Η επόμενη φάση των τηλεπικοινωνιακών δικτύων δεν ορίζεται μόνο από μεγαλύτερες ταχύτητες, περισσότερη χωρητικότητα ή νέες γενιές τεχνολογίας, αλλά από την ικανότητα των παρόχων να μετατρέπουν την πολυπλοκότητα σε ελεγχόμενη, μετρήσιμη και ανθεκτική λειτουργία. Στο νέο επεισόδιο των SmartTalks, ο Γιώργος Βυτινιώτης, Network Services Director της Accenture Greece, αναλύει πώς η τεχνητή νοημοσύνη αλλάζει τον τρόπο με τον οποίο σχεδιάζονται, λειτουργούν και βελτιστοποιούνται τα δίκτυα, μετακινώντας το κέντρο βάρους από την αντίδραση στην πρόβλεψη. Το βασικό στρατηγικό συμπέρασμα είναι ότι η AI στα δίκτυα αποκτά αξία μόνο όταν στηρίζεται σε πραγματικά προβλήματα, πραγματικά δεδομένα και μετρήσιμα επιχειρησιακά αποτελέσματα.
Σύμφωνα με την ανάλυσή του, η αξία της Accenture για την ελληνική αγορά προκύπτει από τον συνδυασμό διεθνούς τεχνογνωσίας και τοπικής κατανόησης. Όπως εξηγεί, η εταιρεία έχει συσσωρεύσει εμπειρία από δεκάδες μεγάλα έργα network transformation σε παρόχους διεθνώς, γεγονός που της επιτρέπει να μην «ανακαλύπτει τον τροχό» κάθε φορά που ένας ελληνικός πάροχος φέρνει ένα πρόβλημα, μια ανάγκη ή μια ιδέα. Παράλληλα, η ελληνική αγορά έχει τις δικές της ιδιαιτερότητες, με περιορισμένο αριθμό παρόχων, έντονο ανταγωνισμό και σημαντικές επενδύσεις σε δίκτυα. Η διπλή οπτική αυτή επιτρέπει τη μεταφορά δοκιμασμένων πρακτικών σε ένα περιβάλλον με σαφείς τοπικές απαιτήσεις και αυξανόμενη πίεση στις τηλεπικοινωνιακές υποδομές.
Ο κ. Βυτινιώτης υποστηρίζει ότι η τεχνητή νοημοσύνη αλλάζει ουσιαστικά το λειτουργικό υπόδειγμα των παρόχων, επειδή το παραδοσιακό reactive μοντέλο δεν επαρκεί πλέον. Στο παρελθόν, το δίκτυο αντιδρούσε όταν ο πελάτης αντιμετώπιζε πρόβλημα, δημιουργούσε ticket και ενεργοποιούνταν η διαδικασία επίλυσης. Όπως σημειώνει, οι πάροχοι κινούνται πλέον σε ένα περιβάλλον όπου συνυπάρχουν 5G standalone, edge computing, IoT και cloud native υπηρεσίες, γεγονός που αυξάνει σημαντικά την πολυπλοκότητα. Η τεχνητή νοημοσύνη μπορεί να συνδυάσει μεγάλο όγκο πληροφορίας, να αναγνωρίσει μοτίβα υποβάθμισης και να βοηθήσει στην πρόληψη προβλημάτων πριν γίνουν ορατά. Έτσι, η προληπτική λειτουργία μετατρέπεται σε κρίσιμο εργαλείο για την ποιότητα δικτύου, την εμπειρία πελάτη και την υποστήριξη υπηρεσιών με δυναμικά SLA.
Την ίδια στιγμή, τονίζει πως η μετάβαση από AI pilots σε παραγωγική αξιοποίηση απαιτεί ρεαλισμό, πειθαρχία και σαφή επιχειρησιακή αφετηρία. Προειδοποιεί ότι πολλά πειραματικά έργα αποτυγχάνουν όταν σχεδιάζονται επειδή «ακούγονται ωραία» ή επειδή εντάσσονται στο γενικό hype της τεχνητής νοημοσύνης. Η σωστή διαδρομή, όπως την περιγράφει, ξεκινά από ένα υπαρκτό πρόβλημα, χρησιμοποιεί πραγματικά δεδομένα και δοκιμάζει μικρές εφαρμογές που μπορούν σταδιακά να κλιμακωθούν. Ιδιαίτερη σημασία δίνει στην ψηφιοποίηση των διαδικασιών, καθώς μια διαδικασία που παραμένει στο χαρτί δεν μπορεί να αποκτήσει πραγματική αυτονομία. Για τον ίδιο, τα πραγματικά δεδομένα και η ψηφιακή αποτύπωση αποτελούν τη βάση πάνω στην οποία μπορεί να χτιστεί εμπιστοσύνη.
Όπως επισημαίνει, η τεχνητή νοημοσύνη δεν πρέπει να αξιολογείται ως τεχνολογική επίδειξη, αλλά ως επένδυση με συγκεκριμένα KPIs. Η παγίδα της «τεχνολογίας για την τεχνολογία» είναι, κατά την ανάλυσή του, υπαρκτή, ειδικά όταν οι οργανισμοί αισθάνονται ότι πρέπει απλώς να δείξουν πως κάνουν AI. Η ορθή προσέγγιση είναι διαφορετική: εντοπισμός του προβλήματος, σύνδεσή του με μετρήσιμους δείκτες και αξιολόγηση του πριν και του μετά. Στη λειτουργία δικτύων, τέτοιοι δείκτες είναι ο χρόνος επίλυσης προβλημάτων, το mean time to repair, το first time right, η μείωση των escalations, τα tickets και το downtime. Μόνο έτσι μπορεί να προκύψει μετρήσιμη αξία και να τεκμηριωθεί η απόδοση της επένδυσης.
Σε επίπεδο εφαρμογών, διακρίνει σημαντικό περιθώριο αξίας σε τρεις βασικούς άξονες: την προληπτική συντήρηση, το Customer Experience Management και την ενεργειακή βελτιστοποίηση. Όπως εξηγεί, ένα δίκτυο που προλαμβάνει βλάβες δημιουργεί καλύτερη εμπειρία για τον τελικό χρήστη, ενώ η δυνατότητα προσαρμογής των πόρων του δικτύου ανάλογα με την κίνηση μπορεί να συμβάλει σε καλύτερη ενεργειακή κατανάλωση και στις ESG δεσμεύσεις των παρόχων. Παράλληλα, αναφέρει λύσεις για σχεδιασμό δικτύων, site acceptance, υποστήριξη field engineers και optimization συγκεκριμένων δεικτών, όπως upload throughput, download throughput και coverage. Η ενεργειακή βελτιστοποίηση και η εμπειρία πελάτη συνδέονται άμεσα με τη λειτουργική ποιότητα του δικτύου.
Αναφέρει, παράλληλα, πως ένα AI-based μοντέλο λειτουργίας μπορεί να αλλάξει ριζικά την αντιμετώπιση προβλημάτων στο δίκτυο. Στο παραδοσιακό μοντέλο, ένα alarm φτάνει στο NOC, αναλύεται από ανθρώπους και ακολουθεί η αναζήτηση λύσης. Στο μοντέλο που περιγράφει η Accenture, το λεγόμενο «agentic NOC», εξειδικευμένοι agents αναλαμβάνουν επιμέρους λειτουργίες, όπως research, planning, escalation και validation, υπό την καθοδήγηση ενός orchestrator agent. Ο κ. Βυτινιώτης τονίζει ότι το human in the loop παραμένει κρίσιμο, επειδή το δίκτυο αποτελεί τον πυρήνα λειτουργίας του παρόχου. Έτσι, οι specialized agents δεν αντικαθιστούν την ανθρώπινη εμπειρία, αλλά τη συμπληρώνουν, επιτρέποντας ταχύτερη διάγνωση, λιγότερο θόρυβο για τις ομάδες και μικρότερο χρόνο επίλυσης.
Κλείνοντας, υποστηρίζει ότι ο κρίσιμος παράγοντας επιτυχίας δεν είναι πλέον μόνο η τεχνολογία, αλλά ο οργανισμός που καλείται να την αξιοποιήσει. Οι πάροχοι χρειάζονται σωστά δεδομένα, ψηφιοποιημένες διαδικασίες, νέες δεξιότητες για τους μηχανικούς, προσαρμοσμένο operating model και κοινή στόχευση μέσα στο οικοσύστημα τεχνολογικών παρόχων, system integrators και τηλεπικοινωνιακών οργανισμών. Η Accenture, όπως σημειώνει, ενισχύει αυτή τη θέση μέσω της διεθνούς εμπειρίας της και εξαγορών όπως των OOKLA και Avanseus, συνδυάζοντας δεδομένα, τεχνογνωσία και ικανότητα υλοποίησης. Το τελικό μήνυμα του κ. Βυτινιώτη είναι ότι οι πάροχοι δεν αναζητούν μόνο τεχνολογικές επιλογές, αλλά έναν partner εμπιστοσύνης για το core asset τους, που είναι το δίκτυό τους.
Τα SmartTalks κατέκτησαν την 1η θέση στην κατηγορία «Καλύτερο Podcast Τεχνολογίας» και την 3η θέση στην κατηγορία «Καλύτερο Podcast Επιχειρηματικότητας». Μάθετε περισσότερα εδώ!
