Ілан Саде, президент дивізії GenAI та даних у Amdocs – Інтерв’ю

Ілан Саде, президент дивізії GenAI та даних у Amdocs, має понад два десятиліття досвіду керівництва у цій же організації, починаючи від ранньої технічної роботи як програміста та менеджера проекту до нагляду за великомасштабними глобальними поставками, стратегією продукту та інноваціями. Протягом свого терміну він очолював критичні підрозділи, що охоплювали управління доходами, цифрові та бізнес-підтримуючі системи, а також ініціативи відкритої мережі, що завершилися його керівництвом підрозділу T-Mobile перед переходом на свою поточну посаду, зосереджену на генерації AI та даних. Його кар’єра відображає глибокий досвід у сфері телекомунікацій, особливо у складних системах оплати, платформах досвіду клієнтів та великих корпоративних трансформаціях, що ставить його на чолі зрушення Amdocs до операцій, керованих AI, та наступних поколінь платформ даних.

Amdocs – це багатонаціональна компанія з програмного забезпечення та послуг, що спеціалізується на рішеннях для комунікацій, медіа та цифрових сервіс-провайдерів, допомагаючи їм керувати всім, від оплати та відносин з клієнтами до мережевих операцій та цифрової трансформації. Заснована у 1982 році та діюча у понад 90 країнах, компанія еволюціонувала у ключового постачальника інфраструктури для операторів телекомунікацій, пропонуючи хмарні платформи, аналітику, керовану AI, та інструменти автоматизації, які дозволяють більш ефективну поставку послуг та персоналізовані досвіди клієнтів. Її зростаюча увага до генерації AI та платформ даних відображає ширший зсув галузі до інтелектуальних, програмно-визначених мереж та повністю цифрових екосистем клієнтів.

Ви провели понад два десятиліття в Amdocs, піднімаючись від розробника до керівництва дивізією GenAI та даних, і раніше керували одним з найстратегічніших партнерств компанії з T-Mobile. Як це подорож справило вашу точку зору на те, що насправді потрібно, щоб перемістити AI з експериментів у виробництво у масштабі телекомунікацій?

То, що я дізнався за роки, полягає в тому, що переміщення AI у виробництво у масштабі телекомунікацій не є перш за все проблемою моделі. Це проблема операцій. Вам потрібні правильні дані, міцна інтеграція до існуючих систем, чітка відповідальність та команди, які знають, як керувати AI як частиною щоденних бізнес-процесів. Якщо будь-яка з цих частин відсутня, пілоти можуть виглядати вражаючими, але вони не масштабуються.

Моя траєкторія в Amdocs дала мені досвід усіх сторін рівня, від інженерії до доставки клієнтів та великих партнерств операторів. Цей досвід сформував мою думку, що успіх виходить із поєднання технічної досконалості з дисципліною виконання. У телекомунікаціях AI повинна працювати у складних середовищах, підтримувати реальні рівні сервісу та забезпечувати вимірювані результати. Це вимагає виробництва розуміння з дня один.

На Mobile World Congress (MWC) був чіткий сигнал, що телекомунікаційні компанії сильно інвестують у пілоти AI, але борються з їх оперціоналізацією. На вашу думку, які найбільші блокатори перешкоджають операторам рухатися далі експериментів сьогодні?

Я бачу одним з найбільших блокаторів фрагментацію. Більшість операторів мають цінні дані та сильні випадки використання, але їх середовища розділені по широкому спектру систем, команд та постачальників, що робить складним з’єднання виходів AI з реальними робочими процесами. Це особливо вірно, коли ці робочі процеси охоплюють мережу, обслуговування клієнтів та бізнес-операції. Як результат, AI часто залишається розв’язанням точки, а не стає частиною оперативної моделі.

Крім того, інший блокатор, який я спостерігав, – це довіра. Оператори в кінцевому підсумку потребують надійності, керування та чітких контролів, перш ніж вони зможуть інтегрувати AI у критичні процеси. Наприклад, якщо вони не можуть пояснити, чому агент AI прийняв рішення або забезпечити політики навколо нього, ця технологія буде залишена у пілотній смузі. Рух вперед вимагає рамок, які поєднують автоматизацію з спостереженням, аудитністю та людським наглядом.

Amdocs позиціонує aOS як “агентську операційну систему”. Як ви визначаєте агентський AI у контексті телекомунікацій, і як це фундаментально відрізняється від попередніх підходів до автоматизації, керованої AI?

У сфері телекомунікацій агентський AI конкретно відноситься до технології, яка може зрозуміти цілі, спланувати завдання, виконати дії у декількох системах та адаптуватися на основі результатів. Замість простого генерації контенту або прогнозування результатів агенти можуть виконувати робочі процеси від початку до кінця. Вони можуть розраховувати контекст, співпрацювати з іншими агентами та діяти у межах керування, щоб завершити реальні оперативні завдання.

Це фундаментально відрізняється від попередньої автоматизації, яка була в основному заснована на правилах та статична. Традиційна автоматизація працювала добре для повторюваних завдань у стабільних середовищах, але вона боролася з складністю та винятками. Агентський AI може справлятися з динамічними ситуаціями, вчиться з зворотного зв’язку та координує між доменами.

Ви описали майбутнє телекомунікаційних операцій, керованих AI. Як це виглядає на практиці, і наскільки ми віддалені від повністю автономних мереж?

Телекомунікаційні операції, керовані AI, виглядають так, що AI вбудована у核心 того, як працює бізнес – не просто додана зверху. На практиці це виглядає як робочі процеси забезпечення сервісу, які виявляють та розв’язують проблеми до того, як клієнти помітять, персоналізовані та проактивні клієнтські подорожі та мережеві операції, які безперервно оптимізують продуктивність на основі реальних умов. Ключовим є те, що AI інтегрована у рішення та виконання, а не просто у аналіз.

Ми ще не маємо повністю автономних мереж, і ми повинні бути реалістами щодо цього. Наступні кілька років будуть про прогресивну автономію, коли оператори автоматизують більш складні робочі процеси, залишаючи людей під контролем високовпливових рішень. Повна автономія вимагатиме сильніших стандартів, ширшої інтероперабельності та подальших поліпшень у надійності та керуванні.

Телекомунікаційні системи історично були фрагментовані по рівнях OSS та BSS, що робило складним енд-ту-енд автоматизацію. Як агентська архітектура допомагає уніфікувати ці домени та забезпечити міжфункціональні робочі процеси?

Агентська архітектура допомагає, вводячи координаційний рівень, який може працювати по всім OSS та BSS без примусової заміни всієї системи. Агенти можуть з’єднуватися з існуючими платформами через API, розуміти контекст бізнес-цілі, а потім оркеструвати правильну послідовність дій у мережі, сервісних та клієнтських системах. Це дозволяє операторам автоматизувати робочі процеси, які раніше ламалися на доменних межах.

Наприклад, якщо є проблема мережі, яка впливає на клієнта підприємства, агентська система може корелювати несправність, оцінити вплив, запустити кроки виправлення та оновити потік клієнтської комунікації паралельно. Такий міжфункціональний виклик складний для традиційної автоматизації, оскільки кожен домен діє у ізоляції. Агентські робочі процеси допомагають закрити цю прогалину.

Одним з цікавих аспектів агентських систем є співпраця між агентами AI та людськими операторами. Де ви бачите баланс між автоматизацією та людським наглядом у телекомунікаційних середовищах?

Баланс між агентами AI та людськими операторами завжди залежатиме від конкретного випадку використання, але в основному буде людським керівництвом та прискоренням AI на передбачуване майбутнє. Агенти AI є чудовими у швидкості, масштабуванні та розпізнаванні моделей, тоді як людські оператори приносять судження, відповідальність та контекст. Метою не є видалення людей з циклу. Це дозволити людям зосередитися на рішеннях, які вимагають експертизи, тоді як AI обробляє важку оперативну роботу.

На практиці це означає встановлення чітких порогів для автономних дій та шляхів ескалації для винятків. Низькоризикові, повторювані завдання можуть бути автоматизовані з мінімальним наглядом, тоді як високовпливові рішення повинні завжди включати людське схвалення. Цей підхід будує довіру та допомагає операторам масштабувати AI безпечно по місія-критичним середовищам.

Є багато гіпу навколо генерації AI, але телекомунікаційні оператори в кінцевому підсумку зосереджені на ROI. Які найважливіші метрики, які повинні відстежувати CSP, щоб визначити, чи фактично розгортання AI приносять цінність?

Оператори повинні відстежувати метрики, які безпосередньо пов’язані з результатами бізнесу, а не просто технічними показниками. По стороні клієнта це включає перше рішення контакту, середній час обробки, скорочення відмов та задоволеність клієнтів. По стороні мережі це включає середній час виявлення та середній час розв’язання інцидентів, доступність сервісу та операційна ефективність.

Також важливо вимірювати прийняття та надійність. Якщо агенти розгорнуті, але команди не довіряють їм, цінність не матеріалізується. CSP повинні відстежувати, як часто приймаються рекомендації AI, як часто робочі процеси завершуються успішно, та як часто потрібне людське втручання. ROI виходить з тривалого оперативного впливу, а не ізольованих результатів пілотів.

aOS підкреслює багатоцільові робочі процеси, які можуть виконувати складні, енд-ту-енд процеси по всім телекомунікаційним середовищам. Як ви забезпечуєте координацію, надійність та керування, коли декілька агентів AI діють одночасно по критичним системам?

Координація починається з чіткої моделі оркестрації. У багатоцільовому середовищі кожен агент повинен мати визначені межі доступу, критерії успіху. Центральний оркестраційний рівень керує послідовністю завдань, розв’язанням конфліктів та відстежуванням стану, щоб агенти не працювали у протиріччі. Це робить робочі процеси передбачуваними, навіть коли вони охоплюють багато систем.

Надійність та керування вимагають сильних контролів за конструкцією. Це включає забезпечення політики, аудитні сліди, пояснюваність та реальне моніторинг поведінки агентів. Це також означає наявність механізмів відступу, щоб робочі процеси могли безпечно зупинитися, ескалувати або повернутися назад, якщо щось несподіване відбувається. У критичних телекомунікаційних системах керування більше, ніж просто додаток – це основний вимір.

У недавньому оголошенні aOS, Amdocs позиціонує генерацію AI як розвиток від “бокової” можливості до ядра оперативного шару, вбудованого по всім клієнтським, мережевим та бізнес-процесам. Що змінилося за останні 12-24 місяці, що робить цей зсув можливим сьогодні?

Кілька речей дозріли одночасно. Фундаментальні моделі покращилися суттєво у якості розуміння та використання інструментів, що зробило їх більш здатними у робочих процесах підприємства. У той же час екосистема навколо них покращилася, включаючи фреймворки оркестрації, інструменти спостереження та контролю керування. Це зробило практичним рух від ізольованих випадків використання до координованих оперативних робочих процесів.

Інша велика зміна полягає в організаційній готовності. Оператори тепер мають чіткіші пріоритети щодо AI та сильніший тиск на доставку вимірюваних результатів. Вони більше не експериментують просто для навчання. Вони шукають платформи, які можуть масштабувати AI по функціям з безпекою та контролем. Цей зсув у зрілості як на технологічному, так і на бізнес-боці є тим, що робить цей момент різним.

Якщо aOS представляє злам у бік телекомунікаційних операцій, керованих AI, то який наступний етап виглядає? Ми рухаємося до повністю автономних телекомунікаційних мереж, і які виклики ще потрібно розв’язати, перш ніж це стане реальністю?

Наступний етап полягає у масштабуванні від ізольованої автоматизації до координованої автономії по всьому підприємству. Ми, ймовірно, побачимо більше багатоцільових робочих процесів, які з’єднують обслуговування клієнтів, операції сервісу та мережеві команди в реальному часі. Оператори можуть рухатися від реактивних операцій до прогнозних та проактивних моделей, де AI може виявляти ризики рано та виконувати виправлення, перш ніж проблеми ескалюють.

Повністю автономні мережі – це довгострокова перспектива, але все ще існують важливі виклики, які потрібно розв’язати. Нам потрібно сильніша інтероперабельність по всьому екосистемі постачальників, більш міцні стандарти керування та подальший прогрес у надійності та пояснюваності. Найважливіше, що індустрія потребує довіри, що автономні системи можуть виконувати безпечно у реальних умовах. Шлях вперед буде інкрементним, з чіткими контролями на кожному етапі.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Amdocs.