イラン・サデ、AmdocsのGenAI & Data部門長 – インタビュー・シリーズ

イラン・サデ、AmdocsのGenAI & Data部門長は、2 десятилет以上のリーダーシップを同社で経験しています。彼は、プログラマーおよびプロジェクト・マネージャーとしての初期の技術的な役割から、グローバル・デリバリー、製品戦略、イノベーションの責任者まで、様々な役割を経験しています。彼のキャリアは、特に複雑な請求システム、顧客体験プラットフォーム、そして大規模な企業変革において、電気通信分野での深いドメイン・エキスパートを反映しています。これにより、彼はAmdocsのAI駆動型運用および次世代データ・プラットフォームへの移行の最前線に立っています。

Amdocsは、電気通信、メディア、デジタル・サービス・プロバイダー向けのソリューションを提供する多国籍ソフトウェアおよびサービス会社です。同社は、請求、顧客関係、ネットワーク運用、デジタル変革など、すべてを管理するのに役立ちます。1982年に設立され、90以上の国で運営している同社は、電気通信事業者向けの重要なインフラ・プロバイダーとなり、クラウド・ネイティブ・プラットフォーム、AI駆動型アナリティクス、自動化ツールを提供し、より効率的なサービス・デリバリーとパーソナライズされた顧客体験を可能にしました。同社のジェネレーティブ・AIおよびデータ・プラットフォームへの注力の増加は、よりインテリジェントな、ソフトウェア定義ネットワークと完全にデジタル化された顧客エコシステムへの業界全体の移行を反映しています。

Amdocsでの2十年以上のキャリアの中で、開発者からGenAIおよびData部門長まで昇進し、T-Mobileとの戦略的パートナーシップを担当しました。電気通信規模でのAIの実験から本格的な導入への移行に必要なものについて、どのように見ていますか?

私がこれまでに学んできたことは、電気通信規模でのAIの導入は、主にモデル問題ではないということです。それは運用問題です。正しいデータ基盤、既存システムへの強力な統合、明確な責任、そして日常業務プロセスの一部としてAIを実行するチームが必要です。これらの要素のいずれかが欠けている場合、パイロットは印象的なものになるかもしれませんが、拡大しません。

Amdocsでの私の経歴は、エンジニアリング、顧客デリバリー、事業者とのパートナーシップなど、すべての側面に触れる機会を与えました。その経験は、技術的な優秀性と実行の規律の組み合わせが成功の鍵であると、私の視点を形作りました。電気通信では、AIは複雑な環境で動作し、実際のサービス・レベルをサポートし、測定可能な成果を達成する必要があります。そのためには、最初から本格的な運用マインドが必要です。

モバイル・ワールド・コングレス（MWC）では、電気通信会社がAIのパイロットに多く投資しているものの、運用化するのに苦労していることが明らかでした。パイロットの段階を超えて進むことを妨げている最大の障害は何でしょうか?

私が見る最大の障害は、断片化です。大多数の事業者は貴重なデータと強力なユースケースを持っていますが、その環境は、システム、チーム、ベンダーなど、幅広い範囲に分散しています。つまり、AIの出力を実際のワークフローに接続することが困難です。特に、ネットワーク、カスタマーケア、ビジネス運用が横断される場合にそうです。結果として、AIはオペレーティング・モデルの一部ではなく、ポイント・ソリューションのままになります。

さらに、私が目にした別の障害は、信頼です。事業者は、AIを重要なプロセスに統合する前に、信頼性、ガバナンス、明確なコントロールが必要です。例えば、AIエージェントが決定を下した理由を説明できない場合、またはそれを取り巻くポリシーを施行できない場合、そのテクノロジーはパイロットの段階に留まります。進歩するには、自動化と観察可能性、監査可能性、人間の監視を組み合わせたフレームワークが必要です。

Amdocsは、aOSを「エージェント・オペレーティング・システム」と位置付けしています。電気通信の文脈で、エージェント・AIとは何ですか? それが以前のAI駆動型自動化アプローチとどう違いますか?

電気通信空間では、エージェント・AIは、目標を理解し、タスクを計画し、複数のシステムを横断してアクションを実行し、結果に基づいて適応することができるテクノロジーを指します。コンテンツを生成したり、結果を予測したりするのではなく、エージェントはワークフローをエンド・ツー・エンドで実行できます。コンテキストを推論し、他のエージェントと協力し、ガバナンスの境界内で実際の運用タスクを完了することができます。

これは、従来の自動化とは根本的に異なります。従来の自動化は、ルールベースで静的であり、繰り返しのタスクや安定した環境では機能しましたが、複雑さや例外には苦労しました。エージェント・AIは、ダイナミックな状況を処理し、フィードバックから学び、ドメインを横断して調整することができます。

あなたはAIネイティブの電気通信運用の未来について述べています。その実践的な意味は何ですか? 全面的に自律的なネットワークに到達するには、どのくらいの距離がありますか?

AIネイティブの電気通信運用とは、AIがコアの業務プロセスに組み込まれたものです。実践的には、サービス・アシュランス・ワークフローが顧客に気付く前に問題を検知して解決する、カスタマーケア・ジャーニーがパーソナライズされプロアクティブになる、ネットワーク運用がリアルタイムの条件に基づいてパフォーマンスを最適化する、というものです。重要なのは、AIが決定と実行に統合されていることであり、単に分析に追加されているのではないことです。

完全に自律的なネットワークに到達していません。現実的に考えましょう。次の数年は、事業者がより複雑なワークフローを自動化しながら、高い影響力のある決定については人間がコントロールを維持する、漸進的な自律性の時代になるでしょう。完全な自律性には、より強固な標準、より広範な相互運用性、そして信頼性とガバナンスの継続的な改善が必要です。

電気通信システムは歴史的に、運用サポート・システム（OSS）とビジネス・サポート・システム（BSS）層に断片化されてきました。これがエンド・ツー・エンドの自動化を困難にしました。エージェント・アーキテクチャーは、これらのドメインを統一し、クロス・ファンクショナル・ワークフローを可能にするにはどう役立ちますか?

エージェント・アーキテクチャーは、OSSとBSSを横断して機能する調整レイヤーを導入することで役立ちます。エージェントは、既存のプラットフォームにAPIを介して接続し、ビジネス目標のコンテキストを理解し、ネットワーク、サービス、顧客システムを横断してアクションの正しいシーケンスをオーケストレートできます。これにより、事業者は、従来はドメインの境界で断片化されていたワークフローを自動化できます。

例えば、ネットワークの問題が高価値のエンタープライズ・カスタマーに影響を与える場合、エージェント・システムは障害を相関し、影響を評価し、復旧ステップをトリガーし、顧客コミュニケーション・フローを並行して更新できます。従来の自動化では、各ドメインが独立して運用されるため、このようなクロス・ファンクショナルな実行は困難でした。エージェント・ワークフローは、このギャップを埋めます。

エージェント・システムの興味深い側面の1つは、AIエージェントと人間オペレーターの協力です。電気通信環境では、自動化と人間の監視のバランスはどうなるでしょうか?

自動化と人間の監視のバランスは、使用ケースによって常に異なりますが、将来的には、人間が主導し、AIが加速する形になるでしょう。AIエージェントは、スピード、スケール、パターン認識において優れていますが、人間のオペレーターは、判断、責任、コンテキストを提供します。目標は、人間をループから除去することではなく、人間が専門知識を必要とする決定に集中できるようにすることです。

実践では、自律的なアクションの明確なしきい値と例外のエスカレーション・パスを設定することを意味します。低リスクの繰り返しのタスクは、人間の監視が最小限で自動化できますが、高い影響力のある決定には、常に人間の承認が必要です。このアプローチは、信頼を築き、事業者がミッション・クリティカルな環境でAIを安全に拡大できるようにします。

電気通信事業者は最終的にROIに焦点を当てています。AIの展開が実際に価値を提供しているかどうかを判断するために、CSPが追跡すべき最も重要な指標は何ですか?

事業者は、ビジネス成果に直接関係する指標を追跡する必要があります。顧客側では、最初のコンタクト解決、平均ハンドリング時間、チャーン削減、顧客満足度が含まれます。ネットワーク側では、障害検出平均時間、障害解決平均時間、サービス可用性、運用効率の向上が含まれます。

採用と信頼性も測定することが重要です。エージェントが展開されていても、チームがそれらを信頼していない場合、価値は実現しません。CSPは、AIの推奨がどのくらい受け入れられるか、ワークフローがどのくらい成功して完了するか、人間の介入がどのくらい必要かを追跡する必要があります。ROIは、単に分離されたパイロット結果ではなく、継続的な運用影響から生じます。

aOSは、電気通信環境を横断して複雑なエンド・ツー・エンド・プロセスを実行できるマルチ・エージェント・ワークフローを強調しています。複数のAIエージェントが同時に重要なシステムで運用されている場合、調整、信頼性、ガバナンスを確保するにはどうしますか?

調整は、明確なオーケストレーション・モデルから始まります。マルチ・エージェント・環境では、各エージェントには定義されたアクセス境界と成功基準が必要です。中央のオーケストレーション・レイヤーは、タスクのシーケンス、コンフリクト解決、ステート・トラッキングを管理し、エージェントが相反する目的をもたないようにします。これにより、ワークフローは多くのシステムを横断していても予測可能になります。

信頼性とガバナンスには、設計段階での強力なコントロールが必要です。そのためには、ポリシー・エンフォースメント、監査トレイル、説明可能性、エージェントの動作のリアルタイム・モニタリングが含まれます。また、予期せぬことが起こった場合に、ワークフローが安全に一時停止、エスカレーション、またはロールバックできる、フォールバック・メカニズムも必要です。重要な電気通信システムでは、ガバナンスは付加的なものではなく、コア・要件です。

最近のaOSの発表では、Amdocsは、ジェネレーティブ・AIを「サイドカー」機能から、顧客、ネットワーク、ビジネス・プロセスを横断するコア・オペレーショナル・レイヤーへの進化として位置付けました。過去12〜24ヶ月で何が変化したことで、この移行が可能になったのでしょうか?

いくつかの要素が同時に成熟しました。基礎モデルは、推論の質とツールの使用において大幅に改善され、エンタープライズ・ワークフローでより有能になりました。同時に、周辺のエコシステムも改善され、オーケストレーション・フレームワーク、観察可能性ツール、ガバナンス・コントロールが含まれました。これにより、分離されたユースケースから調整された運用ワークフローへの移行が実際的になりました。

もう1つの大きな変化は、組織の準備度です。事業者は、AIについてより明確な優先事項を持ち、測定可能な結果を達成する圧力が強くなりました。彼らは単に学ぶために実験を行っているのではなく、セキュリティとコントロールを持って機能を横断するプラットフォームを探しています。テクノロジーとビジネス両方の側面での成熟度の向上が、この時期を異なるものにします。

aOSがAIネイティブの電気通信運用への転換点を表す場合、次の段階はどのように見えますか? 全面的に自律的な電気通信ネットワークに進むのでしょうか? それが現実になる前にまだ解決しなければならない課題は何ですか?

次の段階は、分離された自動化から、エンタープライズ全体を横断する調整された自律性へのスケーリングです。リアルタイムでカスタマー・ケア、サービス・オペレーション、ネットワーク・チームを接続する、マルチ・エージェント・ワークフローをより多く見るでしょう。事業者は、反応的な運用から予測的およびプロアクティブなモデルへの移行を進め、AIが早期にリスクを特定し、問題が拡大する前に対策を実行できるようになるでしょう。

完全に自律的なネットワークは、長期的な目標です。まだ解決しなければならない重要な課題があります。ベンダー・エコシステムの横断的相互運用性が強化され、ガバナンスの標準がより堅固になり、信頼性と説明可能性がさらに進歩する必要があります。最も重要なのは、業界が自律システムが現実の条件下で安全に動作するという信頼を獲得する必要があることです。進歩は漸進的であり、各ステップで明確なコントロールが必要です。

素晴らしいインタビュー、ご覧になりたい読者はAmdocsを訪問してください。