Οι πάροχοι αναμένεται να επενδύσουν περισσότερα από 17 δισεκατομμύρια δολάρια στην ασφάλεια δικτύων που βασίζεται στην τεχνητή νοημοσύνη κατά τα επόμενα πέντε χρόνια, καθώς αναζητούν νέες ευκαιρίες εσόδων σε τομείς όπως η υγειονομική περίθαλψη, η ενέργεια και οι μεταφορές.
Η Juniper Research προβλέπει ότι οι ετήσιες δαπάνες για την ασφάλεια με τεχνητή νοημοσύνη θα αυξηθούν από 2,5 δισεκατομμύρια δολάρια το 2025 σε 4,6 δισεκατομμύρια δολάρια έως το 2029, καθώς οι πάροχοι ανταγωνίζονται για να προσφέρουν έξυπνη και αυτόνομη ασφάλεια στις επιχειρήσεις. Η έκθεση προειδοποίησε ότι χωρίς τις κατάλληλες επενδύσεις σε ασφάλεια για την προστασία των δεδομένων των επιχειρήσεων, οι πάροχοι μπορεί να χάσουν ευκαιρίες στην B2B αγορά, σημειώνοντας ότι οι παραδοσιακές πηγές εσόδων συνεχίζουν να μειώνονται.
Η Juniper ανέφερε ότι η agentic AI, δηλαδή τα συστήματα που είναι ικανά να λαμβάνουν ανεξάρτητες, πραγματικού χρόνου αποφάσεις, αποτελεί βασική τεχνολογία για την παροχή αυτόνομων, πραγματικού χρόνου απαντήσεων στις κυβερνοαπειλές.
Ο ερευνητής και συγγραφέας Alex Webb εξήγησε ότι η τεχνολογία αυτή θα επιτρέψει στους παρόχους να ενσωματώσουν αυτονομία στις λειτουργίες ασφαλείας των δικτύων τους, ανταποκρινόμενοι σε πραγματικό χρόνο σε απειλές για το δίκτυο, διατηρώντας παράλληλα την αποδοτικότητα, μια ικανότητα που, όπως είπε, θα είναι απαραίτητη για την προστασία της κίνησης των επιχειρήσεων και την αύξηση των εσόδων B2B.
Πέρα από την ασφάλεια, οι τηλεπικοινωνιακές εταιρείες είναι επίσης έτοιμες να ενισχύσουν την ευρύτερη ανάπτυξη της τεχνητής νοημοσύνης στα δίκτυα. Η Juniper προέβλεψε ότι οι επενδύσεις των παρόχων σε τεχνητή νοημοσύνη θα αυξηθούν από 13,5 δισεκατομμύρια δολάρια το 2025 σε 21,9 δισεκατομμύρια δολάρια έως το 2029, λόγω των φιλοδοξιών για την επίτευξη λειτουργιών «μηδενικής επαφής» στα κυψελοειδή δίκτυα.
Η ερευνητική εταιρεία ανέδειξε, επίσης, την τεχνητή νοημοσύνη ως κεντρικής σημασίας για την προώθηση της ενεργειακής αποδοτικότητας. Έως το 2029, οι εξοικονομήσεις ενέργειας από εφαρμογές τεχνητής νοημοσύνης θα μπορούσαν να φτάσουν τις 6.100 τεραβατώρες, που μεταφράζονται σε εξοικονόμηση κόστους 224 δισεκατομμυρίων δολαρίων.
Η έκθεση σημείωσε ότι τα μοντέλα που βασίζονται σε τεχνητή νοημοσύνη μπορούν να προβλέψουν τις αιχμές της κίνησης του δικτύου με ακρίβεια 95%, επιτρέποντας στους παρόχους να δημιουργήσουν αυτόνομη, ενεργειακά βελτιστοποιημένη υποδομή δικτύου. Επιπλέον, ανέδειξε την εμπορικά βιώσιμη διαίρεση δικτύου ως μια σημαντική ευκαιρία της τεχνητής νοημοσύνης για την ενίσχυση των υπηρεσιών συνδεσιμότητας.
