Qual estratégia de IA para operadoras de redes de telecomunicações?

As operadoras estão sobre uma enorme quantidade de dados subutilizados. A IA transformará esses dados em terreno fértil para o desenvolvimento de novos serviços, a melhoria da qualidade dos serviços existentes, o aprimoramento da experiência do cliente e a otimização das operações comerciais.

Nguyen Van Yen, Membro do Conselho de Administração do VNPT

Resumo:
Dados e IA em telecomunicações: As operadoras têm uma grande quantidade de dados que não estão sendo utilizados adequadamente. A IA pode ajudar a transformar dados em ferramentas para melhorar os serviços e otimizar as operações comerciais.
- Tendências de aplicação de IA: O desenvolvimento do 5G e da IoT levou as operadoras a se concentrarem em IA desde 2016. Recentemente, o GenAI surgiu como uma ferramenta estratégica, especialmente após o lançamento do ChatGPT da OpenAI.
- Benefícios econômicos da IA: prevê-se que a IA crie um enorme valor para as operadoras, incluindo a redução de custos e a criação de novos fluxos de receita. A McKinsey estima que a GenAI pode trazer US$ 100 bilhões para o setor de telecomunicações.
- Aplicações de IA na organização: A IA precisa ser aplicada em todos os níveis da organização, desde a análise de dados até as funções administrativas. Muitas operadoras estabeleceram unidades dedicadas de IA e construíram centros de excelência em IA.
- Riscos na aplicação da IA: Os operadores de rede enfrentam desafios no recrutamento de recursos humanos para IA, no gerenciamento de dados e na garantia da segurança na implantação da IA. A governança da IA ​​é um fator importante para garantir uma implantação bem-sucedida e sustentável.
- Preparação de dados para IA: Para aplicar a IA com eficácia, os operadores precisam preparar dados limpos e consistentes e garantir um modelo de dados comum. A coleta e o processamento de dados são um grande desafio, exigindo grandes investimentos em análise e gerenciamento de dados.

O estado das aplicações de IA para telecomunicações

A ascensão do 5G, da IoT e o crescente volume de Big Data são os fatores que estão levando as operadoras de telecomunicações a voltarem sua atenção para a IA. Algumas das grandes e ambiciosas operadoras começaram a adotar a IA em 2016 e 2017 e, entre 2019 e 2020, o setor de telecomunicações registrou forte adoção da IA ​​em operadoras em todo o mundo . Nos últimos 12 a 15 meses (desde o lançamento do OpenAI com Chat GPT), a conscientização sobre a GenAI expandiu de uma ferramenta de criação de conteúdo baseada em IA para uma plataforma estratégica e está rapidamente se tornando o centro das atenções de quase todas as operadoras de telecomunicações em todo o mundo.

O relatório de pesquisa de mercado da Allied [6] sobre IA no mercado de telecomunicações em 2022 mostra: “O tamanho do mercado global de IA em telecomunicações é avaliado em US$ 1,2 bilhão em 2021 e deve atingir US$ 38,8 bilhões até 2031, crescendo a um CAGR de 41,4% de 2022 a 2031”. As empresas de telecomunicações (telcos) estão se voltando para a IA como um facilitador chave para inovação, eficiência operacional e experiência aprimorada do cliente.

A Ericsson acredita [1] que a IA agregará valor sem precedentes a setores como o de telecomunicações. Para as operadoras de rede, a IA proporcionará oportunidades para otimizar as operações de rede, aprimorar a experiência do cliente, reduzir custos, contribuir para o desenvolvimento sustentável, criar novos fluxos de receita, etc.

A Gartner [2] realizou uma pesquisa e classificou 29 tecnologias relacionadas à IA em 5 grupos: tecnologia central de IA; tecnologia baseada em GenAI; tecnologia de IA centrada em dados; tecnologia de confiança em IA. A tendência de implantação de tecnologias baseadas em GenAI deverá aumentar acentuadamente nos próximos 1 a 3 anos.

As operadoras de telecomunicações veem a GenAI como um ponto de virada, um poderoso impulsionador para ajudar a impulsionar o crescimento da receita, reduzir custos e mudar fundamentalmente o cenário da experiência do usuário. Muitas operadoras veem a GenAI como um foco fundamental em sua estratégia de IA.

Medindo o impacto econômico da IA/GenAI

Medir o impacto econômico da IA ​​no setor de telecomunicações não é uma tarefa fácil, visto que os potenciais casos de uso são amplos e diversos, e as estimativas de valor de mercado variam bastante de acordo com as fontes. No entanto, muitas operadoras concordam que os benefícios da IA ​​para os negócios de telecomunicações são significativos. Por exemplo [4]:

- Cortes de mão de obra e empregos devido à IA e à automação. A BT (Reino Unido) estima que poderá cortar 10.000 empregos até 2030, alavancando a digitalização e a automação.

- Gerar novas receitas com o lançamento de produtos habilitados para IA. A SK Telecom (Coreia do Sul) acredita que pode gerar uma receita relacionada à IA de até 25 trilhões de wons coreanos (cerca de 18,5 bilhões de dólares) até 2028.

- Ajude a economizar custos ou aumentar a receita. A McKinsey estima que a GenAI pode gerar até US$ 100 bilhões em valor agregado para o setor de telecomunicações.

Os operadores medem os benefícios de cada caso de uso de IA com base em dois aspectos: financeiro (economia de tempo quantificável, economia de custos, aumento de receita) e não financeiro (satisfação do funcionário, satisfação do cliente, economia de tempo pequena e difícil de quantificar, sustentabilidade)

Onde a IA é aplicada em telecomunicações e como implementá-la

As operadoras consideram a IA uma prioridade estratégica a ser aplicada a tarefas e departamentos relacionados à análise de dados. No entanto, a recente explosão da GenAI levantou algumas perspectivas sobre a aplicação da IA, especialmente em telecomunicações, como as seguintes:

- Áreas de aplicação de IA em telecomunicações:

- A IA é uma ferramenta inovadora, então ela precisa estar disponível para todas as forças-tarefa da empresa.

+ Todos os esforços devem ser feitos para tornar a IA fácil de usar, mesmo para grupos com baixa capacidade tecnológica.

+ Unidades dedicadas à IA precisam ser capazes de conhecer as práticas de implementação de casos de uso de IA bem-sucedidos e criar modelos e métodos apropriados para reaplicar esses casos de uso em toda a organização.

+ A democratização do acesso à IA precisa ser acompanhada pela implementação de novas abordagens FinOps para a IA, a fim de gerenciar os riscos de custo da adoção da IA

+ Um programa de governança de IA precisa ser desenvolvido e implementado para reduzir o risco de custos descontrolados e incentivar o uso e a experimentação de IA.

- Implantação de IA em telecomunicações

Crie uma posição de CXO de IA com experiência e autoridade para impulsionar o desenvolvimento e a aplicação de produtos e serviços de IA (por exemplo, Steve Jarrett foi nomeado Chief AI Officers (CAIOs) na Orange Innovation, 12/2023; Deepika Adusumilli, 10/2023 na BT; Chung Sukguen na SK Telecom).

Estabelecer uma subsidiária para desenvolver IA , por exemplo, a Proximus Ada é uma subsidiária da operadora de rede Proximus (Bélgica) que se concentra especificamente no desenvolvimento de recursos de segurança cibernética e IA para atender aos requisitos internos da Proximus e fornecer serviços a clientes B2B.

Separar as funções de IA interna e de IA voltada para o cliente. Em vez de construir uma organização centralizada de IA, a Telefónica decidiu dividi-la em duas divisões: Insights e Inovação do Cliente; Redes, Sistemas de TI e Transformação Digital Interna (CDS) voltada para IA.

Essa divisão de responsabilidades é particularmente interessante porque o foco da GenAI é mais voltado para o cliente do que para funções de rede, enquanto a IA preditiva é cada vez mais a tecnologia usada para fins de automação de rede.

IA como uma nova função empresarial. Por exemplo, a China Mobile e a SK Telecom estão investindo fortemente em IA para oferecer novos produtos e serviços. O foco de ambas as operadoras é construir seu próprio Modelo de Linguagem Ampla (LLM) com as melhores soluções e recursos, e vender acesso para empresas (DNs) e outras operadoras.

Criação do Centro de Excelência em IA (CoE).

Em uma pesquisa do TMFrum (2023) [4], 53% das operadoras afirmaram ter estabelecido um Centro de Excelência (CoE) de IA. No entanto, o tamanho, o escopo e a função exatos de um Centro de Excelência (CoE) de IA variam significativamente. Por exemplo, a Vodafone Ziggo (Holanda) possui um Centro de Excelência (CoE) de IA que reúne os especialistas em ciência de dados da empresa.

A Telefónica tem um CoE global de IA, liderado pela divisão de Redes e TI, especializado em dados e arquitetura de IA para atender ao objetivo de transição para um modelo de dados comum e pesquisar tecnologias e soluções de IA.

A e& (Oriente Médio) tem um CoE onde cada departamento/função principal tem um representante. A governança da IA ​​está na vanguarda, com a missão de garantir que casos de uso bem-sucedidos de IA sejam pesquisados ​​e aplicados em diferentes departamentos.

IA como função de plataforma. Algumas operadoras criaram — ou estão criando — plataformas de IA projetadas para torná-las acessíveis a diferentes partes da organização.

Por exemplo, a Vodafone possui uma plataforma de IA que também fornece ferramentas de autoatendimento e materiais de treinamento para que diferentes equipes criem seus próprios casos de uso. A SK Telecom possui uma Plataforma de Inteligência que dá a toda a organização acesso ao LLM que a SKT está desenvolvendo.

- Gestão de IA

Requisitos de Governança de IA. Muitos requisitos de governança para IA fazem parte dos programas de governança de dados existentes. No entanto, salvaguardas adicionais específicas para IA são necessárias para garantir que as ferramentas e os sistemas de IA permaneçam seguros e éticos. Existem dois tipos de programas de governança de IA:

- O programa de governança externa é projetado para proteger indivíduos e organizações fora da empresa.

- Os programas de governança interna são projetados para proteger os funcionários e garantir que a IA seja implantada com sucesso e sustentabilidade em toda a empresa.

Programas de governança que visam proteger pessoas e organizações fora da empresa tendem a ser codificados e normativos. Por exemplo, a União Europeia (UE) aprovou a Lei de IA em dezembro de 2023, que entrará em vigor em 2025, e os EUA emitiram uma Ordem Executiva sobre IA em outubro de 2023.

Regulamentações governamentais rígidas podem ajudar as empresas de telecomunicações a desenvolver tecnologias e recursos que podem ser monetizados no exterior, especialmente em países com regulamentações rígidas de soberania de dados.

Por exemplo, a China Mobile acredita que os métodos que utiliza para cumprir as leis de IA podem ajudar a desenvolver tecnologias de segurança que ela pode oferecer aos seus clientes. A Swisscom está experimentando a construção de sua própria infraestrutura de IA e desenvolvendo expertise interna que pode usar para criar valor e novas soluções em seus negócios de serviços de TI.

O surgimento do GenAI também está gerando a necessidade de melhorar a governança interna da IA: impulsionar a escala; gerenciar custos; proteger a organização das consequências do uso de resultados imprecisos; reduzir o risco de dívida técnica; proteger-se contra o risco de dados "corrompidos" do modelo de treinamento LLM; proteger a organização contra violação de propriedade intelectual (PI)/direitos autorais.

Riscos da aplicação de IA nos negócios

A pesquisa do TMforum 2023 sobre riscos ao aplicar GenAI em telecomunicações inclui:

3.1. Recursos humanos para IA

Quando se trata de contratar talentos em IA, a maioria das empresas de telecomunicações está em desvantagem em relação às empresas de tecnologia, especialmente na contratação de talentos mais jovens. As empresas de tecnologia geralmente oferecem melhores salários, progressão de carreira mais rápida e uma cultura corporativa significativamente mais flexível.

A pesquisa do TM Forum sobre as necessidades de recursos humanos de telecomunicações por especialidade [4] mostra que as habilidades de IA/aprendizagem de máquina, análise de dados e automação são muito procuradas (64%, menos que Segurança, 69%).

Em termos de dificuldade de habilidades que as empresas de telecomunicações podem recrutar, 59% dos entrevistados disseram que os profissionais de ciência de dados/análise de dados e profissionais de IA/ML são os mais difíceis de recrutar (perdendo apenas para a segurança, com 63%).

No MWC 2024, a Korea Telecom (Coreia) anunciou que recrutará até 1.000 especialistas em IA e tecnologia digital este ano, em um esforço para se tornar uma empresa de AICT (Inteligência Artificial) - IA e TIC. Ao mesmo tempo, a KT também aumentou o treinamento interno em habilidades de IA para mudar completamente o DNA da KT em direção à IA.

A China Mobile criou a Jiutian em 2019 como uma plataforma para apoiar sua ambição de se tornar uma operadora altamente automatizada até 2025. A plataforma de IA é acessível a desenvolvedores externos por meio de APIs abertas. Em outubro de 2023, a China Mobile desenvolveu seu próprio LLM como parte da Jiutian. Começando com apenas 20 engenheiros de IA, a China Mobile agora conta com 600 engenheiros de IA e planeja atingir 1.000 até o final de 2024.

A Vodafone está em parceria com hiperescaladores para sua plataforma de IA, mas ainda precisa de habilidades em AIOps, além de análise, automação, nuvem e plataformas. A Vodafone está atraindo talentos, contratando em tempo integral.

Ashish Yadav, Diretor Sênior da Capgemini, afirmou que as empresas de telecomunicações estão cada vez mais buscando talentos seniores em nuvem e IA, no nível de arquitetura, por meio de empresas de integração de sistemas como uma forma de terceirização. A definição de terceirização pode ser interpretada de diversas maneiras, mas, nesse contexto, as empresas de telecomunicações "tratam" o talento sênior da empresa parceira como um membro da equipe de trabalho da empresa.

A maioria das empresas de telecomunicações também está intensificando a reciclagem e a qualificação para buscar proativamente talentos em IA sob demanda. Aliás, essa abordagem pode ser mais econômica do que contratar novos talentos e está sendo cada vez mais aplicada a todas as outras habilidades difíceis de contratar.

Em uma pesquisa do TMForum sobre o que as operadoras precisam fazer para aproveitar efetivamente a IA e o aprendizado de máquina, 60% dos entrevistados disseram que treinar funcionários existentes em diversas habilidades de IA teria um alto impacto, enquanto 39% disseram que teria um impacto significativo.

De acordo com a McKinsey & Company, a GenAI está forçando as operadoras a desenvolver expertise em IA internamente, ao mesmo tempo em que exige novas habilidades dos usuários, como agilidade na engenharia — a capacidade de fazer perguntas para obter a melhor resposta do LLM. As operadoras também precisam contratar engenheiros de dados e especialistas de domínio "que entendam quais dados coletar e como coletá-los, além de monitorar e avaliar a qualidade dos novos tipos de dados gerados e utilizados pelos sistemas GenAI " .

3.2. Preparação de dados para aplicações de IA

Uma arquitetura orientada por dados é fundamental para manter a precisão e a consistência em toda a rede. O uso de um modelo de dados comum garante que os dados fluam sem problemas por todos os sistemas e sejam atendidos com precisão em todos os fluxos de trabalho automatizados.

A IA precisa de dados, e a análise de dados precisa de IA. Muitas operadoras hoje enfrentam desafios significativos no desenvolvimento de estratégias de dados coerentes para explorar plenamente a tecnologia de IA. Operadoras nos estágios iniciais da experimentação de IA podem subestimar o que é necessário, especialmente em termos de dados, para implantar IA com sucesso em escala.

Muitas operadoras não têm uma estratégia coesa que permita que os dados fluam horizontalmente pela organização sob um único modelo de dados.

Alguns desafios específicos na preparação de dados para IA:

Faltam dados limpos, claros, consistentes e acionáveis ​​que possam ser aplicados a diferentes áreas do negócio, desde a rede até a prestação de serviços e a experiência do cliente. Isso é crucial para todos os processos de execução orientados por dados e IA.

A falta de um modelo de dados comum (atualmente, os dados são coletados de vários fornecedores) resulta em uma agregação extremamente demorada de dados estruturados e não estruturados.

A falta de contexto dos dados, ou seja, não saber completamente como, quando, onde e para quais propósitos os dados são coletados, é um obstáculo particularmente significativo que as empresas de telecomunicações devem superar se quiserem implantar o GenAI ou qualquer outro tipo de modelo de aprendizado de máquina.

As operadoras estão reconhecendo o valor dos dados e aumentando seus investimentos em análise de dados. A Omdia estima que as operadoras globais investirão US$ 2,5 bilhões em análise de dados até 2025.

Na verdade, o tempo e o investimento necessários para coletar, limpar, transformar e armazenar dados no formato correto costumam ser desproporcionalmente maiores do que o tempo necessário para utilizá-los. O processo de criação de data lakes e data warehouses já dura anos, mas ainda não permitiu que as operadoras implementassem IA em escala em toda a organização.

O advento de inovações e análises baseadas em IA impulsionou a necessidade e a demanda por um uso de dados mais diversificado e flexível, por exemplo:

- IA/aprendizado de máquina requer grandes quantidades de dados para treinar modelos

- Diversos conjuntos de dados e múltiplos tipos de dados são necessários para garantir resultados de IA imparciais

- Adicionar camadas de dados para melhorar a precisão do modelo e o impacto da aplicação

- Os modelos devem ser continuamente treinados com as informações mais recentes para manter o desempenho preditivo, especialmente em ambientes dinâmicos

- Os dados devem estar disponíveis em tempo real para funções comerciais críticas, principalmente em ambientes altamente interativos

- O advento do GenAI deu aos operadores a oportunidade de aproveitar a grande quantidade de dados não estruturados disponíveis, mas esses dados precisam ser marcados e limpos antes de serem inseridos no LLM.

Para alcançar um progresso significativo na IA sob a perspectiva dos dados, as operadoras precisam implementar uma mudança fundamental na forma como abordam os dados que fluem por seus sistemas e, às vezes, uma mudança na cultura corporativa. A chave é construir um modelo de dados comum e criar uma única fonte de verdade.

Construir uma fonte única de verdade é uma tarefa extremamente complexa que, até agora, está além das capacidades da maioria das operadoras devido à fragmentação de seus dados. A BT, a Deutsche Telekom e a Telefónica tomaram medidas para resolver esse problema, migrando todos os seus dados para a nuvem pública. Por exemplo, nos últimos dois anos, a BT migrou mais de 90% de seus dados para o Google Cloud Platform.

Arquitetura de IA, construção, compra e escala

Há muitas semelhanças entre IA/GenAi e computação em nuvem, notadamente a mudança tecnológica e o domínio dos hiperligadores. As operadoras enfrentam o mesmo problema, a mesma questão que a IA e a Nuvem: o que comprar e o que construir?

A abordagem das operadoras em relação à IA é amplamente moldada pelos princípios fundamentais da arquitetura aberta e da componibilidade. Omair Ahmed Khan, da Deutsche Telekom, afirma que a maioria dos projetos de IA da empresa envolve uma combinação de construção e compra de diferentes componentes: "A Deutsche Telekom tem uma estratégia híbrida de construção e compra, e a parte de compra nunca envolveu a compra de uma solução completa e pronta para uso."

As operadoras acreditam que é muito cedo para considerar a IA como parte de sua arquitetura empresarial ou de sua arquitetura de referência. Algumas operadoras com uma visão e estratégia claras para integrar a IA em sua futura arquitetura empresarial também reconhecem desafios de implementação especificamente relacionados às pessoas, ferramentas e capacidades necessárias para entregar resultados eficazes e um retorno claro sobre o investimento.

A industrialização de software pode ser vista como uma boa prática para a industrialização da IA, movendo dados para nuvens públicas e tornando-os acessíveis em tempo real. Um CIO de uma operadora do Sudeste Asiático descreveu o processo que a empresa adotou para industrializar a IA como uma "fábrica de dados". "Isso reduziu significativamente o tempo e o custo da produção de IA", disse ele.

“Dois anos atrás, o custo de produção de IA era altíssimo. Levava de seis a oito meses para criar um modelo de IA. Agora, leva apenas alguns dias. É possível executar todo o ciclo muito mais rápido e com menos pessoas.”

Prática em algumas operadoras:

China Mobile: comprou hardware e construiu seu próprio data center, incluindo unidades de processamento gráfico (GPUs) e aceleradores como parte do projeto Jiutian LLM.

Jio: A Reliance Industries, empresa controladora da empresa de telecomunicações indiana Jio, firmou parceria com a Nvidia para construir infraestrutura de supercomputação para IA. A Reliance visa fornecer infraestrutura de IA para cientistas, desenvolvedores e startups em toda a Índia e criar aplicativos e serviços de IA para os 450 milhões de clientes da Jio.

Decidir onde implantar IA em uma nuvem pública ou privada também é uma questão para as empresas de telecomunicações e depende em grande parte da escala da implantação. Implantar IA em uma nuvem pública tem a vantagem de dispor de abundantes recursos computacionais, potência e hardware especializado necessários para processar algoritmos complexos e grandes volumes de dados. No entanto, o custo pode se tornar um problema se a operadora usar a nuvem pública apenas para processar grandes volumes de dados.

A decisão de usar a nuvem privada para GenAI é considerada inviável por muitas operadoras, a menos que a operadora esteja construindo seu próprio LLM – como é o caso da China Mobile, Softbank e SK Telecom na Ásia e da Deutsche Telekom na Europa. As operadoras tendem a priorizar a nuvem pública para testar e construir MVPs para casos de uso de IA.

À medida que as operadoras aumentam o uso de IA, isso inevitavelmente levará a relacionamentos mais profundos.

- Softbank: firmou parceria com a Nvidia para construir data centers (TTDL) projetados para hospedar aplicações GenAI e sem fio. Os novos TTDLs lidarão com cargas de trabalho de IA e 5G.

- SK Telecom: busca atender à demanda por data centers baseados em IA como parte das ambições mais amplas da SKT em IA. O CFO Yang-Seob Kim afirmou que a SKT planeja "impulsionar ainda mais seus negócios de data center, com foco em data centers de IA de última geração e expansão global".

- A NTT está investindo 1,5 trilhão de ienes (cerca de US$ 12 bilhões) nos próximos cinco anos para expandir e atualizar seus negócios de data center globalmente para atender à crescente demanda por dados relacionados ao uso do GenAI, juntamente com outras tecnologias.

Decidir onde implantar IA em uma nuvem pública ou privada também é uma questão para as empresas de telecomunicações e depende em grande parte da escala da implantação. Implantar IA em uma nuvem pública tem a vantagem de dispor de abundantes recursos computacionais, potência e hardware especializado necessários para processar algoritmos complexos e grandes volumes de dados. No entanto, o custo pode se tornar um problema se a operadora usar a nuvem pública apenas para processar grandes volumes de dados.

A decisão de usar uma nuvem privada para GenAI é considerada inviável por muitas operadoras, a menos que a operadora esteja construindo seu próprio LLM – como é o caso da China Mobile, Softbank e SK Telecom na Ásia e da Deutsche Telekom na Europa. As operadoras tendem a priorizar a nuvem pública para testar e construir MVPs para casos de uso de IA.

À medida que as operadoras aumentam o uso de IA, isso inevitavelmente levará a relacionamentos mais profundos com as superempresas — Amazon Web Services, Microsoft Azure e Google Cloud.

Referências:
1. Potencial de negócios da IA: Compreendendo o valor da IA ​​para
operações de telecomunicações. https://www.ericsson.com/4ac6ca/
ativos/local/relatórios-artigos/informações adicionais/doc/ai-
potencial de negócios.pdf
[2]. Emerging Tech Impact Radar: Inteligência Artificial, Gartner, 19 de janeiro de 2024 ID G00796195
[3]. IA generativa: os operadores dão os primeiros passos, TMforum 2023
[4]. Construindo uma estratégia de IA, as empresas de telecomunicações colocam as bases em prática,
Fórum TM 3,2024
[5]. https://intellias.com/ai-in-telecommunications/
[6]. https://www.alliedmarketresearch.com/ai-in-
mercado-de-telecomunicações-A09352
[7]. Gen Ai em Telecomunicações, Principais conclusões da GenAI telco da Omdia
pesquisa de provedores de serviços Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
Telecomunicações/
[9]. Para onde se dirige a IA? Nokia https://www.nokia.com/thought-
liderança/artigos/ia/para-onde-a-ia-está-indo/
[10]. Ericsson Telco AI, documento interno

(Publicado na publicação impressa da revista TT&TT nº 8, agosto de 2024)

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