Ilan Sade, GenAI ve Veri Bölüm Başkanı, Amdocs – Röportaj Serisi

Ilan Sade, Amdocs’un GenAI ve Veri Bölüm Başkanı, aynı organizasyonda iki thập kỷdan fazla liderlik deneyimi getiriyor. Programcı ve proje yöneticisi olarak başlayan kariyeri, büyük ölçekli küresel teslimat, ürün stratejisi ve inovasyonun yönetimine kadar uzanıyor. Görev süresi boyunca, gelir yönetimi, dijital ve iş destek sistemleri ve açık ağ girişimleri gibi kritik bölümleri yönetti ve T-Mobile bölümünün liderliğini yaptı. Kariyeri, telekomünikasyon alanında, özellikle karmaşık faturalama sistemleri, müşteri deneyim platformları ve büyük işletme dönüşümlerinde derin alan uzmanlığını yansıtıyor.

Amdocs, iletişimciler, medya ve dijital hizmet sağlayıcıları için çözümler sunan çok uluslu bir yazılım ve hizmet şirketidir. 1982 yılında kurulmuş ve 90’dan fazla ülkede faaliyet gösteren şirket, faturalama ve müşteri ilişkileri yönetimi, ağ operasyonları ve dijital dönüşüm gibi konularda hizmet vermektedir. Bulut yerel platformlar, AI destekli analitik ve otomasyon araçları sunarak daha verimli hizmet teslimi ve kişiselleştirilmiş müşteri deneyimi sağlamayı amaçlıyor.

Amdocs’ta iki thập kỷdan fazla süre geçirdiniz ve geliştiriciden GenAI ve Veri bölümünün liderliğine kadar yükseldiniz. Bu yolculuk, AI’yi telekomünikasyon ölçekli üretim ortamına taşıma konusunda neler öğrendiniz?

AI’yi telekomünikasyon ölçekli üretim ortamına taşımanın, esas olarak model problemi değil, operasyon problemi olduğunu öğrendim. Doğru veri temelleri, mevcut sistemlere güçlü entegrasyon, net sorumluluk ve AI’yi günlük iş süreçlerinin bir parçası olarak çalıştırabilen ekipler gerekiyor. Eğer bu parçalardan biri eksikse, pilotlar etkileyici görünebilir, ancak ölçeklenmez.

Amdocs’taki yolculuğum, bana mühendislikten müşteri teslimatına, büyük operatör ortaklıklarına kadar her şeyi gösterdi. Bu deneyim, teknik mükemmellikle birlikte yürütme disiplininin başarıya ulaştığını gösterdi. Telekomünikasyonda AI, karmaşık ortamlarda çalışmalı, gerçek hizmet seviyelerini desteklemeli ve ölçülebilir sonuçlar üretmelidir. Bu, üretim odaklı bir zihniyet gerektirir.

Mobile World Congress’te (MWC), telekom şirketlerinin AI pilotlarına büyük yatırımlar yaptıkları, ancak bunları operasyonel hale getirmede zorluklar yaşadıkları görüldü. Bu pilotları üretim ortamına taşımanın en büyük engelleri nelerdir?

Bence en büyük engel, parçalanmadır. Operatörlerin değerli verileri ve güçlü kullanım örnekleri vardır, ancak ortamları çok çeşitli sistemler, ekipler ve satıcılar arasında bölünmüştür. Bu, AI çıktılarını gerçek iş akışlarına bağlamayı zorlaştırır. Özellikle ağ, müşteri bakımı ve iş operasyonları gibi alanları kapsayan iş akışlarında bu durum daha da zorlaşır. Sonuç olarak, AI genellikle bir nokta çözümü olarak kalır ve işletme modelinin bir parçası haline gelmez.

Amdocs, aOS’u “ajans işletim sistemi” olarak konumlandırıyor. Telekomünikasyon bağlamında ajans AI’yi nasıl tanımlarsınız ve önceki AI destekli otomasyon yaklaşımlarından nasıl farklıdır?

Telekomünikasyon alanında ajans AI, hedefleri anlayan, görevleri planlayan, birden fazla sistemde eylemler gerçekleştiren ve sonuçlara göre adapte olan teknolojiyi ifade eder. Ajanslar, yalnızca içerik oluşturmak veya sonuçları tahmin etmek yerine, iş akışlarını uçtan uca gerçekleştirebilir. Bağlamı anlamak, diğer ajanslarla işbirliği yapmak ve governance sınırları içinde gerçekleştirmek için tasarlanmışlardır.

Bu, önceki otomasyon yaklaşımlarından farklıdır, çünkü onlar genellikle kural tabanlı ve statikti. Geleneksel otomasyon, tekrarlanan görevler için iyi çalıştı, ancak karmaşıklık ve istisnalarla başa çıkmada zorluklar yaşadı. Ajans AI, dinamik durumlara, geri bildirime dayalı öğrenmeye ve alanlar arasında koordinasyona adapte olabilir.

AI yerli telekomünikasyon operasyonlarının geleceğini tarif ettiniz. Bu, uygulamada nasıl görünür ve tam olarak otomatik ağlara ne kadar yakınız?

AI yerli telekomünikasyon operasyonları, AI’nin işin temelinde yer aldığı bir dünya anlamına gelir. Uygulamada, hizmet garantisi iş akışlarının, müşteri sorunlarını önceden tespit edip çözdüğü, müşteri bakımı yolculuklarının kişiselleştirildiği ve ağ operasyonlarının gerçek zamanlı koşullara göre sürekli optimize edildiği bir dünya anlamına gelir. Anahtar, AI’nin yalnızca analitik değil, karar verme ve yürütme sürecinin bir parçası olmasıdır.

Tam olarak otomatik ağlara henüz ulaşmadık ve gerçekçi olmamız gerekiyor. Gelecek birkaç yıl, operatörlerin daha karmaşık iş akışlarını otomatikleştirdiği, ancak insanların yüksek etkili kararları kontrol ettiği bir süreç olacak. Tam otomatiklik, daha güçlü standartlar, daha geniş çapta işbirliği ve güvenilirlik ve governance alanlarında sürekli iyileştirmeler gerektirecek.

Telekomünikasyon sistemleri tarihi olarak Operasyonel Destek Sistemleri (OSS) ve İş Destek Sistemleri (BSS) katmanlarına bölünmüştür. Bu, uçtan uca otomasyonu zorlaştırmıştır. Ajans mimarisi, bu alanları birleştirmeye ve iş akışlarını ermögilmeye nasıl yardımcı olur?

Ajans mimarisi, OSS ve BSS arasında bir koordinasyon katmanı ekleyerek yardımcı olur. Ajanslar, mevcut platformlara API’ler aracılığıyla bağlanabilir, iş hedeflerinin bağlamını anlayabilir ve ardından ağ, hizmet ve müşteri sistemleri boyunca doğru eylem dizisini düzenleyebilir. Bu, önceden domaine özgü sınırların kırıldığı iş akışlarının otomasyonunu sağlar.

Ajans sistemlerinin bir diğer ilginç yönü, AI ajansları ve insan operatörleri arasındaki işbirliğidir. Telekomünikasyon ortamlarında otomasyon ve insan denetimi arasındaki denge nereye doğru gidecek?

AI ajansları ve insan operatörleri arasındaki denge, her zaman özel kullanım örneklerine bağlı olacaktır, ancak genel olarak insan liderliğindeki ve AI hızlandırılmış bir süreç olacak. AI ajansları, hız, ölçek ve desen tanıma konusunda mükemmelken, insan operatörler yargı, sorumluluk ve bağlam getirirler. Hedef, insanları döngüden çıkarmak değil, insanlara uzmanlık gerektiren kararlar alması için fırsat vermek ve AI’nin ağır operasyonel iş yükünü üstlenmesidir.

Telekomünikasyon operatörleri sonunda ROI’ye odaklanıyorlar. AI dağıtımlarının gerçekten değer sağladığını belirlemek için CSP’lerin izlemesi gereken en önemli metriklar nelerdir?

Operatörler, teknik performans değil, iş sonuçlarına doğrudan bağlı metriklere odaklanmalıdır. Müşteri tarafında, ilk temas çözümü, ortalama işleme süresi, müşteri kaybı azaltma ve müşteri memnuniyeti gibi metriklere bakılmalıdır. Ağ tarafında, moyen zaman tespit ve moyen zaman çözümü, hizmet erişilebilirliği ve operasyonel verimlilik kazanımları gibi metriklere bakılmalıdır.

aOS, birden fazla ajansın kompleks iş akışlarını uçtan uca gerçekleştirebileceği bir ortamı vurguluyor. Kritik sistemlerde birden fazla AI ajansının çalışması durumunda koordinasyon, güvenilirlik ve governance nasıl sağlanacak?

Koordinasyon, net bir düzen modeli ile başlar. Birden fazla ajans ortamında, her ajansın tanımlı sınırları, erişim sınırları ve başarı kriterleri olmalıdır. Merkezi bir düzenleme katmanı, görev sıralaması, çatışma çözümü ve durum takibini yönetir, böylece ajanslar birbirleriyle çalışmaz. Bu, iş akışlarının öngörülebilir olmasını sağlar, hatta birçok sistemi kapsar.

Son aOS duyurusunda, Amdocs, AI’yi “yan araç” olarak değil, müşteri, ağ ve iş süreçleri boyunca temel bir operasyonel katman olarak konumlandırıyor. Son 12-24 ayda ne değişti ki bu dönüşüm şimdi mümkün oldu?

Birkaç şey aynı anda olgunlaştı. Temel modeller, akıl yürütme kalitesi ve araç kullanımı açısından önemli ölçüde iyileştirildi, bu da onları işletme iş akışlarında daha yetenekli hale getirdi. Aynı zamanda, etrafındaki ekosistem, düzenleme çerçeveleri, gözlemlenebilirlik araçları ve governance kontrolleri açısından gelişti. Bu, AI’yi koordine edilmiş operasyonel iş akışlarına taşımak için pratik hale getirdi.

aOS, AI yerli telekomünikasyon operasyonlarına doğru bir dönüşüm noktasını temsil ediyorsa, bir sonraki aşama nedir? Tam olarak otomatik telekomünikasyon ağlarına doğru mu gidiyoruz ve bu gerçekleştikten önce çözülmesi gereken hangi zorluklar masih vardır?

Sonraki aşama, izole otomasyondan koordine edilmiş otonomiye doğru bir geçiş olacak. Müşteri bakımı, hizmet operasyonları ve ağ ekiplerini gerçek zamanlı olarak bağlayan çok ajanslı iş akışlarını görebiliriz. Operatörler, reaktif operasyonlardan proaktif ve öngörülü modellere doğru ilerleyebilir, AI’nin riskleri erken tespit edip çözümleme yapmasını sağlayabilir.

Tam olarak otomatik ağlar, uzun vadeli bir hedeftir, ancak masih önemli zorluklar vardır. Daha güçlü işbirliği standartlarına, daha güçlü governance standartlarına ve güvenilirlik ve açıklanabilirlik alanlarında sürekli ilerlemeye ihtiyacımız vardır. En önemli şey, endüstrinin, otonom sistemlerin gerçek dünya koşullarında güvenli bir şekilde çalışabileceğine güven duymasıdır. İlerleme, her adımda net kontrollerle olacak.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi edinmek isteyen okuyucular, Amdocs ziyaret edebilir.