ICTna.ir – همانطور که هوش مصنوعی (AI) وعده تغییر ارتباطات مخابراتی را می دهد، CUJO AI نشان می دهد که چگونه راه حل ها و رویکردهای مبتنی بر هوش مصنوعی می توانند ارزش افزوده ایجاد و به بهبود تجربیات متصل و شبکه ها و اوپریشن مخابراتی کمک کنند.

به گزارش گروه اخبار خارجی آژانس خبری فناوری اطلاعات و ارتباطات (ایستنا)، راه‌حل‌ها و رویکردهای مبتنی بر هوش مصنوعی می‌توانند از روش‌های مخابراتی سنتی در تعدادی از زمینه‌ها بهتر عمل کنند و مزایای ملموسی را برای ارائه‌دهندگان شبکه فراهم کنند. در این مصاحبه، سانتری کانگاس، مدیر ارشد فناوری CUJO AI، نقش هوش مصنوعی را در ارتباطات مخابراتی برای بهبود تجربیات متصل مورد بحث قرار می‌دهد:

کانگاس محدودیت‌های راه‌حل‌های مخابراتی سنتی و جایی که هوش مصنوعی می‌تواند وارد شود را بیان می‌کند. وی همچنین چندین جنبه کلیدی را نشان می دهد که ممکن است شرکت های مخابراتی هنگام اجرای هوش مصنوعی نادیده بگیرند.

در نهایت، او به آینده نگاه می کند که چه برنامه های کاربردی هوش مصنوعی را می توانیم در کوتاه مدت در مخابرات ببینیم.

CUJO AI راه حل های یادگیری ماشینی (AI) را برای مخابرات ارائه می دهد. آنها چه نقشی در عملیات یک شرکت مخابراتی دارند؟

هوش مصنوعی ما نقش کلیدی در شناسایی دستگاه‌هایی دارد که در حال کمرنگ شدن هستند. شناسه هایی مانند آدرس های MAC به طور فزاینده ای غیرقابل اعتماد می شوند، در حالی که ارائه دهندگان خدمات شبکه باید دستگاه ها را برای حفظ تله متری و خدمات ارزش افزوده مانند کنترل های والدین به طور دقیق تشخیص دهند. هوش مصنوعی ما همچنین به طور دقیق نوع و مدل دستگاه را تشخیص می‌دهد، که به شرکت‌های مخابراتی کمک می‌کند تا با دانستن اینکه چه دستگاه‌هایی در شبکه هستند، مراقبت از مشتری را بهبود بخشند و مشکلات را به طور مؤثرتری حل کنند.

شرکت‌های مخابراتی از امنیت مبتنی بر هوش مصنوعی ما برای کاهش فعالیت‌های مخرب در شبکه خود و محافظت از مشتریان استفاده می‌کنند. این مدل‌ها دستگاه‌ها را در شرایط واقعی مشاهده می‌کنند، رفتارهای غیرعادی را تشخیص می‌دهند و نقاط پایانی مخرب مانند سایت‌های فیشینگ را شناسایی می‌کنند. این قابلیت‌ها بسیار مهم هستند، زیرا داده‌های ما از ده‌ها میلیون شبکه نشان می‌دهد که بیش از ۶۲ درصد از کاربران حداقل یک‌بار در ماه سعی می‌کنند به یک وب‌سایت مخرب دسترسی پیدا کنند.

هوش مصنوعی چه کاری می‌تواند انجام دهد که راه‌حل‌های سنتی مخابرات برای آن تلاش می‌کنند؟

هوش مصنوعی به شرکت‌های مخابراتی اجازه می‌دهد کارهای بسیار بیشتری انجام دهند، اما مسئله این است که ابتدا داده‌ها را دریافت کنند. مدل های هوش مصنوعی ما بینش هایی را از دستگاه ها و برنامه های مختلف ارائه می دهند. مخابرات می تواند از آنها برای توسعه الگوریتم های ثانویه برای اهداف خاص استفاده کند. به عنوان مثال، اگر یک مدل هوش مصنوعی تمام داده های لازم را داشته باشد، می تواند به طور خودکار بسیاری از مشکلات مشتری را برای صرفه جویی در زمان خدمات مشتری و کاهش تماس ها برطرف کند. صرفه جویی در هزینه، مقیاس و انواع مسائلی که می توان به صورت فعالانه به آنها پرداخت، فراتر از هر راه حل سنتی است.

هوش مصنوعی چگونه به بهبود تجربه متصل کمک می کند؟

به طور قابل ملاحظه ای میتوانند کمک کنند! این به شرکت مخابراتی اجازه می‌دهد تا تشخیص و حل مشکلات را خودکار کند، خدمات را شخصی‌سازی کند و کیفیت خدمات را به‌طور قابل اعتماد اندازه‌گیری کند. یک سناریوی معمولی که در آن هوش مصنوعی تجربه متصل را تغییر می‌دهد، این است که مشتری از خانه کار می‌کند. آنها به شبکه خود نیاز دارند تا وظایف مربوط به کار را اولویت بندی کند و یک هوش مصنوعی می تواند بهترین اتصال را برای دستگاه ها و خدمات خاص آن کاربر بهینه کند. برای مثال، اگر سیستم هوش مصنوعی لپ‌تاپ کاری را شناسایی کند که برای یک تماس ویدیویی استفاده می‌شود، به طور خودکار به این دستگاه اولویت شبکه را نسبت به سایر فعالیت‌ها، مانند پخش سرگرمی کودکان در اتاق دیگر، می‌دهد.

آیا شرکت های مخابراتی استراتژی یکپارچه سازی هوش مصنوعی دارند؟ یا برای استفاده و درک راه حل هایی مانند راه حل های شما مشکل دارند؟

اول از همه، هوش مصنوعی دیگر یک موضوع فنی نیست، یک سوال رهبری است. پیاده سازی هوش مصنوعی نسبتا آسان است، خطوط لوله و زیرساخت ها در حال حاضر وجود دارد. مانع واقعی برای ورود، استراتژی داده، سرمایه گذاری در استراتژی داده و پلتفرم هایی است که الگوریتم هایی را که می خواهید ایجاد کنید، تامین می کند.

آنچه مخابرات با آن دست و پنجه نرم می کند تجمیع داده است، زیرا آنها معمولا منابع داده زیادی دارند. جمع‌آوری داده‌های مربوطه و رساندن آن به مکانی که در قالب قابل مصرف باشد – ادغام‌شده، فیلتر شده، با ویژگی‌های استخراج‌شده و پاک‌شده – بخش عمده‌ای از کار مورد نیاز برای شروع استفاده از هوش مصنوعی است.

اکثر اپراتورهای Tier-1 ارزش داشتن تمام داده های خود را در قالب مصرفی درک می کنند، اما ما این را از ارائه دهندگان خدمات شبکه کوچکتر نمی بینیم. به طور کلی، شرکت‌های مخابراتی بزرگ استراتژی‌های داده پیشرفته‌تر و حتی تیم‌هایی از دانشمندان داده دارند، در حالی که ارائه‌دهندگان کوچک‌تر معمولاً این منابع را ندارند. آنها به احتمال زیاد به هوش مصنوعی به عنوان یک پروژه منزوی نگاه می کنند، جایی که شرکت های مخابراتی بزرگ درک می کنند که مشکل چند بعدی است و هوش مصنوعی می تواند چندین کاربرد داشته باشد.

نکته مهمی که اکثر شرکت های مخابراتی در مورد هوش مصنوعی نادیده می گیرند چیست؟

در کل در این زمینه سرمایه گذاری کمتری دارند. مخابرات دارای حجم عظیمی از داده است و هوش مصنوعی به راحتی قابل دسترسی است. نکته کلیدی این است که داده ها را برای هوش مصنوعی مصرف کنند، که 80 درصد کار را تشکیل می دهد، سپس رهبری باید سؤالات درست را بپرسد و بر اساس بینش هایی که به دست می آورد عمل کند.

مالکیت داده نیز بسیار مهم است. در بسیاری از موارد باید به داده های خام دسترسی پیدا کنید، و اگر فقط از یک سرویس محدود استفاده می کنید که به شما امکان دسترسی به برخی از داده های مشتق را می دهد، قابلیت های هوش مصنوعی شما محدود می شود.

وقتی 1 تا 2 سال به آینده نگاه می کنید، چه کاربردهایی از هوش مصنوعی در مخابرات پیش بینی می کنید؟

فکر می‌کنم در این بازه زمانی کوتاه، ارائه‌دهندگان بزرگ به ساختن داده‌های خود به راحتی برای سیستم‌های هوش مصنوعی ادامه خواهند داد. ممکن است اولین شرکت های مخابراتی را ببینیم که می توانند از تمام اطلاعاتی که دارند استفاده کنند، درست همانطور که شرکت های بزرگ فناوری امروز انجام می دهند. امیدواریم شرکت‌های مخابراتی استراتژی استفاده از داده‌های مصرفی و همکاری با تنظیم‌کننده‌ها برای استفاده از آن برای موارد استفاده مورد نیاز خود داشته باشند. مدل‌های زبان بزرگ احتمالاً عملیات خدمات مشتری را بهبود می‌بخشد.

با نگاهی به آینده، شرکت های مخابراتی که به طور موثر هوش مصنوعی را ادغام می کنند، مزیت رقابتی قابل توجهی را به دست خواهند آورد: کیفیت شبکه، اثربخشی خدمات مشتری و رضایت مشتری بهبود می یابد. هوش مصنوعی کلید بهبود NPS و مقرون به صرفه بودن یک ارائه دهنده و افزایش خدمات ارزش افزوده آنها خواهد بود.