- การเปลี่ยนผ่านจาก AI เชิงสร้างสรรค์แบบความน่าจะเป็นไปสู่ AI เชิงตัวแทนที่สามารถดำเนินการกระบวนการที่ซับซ้อนได้ด้วยความสามารถตรวจสอบย้อนกลับและความเป็นอิสระ
- เอาชนะปัญหาข้อมูลที่กระจัดกระจายและการทำงานที่ไม่เป็นระบบของระบบเดิม ด้วยวิธีการ ค้นหา ทำความเข้าใจ และดำเนินการ (Search, Understand and Act)
- การนำเครือข่ายอัตโนมัติมาใช้และการเพิ่มประสิทธิภาพการปฏิบัติงานภาคสนามเพื่อลดค่าใช้จ่ายในการดำเนินงานและปรับปรุงความพึงพอใจของลูกค้า (NPS)
เป็นเวลาหลายทศวรรษแล้วที่ผู้ให้บริการโทรคมนาคมเป็นเสาหลักของสังคมเรา ช่วยให้การไหลเวียนของข้อมูลเป็นไปอย่างราบรื่น อย่างไรก็ตาม เรามาถึงจุดที่การส่งข้อมูลเพียงอย่างเดียวไม่เพียงพออีกต่อไปแล้ว ความท้าทายที่แท้จริงในขณะนี้คือการประมวลผลข้อมูลเหล่านั้นด้วยความแม่นยำสูงและความน่าเชื่อถืออย่างสมบูรณ์ เราไม่รู้สึกทึ่งกับการที่เครื่องจักรให้คำตอบที่เข้าใจได้อีกต่อไปแล้ว สิ่งที่เราต้องการในตอนนี้คือให้AI ลงมือทำงานและปฏิบัติภารกิจในโลกแห่งความเป็นจริงในสภาพแวดล้อมการผลิต
ในสถานการณ์นี้ ภาคอุตสาหกรรมกำลังเผชิญกับทางแยกที่สำคัญ แม้ว่าการลงทุนในระบบอัตโนมัติจะเพิ่มสูงขึ้นอย่างมาก แต่หลายบริษัทก็ประสบปัญหาในการเปลี่ยนจากการทดสอบแบบควบคุมไปสู่การใช้งานจริง อุตสาหกรรมไม่ได้มองหาคำมั่นสัญญาทางทฤษฎีอีกต่อไป แต่ต้องการการรับประกันด้านความปลอดภัยและการตรวจสอบได้โดยเฉพาะอย่างยิ่งในเครือข่ายการสื่อสาร เนื่องจากข้อผิดพลาดในการกำหนดค่าอาจนำไปสู่หายนะในการดำเนินงานที่ไม่สามารถยอมรับได้
ลาก่อน AI แบบสร้างสรรค์ (Generative AI) สวัสดี AI แบบตัวแทน (Agent AI)
สิ่งสำคัญคือต้องเข้าใจว่า AI แบบสร้างเนื้อหา (Generative AI) และ AI แบบตัวแทน (Agentic AI) ไม่ใช่สิ่งเดียวกัน AI แบบสร้างเนื้อหาเก่งในการสร้างเนื้อหาและวิเคราะห์รูปแบบ แต่โดยพื้นฐานแล้วมันขึ้นอยู่กับความน่าจะเป็นและอาจสร้างข้อมูลเท็จได้ ในทางตรงกันข้าม AI แบบตัวแทนจะดำเนินการตามขั้นตอนการทำงานที่สมบูรณ์โดยใช้เหตุผลเกี่ยวกับเจตนาของผู้ใช้และกระทำการกับสภาพแวดล้อมเพื่อให้บรรลุเป้าหมายที่เฉพาะเจาะจง
เราสามารถสรุปความแตกต่างนี้ได้โดยกล่าวว่า ในขณะที่ AI แบบสร้างสรรค์ "คิดและสร้าง" AI แบบตัวแทน"คิด ตัดสินใจ และลงมือทำ " มันไม่ได้แค่เสนอแนะวิธีแก้ปัญหา แต่ยังลงมือปฏิบัติ ตรวจสอบว่าได้ผล และเรียนรู้จากผลลัพธ์ ความสามารถในการทำงานอย่างอิสระและเชิงรุก นี้ เองที่ทำให้เราก้าวจากแชทบอทแบบง่ายๆ ที่ทำตามสคริปต์ที่ตายตัว ไปสู่ผู้ช่วยดิจิทัลที่แก้ไขปัญหาเครือข่ายได้โดยไม่ต้องมีการแทรกแซงจากมนุษย์ในทุกขั้นตอน
ปัญหาของระบบแยกส่วนและการแบ่งแยกทางเทคโนโลยี
หนึ่งในปัญหาใหญ่ที่สุดสำหรับผู้ให้บริการด้านการสื่อสาร (CSPs) คือระบบของพวกเขาที่กระจัดกระจาย ข้อมูลสำคัญเกี่ยวกับประสิทธิภาพเครือข่าย บันทึกการโทร และการเรียกเก็บเงิน มักจะถูกเก็บไว้ในระบบข้อมูลที่กระจัดกระจายและระบบเก่าๆการขาดความเชื่อมโยงนี้ทำให้การตัดสินใจช้าลงและทำให้แทบเป็นไปไม่ได้เลยที่จะมองเห็นภาพรวมของลูกค้าได้อย่างครบถ้วน
เพื่อรับมือกับความวุ่นวายนี้ จึงมีการเสนอแนวทางที่เป็นระบบโดยยึดหลักสามประการ ได้แก่การค้นหา การทำความเข้าใจ และการลงมือทำประการแรก เป้าหมายคือการค้นหาข้อมูลที่ถูกต้องภายในมหาสมุทรแห่งข้อมูลหลายรูปแบบ (ข้อความ เสียง วิดีโอ) โดยใช้การเตรียมข้อมูลที่เหมาะสมสำหรับ AI ที่ทำหน้าที่แทนผู้อื่นถัดมา ระบบจะต้องสามารถสังเคราะห์ข้อมูลดิบเหล่านี้ให้กลายเป็นข้อมูลเชิงลึกที่นำไปสู่การปฏิบัติได้สุดท้าย AI จะแปลงความรู้เหล่านี้ให้เป็นการกระทำที่เป็นรูปธรรมและบูรณาการเข้ากับขั้นตอนการทำงานประจำวันของบริษัท
กรณีศึกษา: ชีวิตประจำวันในบริษัทโทรคมนาคมเปลี่ยนแปลงไปอย่างไร?
การประยุกต์ใช้ระบบอัจฉริยะเหล่านี้ส่งผลกระทบในหลายด้าน ในการปฏิบัติงานภาคสนามวิศวกรไม่จำเป็นต้องค้นหาข้อมูลในคู่มือมากมายอีกต่อไป AI สามารถวิเคราะห์ภาพถ่ายของอุปกรณ์ที่ชำรุด เปรียบเทียบกับเอกสารทางเทคนิค และให้คำแนะนำด้วยเสียงที่แม่นยำสำหรับการซ่อมแซม เมื่อเสร็จสิ้นภารกิจ ระบบจะอัปเดตข้อมูลสินค้าคงคลังและปิดงานในระบบ CRM โดยอัตโนมัติ
ในส่วนของการจัดการเครือข่าย เรากำลังก้าวไปสู่เครือข่ายอัตโนมัติตัวแทนอัจฉริยะสามารถเชื่อมโยงสัญญาณเตือนปริมาณการใช้งานกับการโทรของลูกค้าและข้อมูลสภาพอากาศเพื่อวินิจฉัยสาเหตุที่แท้จริงของปัญหาได้ในเวลาเพียงไม่กี่วินาที ซึ่งช่วยให้ระบบสามารถปรับแบนด์วิดท์หรือการกำหนดเส้นทางได้อย่างไดนามิก ลดปัญหาการหยุดชะงักของบริการก่อนที่ผู้ใช้จะสังเกตเห็นความผิดปกติใดๆ
ในด้านการขายและการบริการลูกค้า AI สำหรับเจ้าหน้าที่ช่วยเพิ่มคะแนนความพึงพอใจของลูกค้า (NPS) โดยการตรวจจับความตั้งใจของผู้ใช้แบบเรียลไทม์ หากลูกค้าโทรมาเนื่องจากการเชื่อมต่อช้า เจ้าหน้าที่จะไม่เพียงแต่ให้ขั้นตอนการแก้ไขปัญหาเท่านั้น แต่ยังวิเคราะห์ความแออัดของเครือข่ายในพื้นที่ปรับปรุงประสิทธิภาพ และแจ้งให้ลูกค้าทราบถึงการแก้ไขปัญหาที่สำเร็จ พร้อมทั้งระบุแนวโน้มการเลิกใช้บริการและเสนอข้อเสนอที่ดีที่สุดถัดไป (Next Best Offer: NBO)ที่ ปรับให้เหมาะสมกับแต่ละบุคคล
เทคโนโลยีที่ทำให้การปฏิวัติครั้งนี้เกิดขึ้นได้
ความก้าวหน้าเชิงคุณภาพนี้จะไม่สามารถเกิดขึ้นได้หากปราศจากการผสานรวมของเทคโนโลยีหลายอย่าง การประมวลผลภาษาธรรมชาติ (NLP) ช่วยให้วิศวกรสามารถโต้ตอบกับเครือข่ายโดยใช้ภาษาธรรมชาติการเรียนรู้แบบเสริมแรงช่วยให้เอเจนต์พัฒนาตนเองได้ด้วยประสบการณ์ ในขณะที่สถาปัตยกรรมแบบคลาวด์เนทีฟให้ความสามารถในการปรับขนาดที่จำเป็น นอกจากนี้ การใช้API แบบเปิดและการจัดการแบบโมดูลาร์เป็นกุญแจสำคัญสำหรับ AI ในการสื่อสารกับระบบ OSS และ BSS ได้อย่างราบรื่น
อย่างไรก็ตาม การใช้งานในวงกว้างก็มีความเสี่ยงเช่นกัน การรักษาอำนาจอธิปไตยของข้อมูลและความเป็นส่วนตัวเป็นสิ่งที่ไม่สามารถต่อรองได้ โดยเฉพาะอย่างยิ่งเมื่อปริมาณการลงทุนในศูนย์ข้อมูลมีขนาดใหญ่มาก ผู้ให้บริการต้องมั่นใจว่าตัวแทนของตนมีความรับผิดชอบและโปร่งใสเพื่อให้มนุษย์สามารถดูแลและควบคุมการทำงานอัตโนมัติได้อย่างมีประสิทธิภาพ
การเปลี่ยนแปลงกระบวนทัศน์ในรูปแบบการดำเนินงาน
การนำ AI แบบตัวแทนมาใช้ไม่ใช่แค่การเปลี่ยนแปลงซอฟต์แวร์ แต่เป็นการเปลี่ยนแปลงทางวัฒนธรรมที่ต้องกำหนดรูปแบบองค์กรใหม่ให้สอดคล้องกับ AI แบบตัวแทนพนักงานโทรคมนาคมต้องเปลี่ยนจากการทำงานด้วยตนเองไปเป็นผู้ดูแลระบบอัตโนมัติซึ่งหมายความว่าคุณค่าของพนักงานไม่ได้อยู่ที่การรู้วิธีตั้งค่าเราเตอร์อีกต่อไป แต่ขึ้นอยู่กับการจัดการข้อผิดพลาดและการเพิ่มประสิทธิภาพกลยุทธ์ของตัวแทนดิจิทัล
โมเดลลูกผสมนี้ ซึ่งมนุษย์และเอเจนต์ทำงานร่วมกัน ช่วยให้บริษัทโทรคมนาคมก้าวข้ามการเป็นเพียงทางด่วนข้อมูล และเปลี่ยนไปเป็นผู้ให้บริการด้านบริการเชิงปัญญาโดยการปลดปล่อยความสามารถของมนุษย์จากงานที่ซ้ำซากจำเจ เปิดประตูสู่การสร้างสรรค์นวัตกรรมที่ก้าวล้ำยิ่งขึ้น และลดค่าใช้จ่ายในการดำเนินงาน (OPEX ) อย่างมาก ทำให้ธุรกิจมีความคล่องตัวและยืดหยุ่นต่อการเปลี่ยนแปลงของตลาดมากขึ้น
การเปลี่ยนผ่านไปสู่การดำเนินงานแบบใช้เอเจนต์ช่วยให้บริษัทโทรคมนาคมบรรลุประสิทธิภาพและความภักดีของลูกค้าในระดับที่ไม่เคยมีมาก่อน เปลี่ยนความซับซ้อนของเครือข่ายให้เป็นข้อได้เปรียบในการแข่งขันโดยการใช้แรงงานดิจิทัลที่ตรวจสอบได้และเชิงรุก ซึ่งสามารถสร้างผลตอบแทนจากการลงทุนที่วัดผลได้
