์ธํฐ๋ทฐ
Ilan Sade, Division President, GenAI & Data at Amdocs – ์ธํฐ๋ทฐ ์๋ฆฌ์ฆ
Ilan Sade, Division President, GenAI & Data at Amdocs는 같은 조직 내에서 2십년 이상의 리더십을 보유하고 있으며, 초기 기술자로서 프로그래머와 프로젝트 매니저로 시작하여 대규모 글로벌 배포, 제품 전략, 혁신을 책임지는 것으로 자라났습니다. 그의 임기 동안 그는 수익 관리, 디지털 및 비즈니스 지원 시스템, 오픈 네트워크 이니셔티브를 포함한 중요한 부문을 이끌었으며, T-Mobile 부문을 이끌면서 현재 제너레이티브 AI와 데이터에 중점을 둔 자신의 역할로 이동했습니다. 그의 경력은 통신 분야에서 특히 복잡한 청구 시스템, 고객 경험 플랫폼, 대규모 엔터프라이즈 변환에서 깊은 도메인 전문 지식을 반영하며, 이를 통해 Amdocs의 AI 기반 운영 및 차세대 데이터 플랫폼으로의 전환의 선두에 서 있습니다.
Amdocs는 통신, 미디어, 디지털 서비스 제공업체를 위한 솔루션을 전문으로 하는 다국적 소프트웨어 및 서비스 회사로, 청구 및 고객 관계부터 네트워크 운영 및 디지털 변환까지 모든 것을 관리하는 데 도움을 줍니다. 1982년에 설립되어 90개 이상의 국가에서 운영되고 있는 이 회사는 클라우드 네이티브 플랫폼, AI 기반 분석, 자동화 도구를 제공하는 텔레콤 운영자의 핵심 인프라 제공업체로 발전했으며, 이는 더 효율적인 서비스 제공 및 개인화된 고객 경험을 가능하게 합니다. 제너레이티브 AI 및 데이터 플랫폼에 대한 점점 더 많은 관심은 지능형 소프트웨어 정의 네트워크 및 완전히 디지털화된 고객 생태계로의 더广い 산업 전환을 반영합니다.
Amdocs에서 2십년 이상을 보낸 후 개발자에서 GenAI 및 데이터 부문 책임자로, 이전에 T-Mobile과의 회사 가장 중요한 파트너십 중 하나를 담당했습니다. 텔레콤 규모에서 실험에서 생산으로 AI를 이동하는 데 필요한 것을 실제로 파악하는 데 그 여정은 어떻게 귀하의 관점을 형성했나요?
여러 해 동안 내가 배운 것은 텔레콤 규모에서 AI를 생산으로 이동하는 것이 기본적으로 모델 문제가 아니라는 것입니다. 그것은 운영 문제입니다. 올바른 데이터基础, 기존 시스템과의 강력한 통합, 명확한 책임, 일상 업무 프로세스의 일부로 AI를 실행하는 방법을 알고 있는 팀이 필요합니다. 이러한 조각 중 하나가 누락되면 파일럿은 인상적일 수 있지만 확장되지 않습니다.
Amdocs에서의 내 경로는 모든 방정식의 모든 측면에 대한 노출을 제공했습니다. 즉, 엔지니어링에서 고객 전달까지, 대형 운영자 파트너십까지 모든 것을 담당했습니다. 그 경험은 기술 우수성과 실행 규율의 조합으로 성공이 온다는 내 관점을 형성했습니다. 텔레콤에서 AI는 복잡한 환경에서 작동해야 하며 실제 서비스 수준을 지원하며 측정 가능한 결과를 제공해야 합니다. 그것은 첫날부터 생산 마인드로 필요합니다.
모바일 월드 콩그레스(MWC)에서 텔레콤 회사들이 AI 파일럿에大量으로 투자하지만 운영화하는 데 어려움을 겪고 있다는 명확한 신호가 있었습니다. 귀하는 오늘날 운영자들이 실험을 넘어서 이동하는 것을 방해하는 가장 큰 장애물은 무엇이라고 생각합니까?
私は 가장 큰 장애물 중 하나가 단편화라고 생각합니다. 대부분의 운영자는 가치 있는 데이터와 강력한 사용 사례를 가지고 있지만, 환경은 다양한 시스템, 팀 및 벤더에 걸쳐 분할되어 있으므로 AI 출력을 실제 워크플로에 연결하기가 어렵습니다. 특히 워크플로가 네트워크, 고객 서비스, 비즈니스 운영을 모두 포함하는 경우에 그렇습니다. 결과적으로 AI는 운영 모델의 일부가 아닌 포인트 솔루션으로 남아 있습니다.
또한 내가 목격한 또 다른 장애물은 신뢰입니다. 운영자는 궁극적으로 중요한 프로세스에 AI를 통합하기 전에 신뢰성, 거버넌스, 명확한 제어가 필요합니다. 예를 들어, AI 에이전트가 결정한 이유를 설명할 수 없거나 그 주변의 정책을 시행할 수 없다면, 그 기술은 파일럿 레인에 유지될 것입니다. 앞으로 진행하려면 자동화와 관察 가능성, 감사 가능성, 인간의 감독을 결합하는 프레임워크가 필요합니다.
Amdocs는 aOS를 “에이전트 운영 체제”로 пози션합니다. 텔레콤의 맥락에서 에이전트 AI를 어떻게 정의하시나요? 그리고 그것은 이전의 AI 기반 자동화 접근 방식과 어떻게 근본적으로 다르나요?
텔레콤 공간에서 에이전트 AI는 목표를 이해하고, 작업을 계획하고, 여러 시스템에서 동작하고, 결과에 따라 적응할 수 있는 기술을 특징으로 합니다. 단순히 콘텐츠를 생성하거나 결과를 예측하는 것 이상으로, 에이전트는 워크플로를 끝까지 실행할 수 있습니다. 그들은 상황을 이해하고, 다른 에이전트와 협력하고, 실제 운영 작업을 완료하기 위해 거버넌스 경계 내에서 작동할 수 있습니다.
이것은 이전의 자동화와 근본적으로 다르며, 대부분 규칙 기반 및 정적이었습니다. 전통적인 자동화는 반복적인 작업과 안정적인 환경에서 잘 작동했지만 복잡성과 예외를 다루는 데 어려움을 겪었습니다. 에이전트 AI는 동적 상황을 다루고, 피드백에서 배우고, 도메인 전체에서 조정할 수 있습니다.
귀하는 AI 네이티브 텔레콤 운영의 미래를 묘사했습니다. 그것은 실제로 무엇이며, 완전히 자율적인 네트워크에 도달하기까지 얼마나 멀까요?
AI 네이티브 텔레콤 운영은 AI가 비즈니스 운영의 핵심에 통합된 것입니다. 실제로それは 서비스 보증 워크플로우가 고객이 알기 전에 문제를 감지하고 해결하는 것과 같습니다. 또한 고객 서비스 여정은 개인화되고 예방적이며, 네트워크 운영은 실제 시간 조건에 따라 성능을 지속적으로 최적화합니다. 핵심은 AI가 결정과 실행에 통합되어 분석에만 추가되지 않는다는 것입니다.
우리는 아직 완전히 자율적인 네트워크에 도달하지 못했습니다. 다음 몇 년은 운영자가 더 복잡한 워크플로를 자동화하는 반면, 인간이 높은 영향力的 결정에 대한 통제를 유지하는 진행적 자율성에 관한 것입니다. 완전한 자율성은 더 강한 표준, 더广い 상호 운용성, 신뢰성 및 거버넌스 개선이 필요합니다.
텔레콤 시스템은 역사적으로 OSS 및 BSS 계층에서 단편화되어 왔으며, 이는 종단간 자동화를 어렵게 만들었습니다. 에이전트 아키텍처는 이러한 도메인을 어떻게 통합하고, 교차 기능 워크플로를 가능하게 합니까?
에이전트 아키텍처는 Existing 플랫폼에 연결할 수 있는 조정 계층을 도입하여 OSS 및 BSS를 완전히 대체하지 않고 작동할 수 있습니다. 에이전트는 API를 통해 Existing 플랫폼에 연결하고, 비즈니스 목표의 상황을 이해한 다음, 네트워크, 서비스, 고객 시스템에서 올바른 동작의 순서를 조정할 수 있습니다. 이것은 이전에 도메인 경계에서 중단된 워크플로를 자동화할 수 있도록 합니다.
예를 들어, 네트워크 문제가 높은 가치의 기업 고객에게 영향을 미친다면, 에이전트 시스템은 결함을 상관시킬 수 있고, 영향을 평가하고, 수정 단계를 트리거하고, 고객 커뮤니케이션 흐름을 동시에 업데이트할 수 있습니다. 전통적인 자동화에서는 이러한 종단간 실행이 어려웠습니다. 에이전트 워크플로우는 그 간격을 닫는 데 도움이 됩니다.
에이전트 시스템의 가장 흥미로운 측면 중 하나는 AI 에이전트와 인간 운영자 간의 협력입니다. 텔레콤 환경에서 자동화와 인간의 감독 사이의 균형이 어떻게 될까요?
자동화와 인간 운영자 간의 균형은 사용 사례에 따라 다르지만, 앞으로도 인간이 주도하고 AI가 가속화하는 방향으로 갈 것입니다. AI 에이전트는 속도, 규모, 패턴 인식에서 탁월하지만, 인간 운영자는 판단, 책임, 상황을 제공합니다. 목표는 사람들을 루프에서 제거하는 것이 아닙니다. 그것은 전문 지식이 필요한 결정에 사람들을 집중시키는 것입니다. 그리고 AI는 중량 운영 워크로드를 처리하도록 합니다.
실제로それは 명확한 임계값을 설정하고, 예외에 대한 에스컬레이션 경로를 설정하는 것을 의미합니다. 낮은 위험, 반복적인 작업은 최소한의 감독으로 자동화할 수 있지만, 높은 영향力的 결정은 항상 인간의 승인을 포함해야 합니다. 이러한 접근 방식은 신뢰를 구축하고, 운영자가 텔레콤 환경에서 AI를 확장하는 데 도움이 됩니다.
제너레이티브 AI에 대한 많은 화제가 있지만, 텔레콤 운영자는 궁극적으로 ROI에 관심이 있습니다. CSP가 AI 배포가 실제로 가치를 제공하는지 여부를 결정하기 위해 추적해야 하는 가장 중요한 지표는 무엇입니까?
운영자는 기술적 성능이 아닌 비즈니스 결과에 직접 연결되는 지표를 추적해야 합니다. 고객 측면에서는 첫 번째 접촉 해결, 평균 처리 시간, 이탈 감소, 고객 만족도가 포함됩니다. 네트워크 측면에서는 사건을 감지하고 해결하는 평균 시간, 서비스 가용성, 운영 효율성 개선이 포함됩니다.
또한 채택 및 신뢰성을 측정하는 것이 중요합니다. 에이전트가 배포되었지만 팀이 신뢰하지 않는다면, 가치는 물질화되지 않습니다. CSP는 AI 추천이 받아들여지는 빈도, 워크플로우가 성공적으로 완료되는 빈도, 인간의 개입이 필요한 빈도를 추적해야 합니다. ROI는 분리된 파일럿 결과가 아닌 지속적인 운영 영향에서 비롯됩니다.
aOS는 텔레콤 환경에서 종단간 프로세스를 실행할 수 있는 다중 에이전트 워크플로우를 강조합니다. 중요 시스템에서 여러 AI 에이전트가 동시에 작동할 때, 조정, 신뢰성 및 거버넌스를 어떻게 보장합니까?
조정은 명확한 오케스트레이션 모델에서 시작합니다. 다중 에이전트 환경에서 각 에이전트는 정의된 접근 경계와 성공 기준이 있어야 합니다. 중앙 오케스트레이션 계층은 작업 시퀀싱, 충돌 해결, 상태 추적을 관리하여 에이전트가 서로 반대되는 목표를 갖지 않도록 유지합니다. 이것은 워크플로우가 여러 시스템에 걸쳐 있더라도 예측 가능하게 만듭니다.
신뢰성 및 거버넌스는 설계에 의한 강력한 제어가 필요합니다. 즉, 정책 시행, 감사 추적, 설명 가능성 및 에이전트 동작의 실시간 모니터링이 포함됩니다. 또한 예기치 않은 일이 발생할 경우 워크플로우가 안전하게 일시 중지, 에스컬레이션 또는 롤백할 수 있는 폴백 메커니즘이 필요합니다. 중요한 텔레콤 시스템에서 거버넌스는 추가 기능이 아닌 핵심 요구 사항입니다.
최근 aOS 발표에서, Amdocs는 제너레이티브 AI를 “사이드카” 기능에서 고객, 네트워크, 비즈니스 프로세스에 걸쳐 통합된 핵심 운영 레이어로 발전시키는 것으로 пози션합니다. 지난 12~24개월 동안 무엇이 변경되어 오늘날 이러한 전환이 가능하게 되었나요?
여러 가지 사항이同時에 성숙했습니다. 기초 모델은 이유와 도구 사용에서 크게 개선되어 엔터프라이즈 워크플로우에서 더 능력 있게 되었습니다. 동시에 그들을 둘러싼 생태계도 개선되었으며, 오케스트레이션 프레임워크, 관察 가능성 도구, 거버넌스 제어가 포함됩니다. 이것은 분리된 사용 사례에서 조정된 운영 워크플로우로 이동하는 것이 실제적으로 가능하게 만들었습니다.
또 다른 주요 변경은 조직의 준비도입니다. 운영자는 이제 AI에 대한 더 명확한 우선순위와 측정 가능한 결과를 제공해야 하는 더 강한 압력을 가지고 있습니다. 그들은 더 이상 단순히 배우기 위해 실험하지 않습니다. 그들은 기능을 안전하고 제어된 방식으로 확장할 수 있는 플랫폼을 찾고 있습니다. 기술과 비즈니스 측면에서 모두 성숙도가 높아진 것이 이 순간을 다르게 만듭니다.
aOS가 AI 네이티브 텔레콤 운영으로의 전환점을 나타낸다면, 다음 단계는 무엇이며, 완전히 자율적인 텔레콤 네트워크로 향하는 도로에서 아직 해결해야 할 도전은 무엇입니까?
다음 단계는 분리된 자동화에서 조정된 자율성으로의 확장입니다. 우리는 고객 서비스, 서비스 운영, 네트워크 팀이 실시간으로 연결된 더 많은 다중 에이전트 워크플로우를 볼 수 있을 것입니다. 운영자는 반응형 운영에서 예측 및 예방형 모델로 이동할 수 있으며, AI는 위험을 조기 발견하고 문제가 확대되기 전에 수정을 실행할 수 있습니다.
완전히 자율적인 네트워크는 장기적인 목표입니다. 그러나 여전히 해결해야 할 중요한 도전이 있습니다. 우리는 벤더 생태계 전체에서 더 강한 상호 운용성, 더 강한 거버넌스 표준, 신뢰성 및 설명 가능성의 지속적인 진행이 필요합니다. 가장 중요한 것은 자율 시스템이 실제 세계 조건에서 안전하게 작동할 수 있다는 산업의 신뢰를 필요로 합니다. 앞으로의 길은 점진적이며, 모든 단계에서 명확한 제어가 필요합니다.
멋진 인터뷰에 감사합니다. 더 많은 것을 배우고 싶은 독자는 Amdocs를 방문해야 합니다.
