¿Cuántos años hace que el sector de las telecomunicaciones habla de utilizar los datos para mejorar sus operaciones y desarrollar nuevos negocios? Son años con este asunto como uno de los ítems importantes en la agenda de las telco, y sin embargo, a pesar de tener muchos datos no parecen ser de suficiente calidad para desarrollar la Inteligencia Artificial (IA). O así lo concluye un nuevo estudio de Analysys Mason encargado por Nokia.
“Los operadores no pueden acceder a conjuntos de datos de alta calidad —que les permitirían tomar decisiones más precisas— debido a que están utilizando sistemas heredados con interfaces propietarias. Esto limitará la rapidez con la que pueden integrar la IA en sus redes”, concluye la investigación, que se basa en respuestas de 84 operadores encuestados a nivel global. Casi el 50 por ciento de los operadores Tier 1 calificaron la recopilación de datos como la etapa más desafiante del ciclo de desarrollo de casos de uso de IA en telecomunicaciones.
Además, la investigación encontró que solo el seis por ciento de los operadores encuestados creen que están en el nivel más avanzado de automatización, o automatización zero-touch, que depende de algoritmos de IA y aprendizaje automático (ML, por sus siglas en inglés) para gestionar y mejorar las operaciones de red. El problema de los datos de alta calidad también está afectando la capacidad de los operadores para retener talento en el ámbito de la IA.
Sin embargo, el 87 por ciento han comenzado a implementar la IA en sus operaciones de red, ya sea como pruebas de concepto o en producción; con el 57 por ciento asegurando que han implementado casos de uso de IA en telecomunicaciones hasta el punto de producción.
Los operadores encuestados creen que la IA ayudará a mejorar la calidad del servicio de red, el crecimiento de los ingresos, la experiencia del cliente y la optimización energética para cumplir con sus objetivos de sostenibilidad.
La investigación indicó que los operadores deben evaluar sus estrategias de implementación de IA y desarrollar una hoja de ruta clara para la implementación de IA para superar su desafío de datos y otros obstáculos, como la incapacidad para escalar la implementación de casos de uso de IA.
“Los operadores deben pasar a operaciones más autónomas si quieren gestionar las redes de manera más eficiente y cumplir con sus principales prioridades comerciales. Pero como demuestra esta investigación, el acceso a datos de alta calidad sigue siendo un obstáculo crítico para implementar la IA en sus redes. Deben examinar realmente sus estrategias de implementación de IA para trabajar en torno a este problema de calidad de datos”, dice Adaora Okeleke, analista principal en Analysys Mason.
El informe se puede descargar aquí.
