이란 사데, Amdocs의 GenAI & 데이터 부문 사장 – 인터뷰 시리즈

이란 사데, Amdocs의 GenAI & 데이터 부문 사장은 20년 이상의 리더십을 보유하고 있으며, 초기 기술자로서 프로그래머와 프로젝트 매니저로 시작하여 대규모 글로벌 배포, 제품 전략, 그리고 혁신을 책임지는 역할을 수행했습니다. 그의 경력은 수익 관리, 디지털 및 비즈니스 지원 시스템, 그리고 개방형 네트워크 이니셔티브를 포함하는 중요한 부서를 이끌면서 텔레콤 분야에서 심오한 도메인 전문 지식을 보유하고 있습니다. 그의 경력은 Amdocs의 AI 기반 운영과 차세대 데이터 플랫폼으로의 전환에서 중요한 역할을 수행하고 있습니다.

Amdocs는 통신, 미디어, 그리고 디지털 서비스 제공업체를 위한 솔루션을 전문으로 하는 다국적 소프트웨어 및 서비스 회사입니다. 회사는 1982년에 설립되어 90개 이상의 국가에서 운영되고 있으며, 텔레콤 운영자에게 클라우드 네이티브 플랫폼, AI 기반 분석, 그리고 자동화 도구를 제공하여 더 효율적인 서비스 제공과 개인화된 고객 경험을 가능하게 합니다. 제네러티브 AI와 데이터 플랫폼에 대한 회사의 증가하는 관심은 더 지능적인 소프트웨어 정의 네트워크와 완전히 디지털화된 고객 생태계로의 산업 전환을 반영합니다.

이란 사데, Amdocs의 GenAI & 데이터 부문 사장, 텔레콤 분야에서 20년 이상의 경력을 보유하고 있습니다. 텔레콤 규모에서 AI를 실험에서 생산으로 이동시키는 데 필요한 것은 무엇입니까?

제네러티브 AI와 데이터 플랫폼에 대한 회사의 증가하는 관심은 더 지능적인 소프트웨어 정의 네트워크와 완전히 디지털화된 고객 생태계로의 산업 전환을 반영합니다. 텔레콤 운영자는 AI를 통해 더 효율적인 서비스 제공과 개인화된 고객 경험을 가능하게 할 수 있습니다.

제네러티브 AI는 텔레콤 분야에서 새로운 기회를 제공합니다. 텔레콤 운영자는 AI를 통해 더 효율적인 서비스 제공과 개인화된 고객 경험을 가능하게 할 수 있습니다. 그러나 텔레콤 규모에서 AI를 생산으로 이동시키는 데에는 많은 도전이 있습니다. 가장 큰 도전은 운영 문제입니다. 텔레콤 운영자는 AI를 운영에 통합하기 위해 강력한 데이터基础, 강력한 통합, 그리고 명확한 책임을 필요로 합니다.

모바일 월드 콩그레스(MWC)에서, 텔레콤 회사들은 AI 파일럿에大量으로 투자하고 있지만 운영화에 어려움을 겪고 있습니다. 텔레콤 운영자가 실험을 넘어서는 데 방해되는 가장 큰 장애물은 무엇입니까?

텔레콤 운영자가 실험을 넘어서는 데 방해되는 가장 큰 장애물은 단편화입니다. 텔레콤 운영자는 가치 있는 데이터와 강력한 사용 사례를 보유하고 있지만, 환경은 다양한 시스템, 팀, 그리고 벤더로 분할되어 있습니다. 이는 AI 출력을 실제 워크플로에 연결하기 어렵게 만듭니다. 특히 네트워크, 고객 서비스, 그리고 비즈니스 운영을 포함하는 워크플로에서 이는 더욱 어렵습니다.

또 다른 장애물은 신뢰입니다. 텔레콤 운영자는 비즈니스 프로세스에 AI를 통합하기 전에 신뢰, 거버넌스, 그리고 명확한 제어를 필요로 합니다. 예를 들어, AI 에이전트가 결정한 이유를 설명하거나 정책을 시행할 수 없는 경우, 해당 기술은 파일럿 레인에 유지될 것입니다. 앞으로 나아가기 위해서는 자동화와 관찰 가능성, 감사 가능성, 그리고 인간의 감독을 결합한 프레임워크가 필요합니다.

Amdocs는 aOS를 “에이전트 운영 체제”로 пози션하고 있습니다. 텔레콤 분야에서 에이전트 AI를 정의하시오. 이는 이전의 AI 기반 자동화 접근 방식과 어떻게 다릅니까?

텔레콤 분야에서 에이전트 AI는 목표를 이해하고, 태스크를 계획하고, 여러 시스템에서 동작하고, 결과에 따라 적응할 수 있는 기술을 말합니다. 단순히 콘텐츠를 생성하거나 결과를 예측하는 것보다, 에이전트는 워크플로를 끝까지 실행할 수 있습니다. 그들은 컨텍스트를 이유로 하고, 다른 에이전트와 협력하고, 거버넌스 경계 내에서 실제 운영 태스크를 완료할 수 있습니다.

이것은 이전의 자동화와 다릅니다. 이전의 자동화는 주로 규칙 기반이고 정적인 것이었습니다. 전통적인 자동화는 반복적인 태스크와 안정적인 환경에서 잘 작동했지만, 복잡성과 예외를 다루는 데에는 어려움을 겪었습니다. 에이전트 AI는 동적 상황을 다루고, 피드백에서 배우고, 도메인 간에 조정할 수 있습니다.

AI 네이티브 텔레콤 운영이 실제로 어떤 모습일까요? 그리고 우리는 완전히 자율적인 네트워크에서 얼마나 멀리 떨어져 있나요?

AI 네이티브 텔레콤 운영은 AI가 비즈니스 운영의 핵심에 통합된 것을 말합니다. 실제로 이는 서비스 보증 워크플로가 고객이 알기 전에 문제를 감지하고 해결하는 것과 같습니다. 또한 고객 서비스 여행이 개인화되고 예방적이며, 네트워크 운영이 실시간 조건에 따라 지속적으로 최적화되는 것입니다. 핵심은 AI가 결정과 실행에 통합되어 분석만으로는 아닙니다.

우리는 아직 완전히 자율적인 네트워크에 도달하지 못했습니다. 다음 몇 년 동안은 점진적인 자율성에 대한 것입니다. 운영자는 더 복잡한 워크플로를 자동화하면서 높은 영향力的 결정에 대한 인간의 통제를 유지할 것입니다. 완전한 자율성은 더 강력한 표준, 더广泛한 상호 운용성, 그리고 계속적인 신뢰성과 거버넌스 개선이 필요합니다.

텔레콤 시스템은 역사적으로 OSS와 BSS 계층에서 단편화되어 왔습니다. 에이전트 아키텍처는 이러한 도메인을 어떻게 통일시키고, 크로스 기능 워크플로를 가능하게 합니까?

에이전트 아키텍처는 OSS와 BSS를 연결하는 조정 계층을 도입함으로써 이를 가능하게 합니다. 에이전트는 기존 플랫폼에 API를 통해 연결하고, 비즈니스 목표의 컨텍스트를 이해하고, 네트워크, 서비스, 고객 시스템에서 올바른 동작의 순서를 조정할 수 있습니다. 이는 이전에 도메인 경계에서 중단된 워크플로를 자동화할 수 있습니다.

예를 들어, 네트워크 문제가 높은 가치의 기업 고객에게 영향을 미치는 경우, 에이전트 시스템은 결함을 상관시키고, 영향을 평가하고, 복구 단계를 트리거하고, 고객 커뮤니케이션 흐름을 병렬로 업데이트할 수 있습니다. 이러한 종류의 크로스 기능적 실행은 전통적인 자동화에서 어렵습니다. 에이전트 워크플로는 이러한 간격을 메우는 데 도움이 됩니다.

에이전트 시스템의 가장 흥미로운 측면 중 하나는 AI 에이전트와 인간 운영자 간의 협력입니다. 텔레콤 환경에서 자동화와 인간의 감독 사이의 균형은 어디에 있을까요?

균형은 항상 특정 사용 사례에 따라 다를 것입니다. 그러나 대부분의 경우, 인간이 주도하고 AI가 가속화하는 방향으로 갈 것입니다. AI 에이전트는 속도, 규모, 패턴 인식에서优秀합니다. 그러나 인간 운영자는 판단, 책임, 컨텍스트를 제공합니다. 목표는 사람들을 루프에서 제거하는 것이 아닙니다. 전문가가 결정에 집중할 수 있도록 운영적인 작업을 처리하는 것입니다.

실제로 이는 자동 동작에 대한 명확한 임계값과 예외에 대한 에스컬레이션 경로를 설정하는 것을 의미합니다. 낮은 위험, 반복적인 태스크는 최소한의 감독으로 자동화될 수 있습니다. 높은 영향力的 결정은 항상 인간의 승인을 포함해야 합니다. 이러한 접근 방식은 신뢰를 구축하고 운영자가 미션 크리티컬 환경에서 AI를 확장할 수 있도록 도와줍니다.

텔레콤 운영자는 궁극적으로 ROI에 관심이 있습니다. CSP가 AI 배포의 가치를 결정하기 위해 추적해야 하는 가장 중요한 지표는 무엇입니까?

운영자는 비즈니스 결과에 직접적으로 연결된 지표를 추적해야 합니다. 고객 측면에서는 첫 번째 연락처 해결, 평균 처리 시간, 이탈 감소, 고객 만족도 등이 포함됩니다. 네트워크 측면에서는 평균 탐지 시간, 평균 해결 시간, 서비스 가용성, 운영 효율성 향상 등이 포함됩니다.

채택과 신뢰성을 측정하는 것도 중요합니다. 에이전트가 배포되었지만 팀이 신뢰하지 않는 경우, 가치는 실현되지 않을 것입니다. CSP는 AI 추천이 얼마나 souvent 수락되는지, 워크플로가 얼마나 souvent 성공적으로 완료되는지, 인간의 개입이 얼마나 souvent 필요한지 추적해야 합니다. ROI는 지속적인 운영 영향에서 비롯됩니다. 고립된 파일럿 결과에서 오지 않습니다.

aOS는 텔레콤 환경에서 복잡한 엔드투엔드 프로세스를 실행할 수 있는 멀티 에이전트 워크플로를 강조합니다. 이러한 에이전트가 동시에 작동할 때, 어떻게 조정, 신뢰성, 거버넌스를 보장합니까?

조정은 명확한 오케스트레이션 모델에서 시작합니다. 멀티 에이전트 환경에서, 각 에이전트는 정의된 접근 경계와 성공 기준을 가져야 합니다. 중앙 오케스트레이션 계층은 작업 시퀀스, 충돌 해결, 상태 추적을 관리하여 에이전트가 반대되는 목표를 갖지 않도록 합니다. 이는 워크플로가 여러 시스템에 걸쳐서도 예측 가능하도록 유지합니다.

신뢰성과 거버넌스는 강력한 제어를 필요로 합니다. 이는 정책 시행, 감사 기록, 설명 가능성, 에이전트 동작의 실시간 모니터링을 포함합니다. 또한 예기치 않은 상황에서 워크플로가 안전하게 일시 중지, 에스컬레이션, 또는 롤백할 수 있는 폴백 메커니즘을 의미합니다. 중요한 텔레콤 시스템에서 거버넌스는 추가 기능이 아닌 핵심 요구 사항입니다.

최근의 aOS 발표에서, Amdocs는 제네러티브 AI를 “사이드카” 기능에서 핵심 운영 계층으로 발전시킨 것으로 пози션하고 있습니다. 지난 12~24개월 동안 무엇이 변경되어 이 전환을 가능하게 합니까?

여러 가지 요소가同時에 성숙했습니다. 기초 모델은 이유와 도구 사용의 품질에서 크게 개선되었습니다. 이는 엔터프라이즈 워크플로에서 더 능력 있게 만들었습니다.同時에, 그들을 둘러싼 에코시스템도 개선되었습니다. 오케스트레이션 프레임워크, 관찰 가능성 도구, 거버넌스 제어가 포함됩니다. 이는 분리된 사용 사례에서 조정된 운영 워크플로로의 이동을 실제적으로 만들었습니다.

또 다른 주요 변경은 조직의 준비입니다. 운영자는 이제 AI에 대한 명확한 우선순위와 측정 가능한 결과를 제공할 플랫폼을 찾고 있습니다. 그들은 더 이상 단순히 배우기 위해 실험하지 않습니다. 보안과 제어와 함께 함수를 규모에 맞게 확장할 수 있는 플랫폼을 찾고 있습니다. 기술과 비즈니스 측면에서 성숙도의 변화가 이 순간을 다르게 만듭니다.

aOS가 AI 네이티브 텔레콤 운영의 전환점을 나타낸다면, 다음 단계는 무엇입니까? 우리는 완전히 자율적인 텔레콤 네트워크로 향하고 있습니까? 완전한 자율성에 도달하기 전에 해결해야 할 도전은 무엇입니까?

다음 단계는 분리된 자동화에서 조정된 자율성으로의 확장입니다. 우리는 고객 서비스, 서비스 운영, 네트워크 팀을 실시간으로 연결하는 멀티 에이전트 워크플로를 더 많이 볼 것입니다. 운영자는 반응적인 운영에서 예측적이고 예방적인 모델로 이동할 수 있습니다. 여기서 AI는 초기에 위험을 식별하고 문제가 확대되기 전에 복구를 실행할 수 있습니다.

완전히 자율적인 네트워크는 장기적인 목표입니다. 그러나 여전히 중요한 도전이 남아 있습니다. 우리는 벤더 에코시스템에서 더 강력한 상호 운용성, 더 강력한 거버넌스 표준, 그리고 계속적인 신뢰성과 설명 가능성의 진행이 필요합니다. 가장 중요한 것은 산업이 실제 환경에서 자율 시스템이 안전하게 작동할 수 있다는 것을 확신하는 것입니다. 앞으로의 길은 점진적이며, 모든 단계에서 명확한 제어가 필요합니다.

이란 사데, Amdocs의 GenAI & 데이터 부문 사장에게 인터뷰를 감사드립니다. 더 많은 정보를 원하는 독자는 Amdocs를 방문하십시오.