Η μεγαλύτερη πρόκληση που αντιμετωπίζουν οι τηλεπικοινωνιακοί πάροχοι στην πορεία τους προς την ταχεία υιοθέτηση της τεχνητής νοημοσύνης, για την αυτοματοποίηση των δικτύων τους, είναι η αδυναμία πρόσβασης σε δεδομένα υψηλής ποιότητας, σύμφωνα με έρευνα που πραγματοποιήθηκε από την Analysys Mason.
Η έκθεση, η οποία ανατέθηκε στη συγκεκριμένη εταιρεία από τη Nokia, εστιάζει στα τρέχοντα επίπεδα αυτοματισμού μεταξύ των τηλεπικοινωνιακών παρόχων και στις βασικές δυσκολίες που εμποδίζουν τις εξελίξεις γύρω από τις περιπτώσεις χρήσης τεχνητής νοημοσύνης, παρά τις συνεχιζόμενες επενδύσεις.
Η υπ’ αριθμόν ένα πρόκληση που αντιμετωπίζουν οι πάροχοι κατά την ανάπτυξη σχετικών «use cases» είναι η έλλειψη πρόσβασης σε δεδομένα υψηλής ποιότητας, κάτι που μπορεί να εμποδίσει τις προσπάθειες για «αποτελεσματική» εφαρμογή της AI με στόχο τη βελτίωση των λειτουργιών δικτύου και υπηρεσιών – αυτό επισημάνθηκε από το 21% των 84 παρόχων που συμμετείχαν.
Επιπλέον, σχεδόν οι μισοί από τους παρόχους που παρουσιάζουν ετήσια έσοδα άνω των 10 δισεκατομμυρίων δολαρίων, κατέταξαν τη συλλογή δεδομένων ως το πιο δύσκολο στάδιο του κύκλου ανάπτυξης «use cases» που σχετίζονται με την τεχνητή νοημοσύνη, λαμβάνοντας υπόψη την κλίμακα της υποδομής δικτύου που έχουν σε λειτουργία.
Αυτά τα ζητήματα επηρεάζουν την ικανότητα των παρόχων να ενσωματώνουν την τεχνητή νοημοσύνη στα δίκτυά τους και να διατηρούν το ταλέντο. Επικαλούμενη την Chief Data Officer και SVP της Verizon, Linda Avery, η έρευνα σημείωσε ότι οι data scientists αφιερώνουν περίπου το 70% του χρόνου τους στην πρόσβαση και την προετοιμασία των δεδομένων, σε βάρος της εξαγωγής πληροφοριών – και αυτό τους δίνει λιγότερα κίνητρα για να παραμείνουν σε τέτοια περιβάλλοντα.
Η πρόσβαση στα απαιτούμενα σύνολα δεδομένων και σετ δεξιοτήτων επηρεάζει, επίσης, το χρόνο εφαρμογής των περιπτώσεων χρήσης τεχνητής νοημοσύνης, με τη μέση διάρκεια να απαιτεί μεταξύ έξι και επτά μηνών.
Συνιστάται στους παρόχους να υιοθετήσουν ένα σχέδιο που βασίζεται «στην ευκολία πρόσβασης στα δεδομένα και τον χρόνο που απαιτείται για την εξαγωγή αξίας». Θα επωφεληθούν, επίσης, από ένα σαφές πλάνο, από τη συνεργασία με προμηθευτές με «τα σωστά σύνολα δεξιοτήτων», τον εκσυγχρονισμό της υποδομής δεδομένων, τη χρήση της επεκτασιμότητας του cloud για την επιτάχυνση των υλοποιήσεων και τη στόχευση «use cases» που δημιουργούν αξία.
