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、同社での20年以上のリーダーシップを経て、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から、世界規模のデリバリー、製品戦略、イノベーションの監視まで、多くの経験を積んでいます。彼の在任中、彼は収益管理、デジタルおよびビジネス・サポート・システム、およびオープン・ネットワーク・イニシアチブを含む重要な部門を率いてきました。これらの経験は、T-Mobile部門のリーダーシップを経て、現在のジェネレーティブAIおよびデータに焦点を当てた役職に至りました。彼のキャリアは、特に複雑な請求システム、カスタマー・エクスペリエンス・プラットフォーム、および大規模なエンタープライズ・トランスフォーメーションにおける深いドメインの専門知識を反映しており、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、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専門とする多国籍ソフトウェアおよびサービス会社であり、請求および顧客関係の管理からネットワーク運用およびデジタル・トランスフォーメーションまで、すべてを管理するのに役立ちます。1982年に設立され、90以上の国で運営されている同社は、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、および自動化ツールを提供するテレコム・オペレーター向けの重要なインフラ・プロバイダーに成長しています。これらのツールにより、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カスタマー・エクスペリエンスが可能になります。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、より広範な業界の変化を反映しており、インテリジェントなソフトウェア・定義ネットワークおよび完全にデジタル化されたカスタマー・エコシステムへの移行が進んでいます。

あなたはAmdocsで20年以上を過ごし、開発者からGenAIおよびData部門のリーダーへと昇進し、T-Mobileとの会社の最も戦略的なパートナーシップの1つを担当しました。テレコム・スケールで実験から本稼働へのAIの移行に必要なものについて、あなたの視点はどのように形成されてきましたか?

私がこれまでに学んできたことは、テレコム・スケールでのAIの本稼働への移行は、主にモデル・プロブレムではないということです。それはオペレーション・プロブレムです。正しいデータ・ファウンデーション、既存のシステムへの強力な統合、明確なアカウンタビリティ、および日常のビジネス・プロセスの一部としてAIを実行する方法を知っているチームが必要です。これら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見えるかもしれませんが、スケールアップしません。

Amdocsでの私の経路は、エンジニアリング、顧客デリバリー、オペレーターの大規模なパートナーシップのすべての側面に触れる機会を与えました。その経験は、成功は技術的な優秀性と実行の規律の組み合わせから来るという私の見解を形作りました。テレコムでは、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、最初の日から本稼働向けのマインドセットが必要です。

モバイル・ワールド・コングレス（MWC）では、テレコム・企業がAIのパイロットに大量に投資しているものの、それらを運用化するのに苦労していることが明らかでした。あなたの見解では、オペレーターが現在実験を超えて進むことを妨げている最大の障害は何ですか?

私は、断片化が最大の障害の1つであると考えています。ほとんどのオペレーター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、その環境は幅広いシステム、チーム、およびベンダーに分散しており、AIの出力を実際のワークフローに接続するのが難しいです。これは、特にネットワーク、カスタマー・ケア、およびビジネス・オペレーションをまたぐワークフローに当てはまります。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、信頼は別の障害です。オペレーターは最終的に、AIを重要なプロセスに統合する前に、信頼性、ガバナンス、および明確なコントロールが必要です。たとえば、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や、そこに対するポリシーを適用できない場合、そのテクノロジーはパイロット・レーンに留まります。前進するには、自動化と観察可能性、監査可能性、および人間のオーバーサイト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。テレコムの文脈では、エージェントAIをどのように定義しますか? それが以前のAI駆動型自動化アプローチとどのように根本的に異なりますか?

テレコム・スペースでは、エージェントAIは、目標を理解し、タスクを計画し、複数のシステムでアクションを実行し、結果に基づいて適応できるテクノロジーを指します。コンテンツの生成または結果の予測のみではなく、エージェントはエンドツーエンドのワークフローを実行できます。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オペレーショナル・タスクを完了することができます。

これは、以前の自動化とは根本的に異なります。以前の自動化は、ルールベースで静的でした。従来の自動化は、繰り返しのタスクや安定した環境ではうまく機能しましたが、複雑さや例外に対処するのが困難でした。エージェントAIは、動的な状況を処理し、フィードバックから学び、ドメインをまたいで調整することができます。

あなたはAIネイティブ・テレコム・オペレーションの未来について説明しました。その実践ではどのように見えますか? 全面的に自動化されたネットワークまでどのくらいの距離にありますか?

AIネイティブ・テレコム・オペレーションは、AIがビジネスの核心に埋め込まれているように見えます。実践では、顧客が気づく前に問題を検出して解決するサービス・アシュランス・ワークフロー、パーソナライズされたプロアクティブなカスタマー・ケア・ジャーニー、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ネットワーク・オペレーションが含まれます。重要な点は、AIが決定と実行に統合されていることであり、分析のみではありません。

まだ完全に自動化されたネットワークには達していません。現実的に考えるべきです。次の数年は、オペレーターがより複雑なワークフローを自動化しながら、高影響の決定のコントロールを維持する、漸進的な自動化の時代になるでしょう。完全な自動化には、より強力な標準、広範な相互運用性、信頼性とガバナンスの継続的な改善が必要です。

テレコム・システムは歴史的に、オペレーションズ・サポート・システム（OSS）とビジネス・サポート・システム（BSS）レイヤーに断片化されてきましたが、これにより、エンドツーエンドの自動化が困難になりました。エージェント・アーキテクチャは、これらのドメインを統合し、クロス・ファンクショナル・ワークフローを可能にするのにどのように役立ちますか?

エージェント・アーキテクチャは、完全なシステムの置き換えを強制せずに、OSSとBSSの間で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、APIを介して既存のプラットフォームに接続し、ビジネス・オブジェクトのコンテキストを理解し、ネットワーク、サービス、およびカスタマー・システムをまたいで正しいアクションのシーケンスをオーケストレートできます。これにより、オペレーターは、従来の自動化ではドメインの境界で壊れてしまうワークフローを自動化できます。

たとえば、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させ、影響を評価し、修復手順をトリガーし、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。そのようなクロス・ファンクショナルな実行は、従来の自動化では各ドメインが孤立して動作するため、困難です。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間のコラボレーションです。テレコム・環境では、自動化と人間のオーバーサイトのバランスはどのように見えますか?

自動化と人間のオーバーサイトのバランスは、使用されるユース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が加速するというシナリオになるでしょう。AIエージェントは、スピード、スケール、およびパターン認識に優れていますが、人間のオペレーターは、判断、責任、および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ありません。人間が専門知識を必要とする決定に集中できるようにし、AIが重いオペレーショナル・ワークロードを処理することです。

実践では、自動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。リスクが低く、繰り返しのタスクは、人間のオーバーサイトが最小限で自動化できますが、高影響の決定には、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、オペレーターがミッション・クリティカルな環境でAIを安全にスケールアップできるようにします。

ジェネレーティブAIの周りには多くの話題がありますが、テレコム・オペレーターは最終的にROIに焦点を当てています。CSPが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、最も重要なメトリックは何ですか?

オペレーターは、技術的なパフォーマンスではなく、ビジネス・アウトカムに直接結びつくメトリックを追跡する必要があります。カスタマー・サイドでは、最初のコンタクト・リゾルーション、平均ハンドリング・タイム、チャーン・リダクション、カスタマー・サティスファクションが含まれます。ネットワーク・サイドでは、平均検出時間と平均修復時間、サービス・アベイラビリティ、運用効率の向上が含まれます。

また、採用と信頼性を測定することも重要です。エージェントが展開されている場合でも、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の推奨事項がどのくらい頻繁に受け入れられるか、ワークフローがどのくらい頻繁に正常に完了するか、人間の介入がどのくらい頻繁に必要かを追跡する必要があります。ROIは、孤立したパイロットの結果ではなく、持続的な運用上の影響から来ます。

aOSは、テレコム・環境をまたいで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。クリティカル・システムをまたいで同時に複数のAIエージェントが動作する場合、調整、信頼性、および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、明確なアクセス・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・リゾルーション、およびステート・トラッキングを管理します。这样、エージェントが相反する目的を追求することがなくなり、ワークフローは予測可能になります。

信頼性とガバナンスには、デザインによって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、監査証跡、説明可能性、およびエージェントの動作のリアルタイム・モニタリングが必要です。また、予期せぬことが発生した場合に、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ように、フォールバック・メカニズムも必要です。クリティカルなテレコム・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・プロセスをまたいで埋め込まれたコア・オペレーショナル・レイヤーへと進化させたと位置付けました。過去12〜24ヶ月で何が変化したのでしょうか? それが今日可能な理由は何ですか?

いくつかの要素が同時に成熟しました。基礎モデルは、推論の品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、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、およびガバナンス・コントロールを含む周辺エコシステムが改善されました。これにより、分離されたユースケースから調整されたオペレーショナル・ワークフローへの移行が実現可能になりました。

別の重要な変化は、組織の準備度です。オペレーターは、AIについてより明確な優先順位を持ち、測定可能な結果を達成する圧力が強くなりました。彼らはただ学ぶために実験するのではなく、機能をまたいでスケーラブルなAIを提供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変化が、この時期を異なるものにします。

もしaOSがAIネイティブ・テレコム・オペレーションの転換点を表す場合、次の段階はどのように見えますか? 全面的に自動化されたテレコム・ネットワークに向かっているのでしょうか? それが現実になる前にまだ解決する必要がある課題は何ですか?

次の段階は、単一の自動化から、エンタープライズ全体をまたいで調整された自治権への移行です。カスタマー・ケア、サービス・オペレーション、およびネットワーク・チームをリアルタイムで接続する、マルチ・エージェント・ワークフローをより多く見ることになるでしょう。オペレーターは、反応的な運用から予測的なプロアクティブなモデルへの移行を進め、AIがリスクを早期に特定し、問題が拡大する前に対策を講じることができるようになります。

完全に自動化されたネットワークは、長期的な目標ですが、まだ解決する必要がある重要な課題があります。ベンダーのエコシステムをまたいでより強力な相互運用性、より堅牢なガバナンス・スタンダード、および信頼性と説明可能性の継続的な進歩が必要です。最も重要なことは、自律システムが現実世界の条件下で安全に動作するという業界の信頼を築くことです。前進する道は、各ステップで明確なコントロールを伴う、漸進的なものになります。