FutureNet World 2024：事業者はAI技術を徐々に導入しているが、まだ規模の問題に直面している

“GenAIはまだ大部分が概念実証の段階だが、事業者はネットワーク運用へのAI利用拡大に関する懸念への対応に本腰を入れつつある。”

アナリシスメイソンは、2024年4月に英国ロンドンで開催されたFutureNet World 2024に参加した。事業者がネットワーク自動化戦略をサポートするためにAIを活用することは、この会議の重要な焦点であった。参加者は、昨年のイベントよりもはるかに具体的にジェネレーティブAI（GenAI）を理解していたが、ネットワーク運用のための非ジェネレーティブAI（非GenAI）技術の重要性も引き続き強調していた。オペレータは、AIの導入を拡大するためには、開発者とデータサイエンティストに適切なツールを提供し、チーム構造を見直し、データ基盤を改善する必要があることを認めた。この記事では、アナリシスメイソンがこのイベントから得た主な収穫を紹介する。

事業者は誇大広告に惑わされずにGenAIテクノロジーへの懸念に対処すべき
ドイツテレコム（DT）の技術戦略担当副社長であるAhmed Hafez氏は、従業員の生産性を向上させるためのGenAIの活用について、イベントでのプレゼンテーションで語った。Hafez氏によると、DTはテストケースを開発するためのコーディングアシスタントや、光ファイバーブロードバンド敷設時に業者が規制を遵守するのを支援する “FTTHロールアウトチャットボット “など、多数のGenAIベースのユースケースを実運用している。このチャットボットは、それぞれ約900ページある約400の文書から収集した情報に基づく検索拡張世代（RAG）を使用して、請負業者の質問に回答し、これらの文書内の関連セクションへのリンクを提供する。

しかし、事業者はGenAIの能力を顧客に公開することに依然として不安を抱いている。TELUSのChief Insights OfficerであるJaime Tatis氏は、パネルディスカッションの中で、大規模な敵対的テストが必要なため、同社は社外向けのGenAIユースケースの実装に手間取っていると述べた。Orangeは、不正確な応答によって引き起こされる規制や責任問題のため、顧客向けのGenAIチャットボットなどのユースケースの実装には特に慎重であると述べた。

他のパネリストは、ビジネスプロセスとオペレーションを自動化するためにGenAIモデルをバックエンドシステムと統合する際に、引き続き困難に直面していると指摘した2。オペレーターは、GenAIの知識マイニングとコンテンツ生成機能から生産性を向上させる立場にあるが、自動化主導のユースケースから最大の価値を引き出すだろう。したがって、オペレーターは、これらのユースケースでGenAIを使用することについての懸念に早急に対処しなければならない。

オペレータのネットワーク自動化戦略を推進する上で、非GenAIは依然、重要な役割を果たしている
FutureNet World 2024に参加したオペレーターは、非GenAIツールに投資しており、異常検知、予知保全、スマートプランニングなどのユースケースにおいて、初期の好結果を受け、このテクノロジーの利用を拡大していると報告した。例えば、Three UKのIain Milligan氏は、同社がエリクソンのAI駆動型インテリジェント節電ソリューションを採用することで、7～10％の省エネを達成したことを明らかにした。Ahmed Hafez氏は、DTは主にネットワーク関連のAI活動に非GenAIを使用することに重点を置いていると説明した（これらの活動への取り組みの70％が非GenAIを使用しているのに対し、GenAIは30％である）。事業者は、おそらく非GenAIモデルからの洞察をGenAIモデルのための主要なプロンプトコンポーネントとして使用することによって、非GenAI技術がGenAIの対応するものと一緒に働くことを可能にする方法を検討する必要があります。

AIの採用を加速するためには、AIのユースケース開発プラクティスを一元化することと分離することの適切なバランスが必要である。
AI導入が効果的にスケールするのは、事業者が熟練した設備の整ったAI組織を持つ場合であり、最適な組織構造を実現することが成功の鍵となる。リバティ・グローバルやDTを含む事業者は、AIプロジェクトは一般的にグループ・レベルで一元管理されていると共有している。一元管理されたチームは、ベスト・プラクティス、資産、ツール、リファレンス・アーキテクチャ、ガバナンス・フレームワークを提供する。しかし、AIユースケースの実際の実装は、グループ内の各事業会社独自の要件や、各チームが利用できるデータの違いから、通常は分散チームが担当する。DTは、機能の重複を多少犠牲にしても、分散型の開発を奨励していると説明した。なぜなら、この方が、すべての開発活動を一元化するよりも、はるかに迅速に実装できるからだ。

このような経験から、事業者は複数のチームやオペコスにまたがる開発を奨励すべきであり、AI導入のベストプラクティスを共有・照合するためのセンター・オブ・エクセレンス3 を設立すべきであると考えられる。

さらに事業者は、AI技術の価値を最大化するために、AIツールの作成を民主化することを試みるべきである。Hafez氏は、DTはネットワーク専門家の80％以上がAIアプリケーションを作成・管理できるようにすることを目指しているが、そのためには専門家が必要なスキルとツールセットを備えている必要があると説明した。同様に、TELUSは、従業員がAIのユースケースを実験し、独自に開発できる社内セルフサービス・プラットフォームを構築した。

費用対効果の高いAIソリューションを展開するには、データの課題に取り組むことが重要であるというのが事業者の共通認識だ。
事業者は、AI開発の規模を拡大する前に、データ品質、データソースの増加、データ複製、データガバナンスなどの問題に取り組むため、データ戦略を再考する必要がある。図1は、FutureNet World 2024で事業者が言及した、現在のデータ課題に対処できるソリューションの概要を示している。

図1：事業者がデータの課題に対処する方法の概要

テレフォニカのカルロス・メディナ・ゴンザレスは、事業者はこれらのソリューションを導入する際、データ管理のフレームワークを構築すべきだと指摘した。スタッフの役割と責任を明確にし、明確に定義されたユースケースの要件を満たすテクノロジーに投資すべきである。データ運用（DataOps）チームは、高品質のデータ資産への継続的なアクセスを促進するように設計されたプロセスを定期的に維持するために不可欠である。

また、当社の調査によると、AI関連プロジェクトを迅速に進めたい事業者は、ハイブリッド・クラウド環境で稼働し、データ・ソースと直接統合し、AI技術の進化するデータ・ニーズに合わせて更新できる、真にデシロなデータ・アーキテクチャを必要としている。

執筆者：Joseph Attwood、Adaora Okeleke（Analysys Mason社）

お問合せ：Analysys Masonに関するお問合せはデータリソース（office@dri.co.jp）までご連絡下さい。