5G移动运营商实施AI驱动的自动化的四大要求

集中管理并非总是最好的经营策略，但对于利用人工智能（AI）进行自动化的电信行业来说，它肯定是最好的。移动网络运营商如果选择采用集中协调的方式来实施人工智能项目，其成功的可能性会增加53%¹。

这么说是有道理的：过去，AI相当机械呆板和照本宣科，但现在它却具有决断性和自适应性。只有通过集中化管理，才能充分发挥AI驱动的自动化的效用，从而以更低的成本更快地做出更好的决策。

我们看看AI驱动的自动化获得成功的四个方面，首先从进行监测的方式以及监测所提供的网络与服务性能洞察力开始。

1 - 基于洞察力进行AI驱动的自动化

AI发生了变化，而支撑它的网络和服务监测技术也同样发生了变化。在过去，实时监测和分析是可有可无，甚至是不必要的功能。现在，91%的运营商²认为，这些功能对于自动化的成功至关重要。不仅仅要知道应该将什么自动化，而且还需要验证自动化的运行是否符合预期要求。

在接下来的几年里，网络将成为由统计数据驱动的系统。这些系统接收到的数据非常关键。这就是为什么从一开始就给5G内置监测功能，而不是像前几代移动网络那样经常事后才起来的原因。

但是，各种监测系统无法共享数据正成为一个大问题。

2 - 用“小卵石”而不是“大岩石”来填补实现AI驱动的自动化所需要的洞察力缺口

目前，运营商现有的监测系统存在明显的洞察力缺口，这阻碍了他们在AI驱动的自动化方面取得进展。例如：65%的运营商表示，系统缺少随时随地、实时地抓取数据的功能，从而阻碍了他们前进的步伐³。

虽然大数据仍将继续发挥作用，但已不足以满足要求。我们需要用“小数据”——与大数据相辅相成——来填补这一缺口，以及内置的机器学习功能实时地检测数据流。这种处理过程发生在大数据系统的上行方向，使AI驱动的自动化能够立即使用数据，并在几秒钟内进行处理。

大约60%的运营供商都没有一个成熟的服务保障自动化框架⁴。其中一个原因可能是很难统一使用现有的网络遥测、监测和分析工具，91%的运营商认为这些工具对网络自动化至关重要⁵。因为这些系统都被设计成单向系统来解决某个问题，所以缺少实施自动化所需的API等功能也就不足为奇了。

但是，仍然需要将这些系统集成起来。

3 - 通过AI驱动的自动化，使用多数据源来解决性能问题

使用相互独立的数据源不仅效率低下，而且越来越没有效率。流媒体视频质量下降的根本原因是什么？为什么IMS问题会反复出现？回答这样的问题需要从很多不同的层面来了解发生了什么。这只有在使用被同时自动化的系统时才可能。这还需要系统能够相互通信，并能够与编排器通信。

运营商面临的一个重大挑战是现有资源系统中的数据不一致或不准确。他们以不同的方式说明了自己面临的这个挑战。例如，25%的运营商表示，在评估被动的虚拟检测解决方案时，他们最重要的技术采购标准是通过集成来自多个来源的数据所实现的端到端洞察力⁶。

现在通常会发生的情况是，运营商的每个团队（部门）都有自己的数据源，在进行排障时，他们必须努力通过人工将这些数据源关联起来。虽然在传统的网络环境中，在某种程度上可以采用这种做法，但到了进行自动化的时候，事情就会土崩瓦解。

超过半数（56%）的运营商无法在服务保障系统之间共享数据，因为这些工具都缺少API⁷。同样，超过一半（59%）的移动运营商指出，存在多个孤立的数据系统是使用AI和自动化的障碍⁸。造成这种情况的原因是，44%的运营商缺少统一的服务、网络和用户拓扑视图；他们无法看到不同的网络层、位置、用户和基础设施之间的相互依赖关系⁹。

然而，运营商仍然需要确保这些系统以某种方式相互集成起来，使用精确的上下文数据——也许不需要马上这样，但不久以后就需要。如果他们做不到这点，就无法实现5G所需的闭环、AI驱动的自动化。

4 - 放眼全局，集中行动

这让我们回到这个观点：集中管理AI驱动的自动化是通往成功的道路。应该首先从业务的角度，而不是运营的角度来看待这点。

运营商的许多近期自动化项目将以试点的方式或小规模地开展。尽管如此，仍然可以朝着相同的目标，集中协调这些项目。如果有相同的路线图，这些项目就可以在组织内得到更高层级的资金和支持，从而增加成功的可能性并提高整体价值。

这可以带来多个结果。首先，可以在整个组织范围内重点关注面向服务、贯穿自动化决策过程的架构。其次，可以设置一个“首席自动化官”来协调整体远景，确保提交给厂商的RFI和RFP所包括的要求对整个组织都有利。此外，这会促使厂商开发未来自动化所需的功能。

结束语

当涉及到支持AI驱动的自动化时，技术系统和利用它们的流程可能还没有全速发展。但它们正在迅速发展，而运营商处于比较有利的位置，可以控制并引导事情朝正确的方向发展。

观看完整的播客，更深入地了解运营商在实施自动化集成项目时面临的挑战。