Ilan Sade, Tổng giám đốc bộ phận GenAI và Dữ liệu tại Amdocs – Loạt phỏng vấn

Ilan Sade, Tổng giám đốc bộ phận GenAI và Dữ liệu tại Amdocs, có hơn hai thập kỷ kinh nghiệm lãnh đạo trong cùng một tổ chức, từ vị trí kỹ thuật ban đầu là lập trình viên và quản lý dự án đến giám sát giao hàng toàn cầu, chiến lược sản phẩm và đổi mới. Trong suốt thời gian của mình, ông đã lãnh đạo các bộ phận quan trọng bao gồm quản lý doanh thu, hệ thống hỗ trợ kinh doanh và mạng mở, và cuối cùng là lãnh đạo bộ phận T-Mobile trước khi chuyển sang vị trí hiện tại tập trung vào trí tuệ nhân tạo tạo sinh và dữ liệu. Sự nghiệp của ông phản ánh chuyên môn sâu về lĩnh vực viễn thông, đặc biệt là trong các hệ thống hóa đơn phức tạp, nền tảng trải nghiệm khách hàng và chuyển đổi doanh nghiệp quy mô lớn, đặt ông vào vị trí hàng đầu trong việc chuyển đổi của Amdocs sang các hoạt động được thúc đẩy bởi AI và các nền tảng dữ liệu thế hệ tiếp theo.

Amdocs là một công ty phần mềm và dịch vụ đa quốc gia chuyên về các giải pháp cho các nhà cung cấp dịch vụ truyền thông, truyền thông và dịch vụ số, giúp họ quản lý mọi thứ từ hóa đơn và quan hệ khách hàng đến hoạt động mạng và chuyển đổi số. Được thành lập vào năm 1982 và hoạt động tại hơn 90 quốc gia, công ty đã phát triển thành một nhà cung cấp cơ sở hạ tầng quan trọng cho các nhà điều hành viễn thông, cung cấp các nền tảng gốc đám mây, phân tích được thúc đẩy bởi AI và các công cụ tự động hóa cho phép giao hàng dịch vụ hiệu quả hơn và trải nghiệm khách hàng được cá nhân hóa. Sự tập trung ngày càng tăng của công ty vào trí tuệ nhân tạo tạo sinh và các nền tảng dữ liệu phản ánh một sự thay đổi rộng lớn hơn trong ngành công nghiệp hướng tới các mạng được định nghĩa bằng phần mềm thông minh và các hệ sinh thái khách hàng được số hóa hoàn toàn.

Bạn đã dành hơn hai thập kỷ tại Amdocs, từ một nhà phát triển đến lãnh đạo bộ phận GenAI và Dữ liệu, và trước đó là giám sát một trong những quan hệ đối tác chiến lược nhất của công ty với T-Mobile. Hành trình đó đã định hình quan điểm của bạn về những gì thực sự cần thiết để chuyển AI từ thí nghiệm sang sản xuất với quy mô viễn thông như thế nào?

Điều tôi đã học được qua những năm là việc chuyển AI vào sản xuất với quy mô viễn thông không chỉ là một vấn đề về mô hình. Đó là một vấn đề về hoạt động. Bạn cần có nền tảng dữ liệu phù hợp, tích hợp mạnh mẽ vào các hệ thống hiện có, trách nhiệm rõ ràng và các đội ngũ biết cách chạy AI như một phần của quy trình kinh doanh hàng ngày. Nếu bất kỳ một trong những phần đó bị thiếu, các thí nghiệm có thể trông ấn tượng nhưng chúng không thể mở rộng.

Con đường của tôi tại Amdocs đã cho tôi tiếp xúc với tất cả các mặt của phương trình, từ kỹ thuật đến giao hàng khách hàng đến các quan hệ đối tác với nhà điều hành lớn. Kinh nghiệm đó đã định hình quan điểm của tôi rằng thành công đến từ việc kết hợp giữa xuất sắc kỹ thuật và kỷ luật thực hiện. Trong lĩnh vực viễn thông, AI phải hoạt động trên các môi trường phức tạp, hỗ trợ các mức dịch vụ thực và cung cấp kết quả có thể đo lường được. Điều đó đòi hỏi một tư duy sản xuất từ ngày đầu tiên.

Tại Hội nghị Di động Thế giới (MWC), có một tín hiệu rõ ràng rằng các công ty viễn thông đang đầu tư mạnh mẽ vào các thí nghiệm AI nhưng đang gặp khó khăn trong việc vận hành chúng. Theo quan điểm của bạn, những trở ngại lớn nhất đang ngăn cản các nhà điều hành chuyển từ thí nghiệm sang sản xuất hiện nay là gì?

Tôi thấy một trong những trở ngại lớn nhất là sự phân mảnh. Hầu hết các nhà điều hành có dữ liệu quý giá và các trường hợp sử dụng mạnh mẽ, nhưng môi trường của họ bị chia cắt trên nhiều hệ thống, đội ngũ và nhà cung cấp – khiến cho việc kết nối đầu ra AI với các quy trình làm việc thực sự trở nên khó khăn. Điều này đặc biệt đúng khi các quy trình làm việc đó bao gồm mạng, chăm sóc khách hàng và hoạt động kinh doanh. Kết quả là AI thường vẫn là một giải pháp điểm chứ không trở thành một phần của mô hình hoạt động.

Ngoài ra, một trở ngại khác mà tôi đã chứng kiến là niềm tin – các nhà điều hành cuối cùng cần độ tin cậy, quản trị và các kiểm soát rõ ràng trước khi họ có thể tích hợp AI vào các quy trình quan trọng. Ví dụ, nếu họ không thể giải thích tại sao một tác nhân AI đã đưa ra một quyết định hoặc thực thi các chính sách xung quanh nó, công nghệ đó sẽ được giữ trong một làn đường thí nghiệm. Việc tiến về phía trước đòi hỏi một khuôn khổ kết hợp tự động hóa với khả năng quan sát, kiểm toán và giám sát của con người.

Amdocs đang định vị aOS như một “hệ điều hành hoạt động thông minh”. Bạn định nghĩa AI thông minh trong bối cảnh viễn thông như thế nào và nó khác biệt như thế nào so với các phương pháp tự động hóa được thúc đẩy bởi AI trước đây?

Trong không gian viễn thông, AI thông minh cụ thể đề cập đến công nghệ có thể hiểu các mục tiêu, lập kế hoạch nhiệm vụ, thực hiện hành động trên nhiều hệ thống và thích nghi dựa trên kết quả. Thay vì chỉ tạo nội dung hoặc dự đoán kết quả, các tác nhân có thể thực hiện các quy trình làm việc từ đầu đến cuối. Họ có thể suy luận trên bối cảnh, cộng tác với các tác nhân khác và hoạt động trong các ranh giới quản trị để hoàn thành các nhiệm vụ hoạt động thực sự.

Điều này khác biệt cơ bản so với tự động hóa trước đây, chủ yếu là dựa trên quy tắc và tĩnh. Tự động hóa truyền thống hoạt động tốt cho các nhiệm vụ lặp đi lặp lại trong môi trường ổn định, nhưng nó gặp khó khăn với sự phức tạp và ngoại lệ. AI thông minh có thể xử lý các tình huống động, học hỏi từ phản hồi và phối hợp trên các lĩnh vực.

Bạn đã mô tả một tương lai của các hoạt động viễn thông bản địa AI. Điều đó trông như thế nào trong thực tế và chúng ta còn bao xa để đạt được các mạng hoàn toàn tự động?

Các hoạt động viễn thông bản địa AI trông giống như AI được nhúng vào cốt lõi của cách một doanh nghiệp hoạt động – không chỉ được thêm vào trên đầu. Trong thực tế, điều đó giống như các quy trình làm việc về đảm bảo dịch vụ phát hiện và giải quyết vấn đề trước khi khách hàng nhận thấy, các hành trình chăm sóc khách hàng được cá nhân hóa và chủ động, và các hoạt động mạng liên tục tối ưu hóa hiệu suất dựa trên điều kiện thời gian thực. Chìa khóa là AI được tích hợp vào quyết định và thực hiện, không chỉ phân tích.

Chúng ta không ở trong các mạng hoàn toàn tự động ngay bây giờ, và chúng ta nên thực tế về điều đó. Những năm tới sẽ là về tự động hóa tiến bộ, nơi các nhà điều hành tự động hóa các quy trình làm việc phức tạp hơn trong khi vẫn giữ con người kiểm soát các quyết định có tác động cao. Toàn bộ tự động hóa sẽ đòi hỏi các tiêu chuẩn mạnh mẽ hơn, khả năng tương tác rộng hơn và sự cải tiến liên tục trong độ tin cậy và quản trị.

Hệ thống viễn thông đã từng bị phân mảnh qua các lớp Hệ thống Hỗ trợ Hoạt động (OSS) và Hệ thống Hỗ trợ Kinh doanh (BSS), điều này đã khiến tự động hóa từ đầu đến cuối trở nên khó khăn. Kiến trúc thông minh như thế nào giúp thống nhất các lĩnh vực này và cho phép các quy trình làm việc liên chức năng?

Kiến trúc thông minh giúp bằng cách giới thiệu một lớp điều phối có thể hoạt động trên OSS và BSS mà không cần thay thế hệ thống hoàn toàn. Các tác nhân có thể kết nối với các nền tảng hiện có thông qua API, hiểu bối cảnh của một mục tiêu kinh doanh và sau đó dàn xếp chuỗi hành động chính xác trên các hệ thống mạng, dịch vụ và khách hàng. Điều này cho phép các nhà điều hành tự động hóa các quy trình làm việc trước đây bị phá vỡ tại các ranh giới lĩnh vực.

Ví dụ, nếu có một vấn đề về mạng ảnh hưởng đến một khách hàng doanh nghiệp có giá trị cao, một hệ thống thông minh có thể tương quan lỗi, đánh giá tác động, kích hoạt các bước khắc phục và cập nhật luồng thông tin khách hàng song song. Loại thực hiện liên chức năng này khó khăn với tự động hóa truyền thống vì mỗi lĩnh vực hoạt động trong sự cô lập. Các quy trình làm việc thông minh giúp đóng khoảng cách đó.

Một trong những khía cạnh thú vị của các hệ thống thông minh là sự cộng tác giữa các tác nhân AI và các nhà điều hành con người. Bạn thấy sự cân bằng sẽ rơi vào đâu giữa tự động hóa và giám sát của con người trong các môi trường viễn thông?

Sự cân bằng giữa các tác nhân AI và các nhà điều hành con người sẽ luôn phụ thuộc vào trường hợp sử dụng cụ thể, nhưng sẽ chủ yếu là con người dẫn đầu và AI tăng tốc trong thời gian tới. Các tác nhân AI xuất sắc trong tốc độ, quy mô và nhận dạng mẫu, trong khi các nhà điều hành con người mang lại phán quyết, trách nhiệm và bối cảnh. Mục tiêu không phải là loại bỏ con người khỏi vòng lặp. Đó là để cho phép con người tập trung vào các quyết định đòi hỏi chuyên môn trong khi AI xử lý khối lượng công việc hoạt động nặng.

Trong một thông báo gần đây của aOS, Amdocs định vị trí tuệ nhân tạo tạo sinh như một khả năng đang phát triển từ một “tính năng bên cạnh” sang một lớp hoạt động cốt lõi được nhúng trên các quy trình khách hàng, mạng và kinh doanh. Điều gì đã thay đổi trong 12 đến 24 tháng qua khiến cho sự thay đổi này trở nên khả thi ngày nay?

Nhiều thứ đã trưởng thành cùng một lúc. Các mô hình nền tảng được cải thiện đáng kể về chất lượng suy luận và sử dụng công cụ, điều này làm cho chúng có khả năng hơn trong các quy trình làm việc doanh nghiệp. Đồng thời, hệ sinh thái xung quanh chúng được cải thiện, bao gồm các khuôn khổ dàn xếp, các công cụ quan sát và các kiểm soát quản trị. Điều đó làm cho nó trở nên thực tế để chuyển từ các trường hợp sử dụng bị cô lập sang các quy trình hoạt động được phối hợp.

Thay đổi lớn khác là sự sẵn sàng của tổ chức. Các nhà điều hành hiện có các ưu tiên rõ ràng hơn xung quanh AI và áp lực mạnh hơn để cung cấp kết quả có thể đo lường được. Họ không còn chỉ thí nghiệm để học hỏi. Họ đang tìm kiếm các nền tảng có thể mở rộng AI trên các chức năng với bảo mật và kiểm soát. Sự thay đổi về độ trưởng thành này trên cả công nghệ và kinh doanh là điều làm cho thời điểm này khác biệt.

Nếu aOS đại diện cho một bước ngoặt hướng tới các hoạt động viễn thông bản địa AI, giai đoạn tiếp theo sẽ trông như thế nào? Chúng ta có đang hướng tới các mạng viễn thông hoàn toàn tự động không, và những thách thức nào vẫn cần được giải quyết trước khi điều đó trở thành hiện thực?

Giai đoạn tiếp theo là về việc mở rộng từ tự động hóa bị cô lập sang tự động hóa được phối hợp trên toàn doanh nghiệp. Chúng ta có thể sẽ thấy nhiều quy trình làm việc của nhiều tác nhân kết nối chăm sóc khách hàng, hoạt động dịch vụ và các đội ngũ mạng trong thời gian thực. Các nhà điều hành có thể chuyển từ hoạt động phản ứng sang các mô hình dự đoán và chủ động, nơi AI có thể xác định rủi ro sớm và thực hiện các biện pháp khắc phục trước khi vấn đề trở nên nghiêm trọng.

Các mạng hoàn toàn tự động là một kết nối dài hạn, nhưng vẫn còn những thách thức quan trọng cần được giải quyết. Chúng ta cần sự tương tác mạnh mẽ hơn trên các hệ sinh thái của nhà cung cấp, các tiêu chuẩn quản trị mạnh mẽ hơn và sự tiến bộ liên tục trong độ tin cậy và khả năng giải thích. Quan trọng nhất, ngành công nghiệp cần sự tự tin rằng các hệ thống tự động có thể hoạt động an toàn trong các điều kiện thế giới thực. Con đường phía trước sẽ là dần dần, với các kiểm soát rõ ràng tại mỗi bước.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Amdocs.