangun model data umum dan menciptakan satu sumber kebenaran.

Membangun satu sumber kebenaran tunggal merupakan tugas yang sangat kompleks dan sejauh ini berada di luar kemampuan sebagian besar operator karena fragmentasi data mereka. BT, Deutsche Telekom, dan Telefónica telah mengambil langkah-langkah untuk mengatasi hal ini dengan memindahkan semua data mereka ke cloud publik. Misalnya, selama dua tahun terakhir, BT telah memindahkan lebih dari 90% datanya ke Google Cloud Platform.

Arsitektur AI, Bangun, Beli, dan Skalakan

Ada banyak kesamaan antara AI/GenAi dan komputasi awan, terutama pergeseran teknologi dan dominasi hypercaller. Operator menghadapi masalah yang sama, pertanyaan yang sama seperti AI dan Cloud: Apa yang harus dibeli dan apa yang harus dibangun?

Pendekatan operator terhadap AI sebagian besar dibentuk oleh prinsip-prinsip inti arsitektur terbuka dan komposabilitas. Omair Ahmed Khan dari Deutsche Telekom mengatakan sebagian besar proyek AI perusahaan melibatkan kombinasi pembangunan dan pembelian berbagai komponen, "Deutsche Telekom memiliki strategi hibrida pembangunan dan pembelian, dan proses pembeliannya tidak pernah melibatkan pembelian solusi siap pakai yang lengkap."

Operator merasa masih terlalu dini untuk mempertimbangkan AI sebagai bagian dari arsitektur perusahaan mereka atau sebagai bagian dari arsitektur referensi mereka. Beberapa operator dengan visi dan strategi yang jelas untuk mengintegrasikan AI ke dalam arsitektur perusahaan masa depan mereka juga menyadari tantangan implementasi yang khususnya terkait dengan sumber daya manusia, perangkat, dan kapabilitas yang dibutuhkan untuk memberikan hasil yang efektif dan imbal hasil investasi yang jelas.

Industrialisasi perangkat lunak dapat dipandang sebagai praktik yang baik untuk industrialisasi AI dengan memindahkan data ke cloud publik dan membuatnya dapat diakses secara real-time. Seorang CIO operator di Asia Tenggara menggambarkan proses industrialisasi AI yang dilakukan perusahaannya sebagai "pabrik data". "Hal ini telah mengurangi waktu dan biaya produksi AI secara signifikan," ujarnya.

Dua tahun lalu, biaya produksi AI sangat tinggi. Butuh enam hingga delapan bulan untuk membuat model AI. Sekarang, hanya butuh beberapa hari. Anda dapat menjalankan seluruh siklus jauh lebih cepat dan dengan lebih sedikit orang.

Praktik di beberapa operator:

China Mobile: telah membeli perangkat keras dan membangun pusat datanya sendiri termasuk unit pemrosesan grafis (GPU) dan akselerator sebagai bagian dari proyek Jiutian LLM.

Jio: Reliance Industries, perusahaan induk Jio, perusahaan telekomunikasi India, telah bermitra dengan Nvidia untuk membangun infrastruktur superkomputer untuk AI. Reliance bertujuan untuk menyediakan infrastruktur AI bagi para ilmuwan, pengembang, dan perusahaan rintisan di seluruh India, serta menciptakan aplikasi dan layanan AI bagi 450 juta pelanggan Jio.

Menentukan lokasi penerapan AI di cloud publik atau cloud privat juga merupakan urusan perusahaan telekomunikasi dan sangat bergantung pada skala penerapannya. Penerapan AI di cloud publik memiliki keuntungan berupa sumber daya komputasi yang melimpah, daya, dan perangkat keras khusus yang dibutuhkan untuk memproses algoritma kompleks dan data dalam jumlah besar. Namun, biaya dapat menjadi masalah jika operator hanya menggunakan cloud publik untuk memproses data dalam jumlah besar.

Keputusan untuk menggunakan cloud privat untuk GenAI dianggap oleh banyak operator tidak layak kecuali operator tersebut membangun LLM-nya sendiri - seperti kasus China Mobile, Softbank, dan SK Telecom di Asia, serta Deutsche Telekom di Eropa. Operator cenderung memprioritaskan cloud publik untuk pengujian dan pembangunan MVP untuk kasus penggunaan AI.

Seiring meningkatnya penggunaan AI oleh operator, hal itu pasti akan mengarah pada hubungan yang lebih dalam.

Softbank : telah bermitra dengan Nvidia untuk membangun pusat data (TTDL) yang dirancang untuk menghosting GenAI dan aplikasi nirkabel. TTDL baru ini akan menangani beban kerja AI dan 5G.

- SK Telecom: sedang mengejar permintaan pusat data berbasis AI sebagai bagian dari ambisi AI SKT yang lebih luas. CFO Yang-Seob Kim mengatakan SKT berencana untuk "lebih meningkatkan bisnis pusat datanya, dengan fokus pada pusat data AI generasi mendatang dan ekspansi global."

- NTT berinvestasi 1,5 triliun yen (sekitar $12 miliar) selama lima tahun ke depan untuk memperluas dan meningkatkan bisnis pusat datanya secara global guna memenuhi permintaan data yang terus meningkat terkait penggunaan GenAI, bersama dengan teknologi lainnya.

Keputusan untuk menggunakan cloud privat untuk GenAI dianggap oleh banyak operator tidak layak kecuali operator tersebut membangun LLM-nya sendiri - seperti kasus China Mobile, Softbank, dan SK Telecom di Asia dan Deutsche Telekom di Eropa. Operator cenderung memprioritaskan cloud publik untuk pengujian dan pembangunan MVP untuk kasus penggunaan AI.

Seiring operator meningkatkan penggunaan AI, hal itu pasti akan mengarah pada hubungan yang lebih dalam dengan perusahaan super — Amazon Web Services, Microsoft Azure, dan Google Cloud.

Referensi:
1. Potensi bisnis AI: Memahami nilai AI untuk
operasi telekomunikasi. https://www.ericsson.com/4ac6ca/
aset/lokal/laporan-makalah/wawasan-lebih-lanjut/doc/ai-
potensi-bisnis.pdf
[2]. Radar Dampak Teknologi Baru: Kecerdasan Buatan, Gartner, 19 Januari 2024 ID G00796195
[3]. AI Generatif: operator mengambil langkah pertama mereka, TMforum 2023
[4]. Membangun Strategi AI, perusahaan telekomunikasi meletakkan fondasinya,
Forum TM 3,2024
[5]. https://intellias.com/ai-dalam-telekomunikasi/
[6]. https://www.alliedmarketresearch.com/ai-in-
pasar-telekomunikasi-A09352
[7]. Gen AI di Telekomunikasi, Temuan utama dari Omdia GenAI telco
survei penyedia layanan Omdia 2024
[8] https://www.xenonstack.com/perusahaan-generatif-ai/
Telekomunikasi/
[9]. Ke mana arah AI? Nokia https://www.nokia.com/thought-
kepemimpinan/artikel/ai/ke mana arah-ai/
[10]. Ericsson Telco AI, Dokumen internal