Il percorso del Piano Industriale di TIM
Scopri i punti essenziali della nuova TIM. Approfondisci
Risultati preliminari Q2/H1 2024
Giovedì 1 agosto 2024 il management di TIM ha presentato in conference call i risultati preliminari al 30 giugno 2024. Segui l'on demand
La sostenibilità per TIM
Vogliamo contribuire ad accelerare la crescita sostenibile dell’economia e della società portando valore e benessere alle persone, alle aziende, alle istituzioni. Approfondisci
Ultimi Comunicati Stampa
Leggi gli ultimi comunicati stampa e naviga nell'archivio dell'Ufficio Stampa del Gruppo TIM. Leggi i comunicati
La portata della AI è così rivoluzionaria che solo le aziende in grado di adottare una strategia che integri la digitalizzazione, la comprensione dei processi, l’etica e la sicurezza saranno in grado di implementarla con successo e di coglierne l’enorme potenziale. In questo articolo esaminiamo le sfide per un operatore Telco.
Scarica il PDF
Opportunità offerte AI ad ..
757 KB
Le nuove tecnologie dell’Intelligenza Artificiale, come la Generative AI e i Large Language Model, possono essere impiegate per massimizzare l’efficacia e l’efficienza dei processi operativi nel settore delle telecomunicazioni, consentendo la creazione di un numero illimitato di casi d’uso. Ad esempio, queste tecnologie possono essere utilizzate per ottimizzare i consumi delle centrali, determinare le competenze necessarie per le operazioni di assurance, prevedere il successo o l’insuccesso di un intervento e fornire consulenza e supporto. In TIM attualmente sono stati implementati due casi d’uso (VuCAB ed EnergIA) che raccolgono informazioni relative agli apparati, alle centrali e alla componentistica di rete al fine di elaborare indicatori e modelli di analisi predittiva/prescrittiva. Questi modelli sono progettati per supportare i processi di sorveglianza e diagnosi della rete, nonché per prendere decisioni volte a migliorare la sostenibilità e l’efficienza dei costi aziendali. Nel dettaglio:
In questo contesto sono stati individuatiì ulteriori use case:
La riduzione di questi KO consentirà di migliorare l’efficienza delle attività dei tecnici sul territorio. In questo caso, si raccolgono dati sugli apparati, dati geografici e informazioni sugli ordini per cercare di prevedere l’esito della lavorazione. Inoltre, si sta lavorando sull’implementazione di strumenti di Generative AI per sviluppare un chatbot avanzato. Questo chatbot sarà alimentato con specifiche sugli apparati, linee guida sugli interventi e una Knowledge Base in continua evoluzione. Il suo obiettivo è fornire supporto evoluto per indirizzare problemi di Delivery e di Assurance.
Per la realizzazione degli use cases VUCAB & EnergIA è stata deliverata su Google Cloud Platform una piattaforma la cui architettura è rappresentata di seguito nella Fig.1. Si tratta di un ambiente dedicato alla Predictive Data Analisys, con possibilità di estensione e sviluppo su base use case, che, grazie all’accordo siglato con Google, consente di avere accesso agli strumenti analitici nativi offerti dal Cloud. Tale piattaforma, che potrà essere arricchita gradualmente sia in termini di tool disponibili (ora Vertex, Looker, a tendere Palm e, in futuro, Gemini), sia come fonti di alimentazione e finalità d’uso dei dati (scopo predittivo), rappresenta il nucleo della nuova Cloud Data Platform a supporto dei processi di Wholesale & Operations. Tale piattaforma renderà disponibile un ambiente unificato per Advanced Analytics che consentirà di superare i limiti delle attuali architetture on premise.
Figura 1: Architettura su GCP per use cases VUCAB & EnergIA
Da queste esperienze emerge che la disponibilità di strumenti in grado di analizzare enormi quantità di informazioni in modo automatico sta rendendo i dati una risorsa sempre più fondamentale per le aziende e un elemento centrale nei processi decisionali. È quindi fondamentale rafforzare questa consapevolezza e garantire che ogni evento generato dai processi aziendali venga immesso nel Data Lake, in modo da poter essere sfruttato per analisi predittive. Inoltre, è altrettanto essenziale istituire una catena MLOps che gestisca l’intero ciclo del Machine Learning, che comprende l’ingestion, l’analisi, la trasformazione, la modellazione, l’addestramento, la valutazione, il deploy e la previsione. Questo è cruciale per implementare un processo di Continuous Integration/Continuous Deployment (CI/CD), che migliora la qualità degli artefatti prodotti, riduce gli errori e il tempo in fase di deploy. Ed ancora. Il Cloud rappresenta un acceleratore nella realizzazione di soluzioni, che possono essere sperimentate attraverso Proof of Concept (POC) con tempi significativamente più rapidi rispetto alle soluzioni tradizionali. Non è più necessario effettuare investimenti ingenti per creare una catena MLOps. L’approccio vincente è lavorare in modo agile per ogni caso d’uso, coinvolgendo un Product Owner nel processo. L’utilizzo di nuove tecnologie su ambienti Cloud richiede il potenziamento degli skill dei gruppi di lavoro, con formazione mirata sia su aspetti architetturali che di sviluppo. Nasce in TIM la figura del Data Scientist, un professionista specializzato nella raccolta e analisi di grandi quantità di dati, che combina informatica, statistica e matematica per elaborare e modellare i dati, interpretando i risultati per fornire indicazioni strategiche. L’impiego di strumenti di Generative AIpuò cambiare il modo di lavorare e le competenze richieste su diversi ambiti (es. tecnici on field). La disponibilità di un assistente conversazionale basato sull’AI che offra suggerimenti in tempo reale per le risposte (cosiddetto co-pilot), può aiutare ad aumentare la produttività, soprattutto nel caso di colleghi meno esperti, e la soddisfazione per i clienti finali.
L’Intelligenza Artificiale può offrire numerose opportunità alle aziende di telecomunicazioni, tra cui il miglioramento dell’esperienza dei clienti, il co-pilot delle risorse, l’ottimizzazione della gestione delle reti, l’automazione dei processi operativi, la manutenzione predittiva e il supporto all’elaborazione di grandi volumi di dati per estrarre insights utili. Il valore effettivo che si riuscirà ad estrarre da queste opportunità tecnologiche dipende dal grado di adozione dell’AI nei diversi processi e dalla capacità di individuare e implementare i casi d’uso in grado di generare il maggior valore. Le aziende che riusciranno per prime ad ottenere risultati concreti, indirizzando anche le sfide legate alla privacy dei dati e alla sicurezza, potranno acquisire un considerevole vantaggio competitivo.