世纪金融网从令人愉快的交谈中谦虚的起点开始，今天的电信行业肩负着重大责任。
从时间紧迫的对话，位置跟踪，在线购物，安全付款以及即将到来的5G技术中提议的远程手术，如果该行业真正需要一件事，那就是操作的可靠性。
当满足一些预定义的服务水平协议并且服务水平指示器在给定范围内时，通常会找到一种可接受的系统。但是在竞争激烈的时代，最重要的是，没有达到100％的边际差异而受到影响的人。
关为什么不呢？也许这是在医疗紧急情况下需要帮助的人。或在路边交通事故后发生类似情况。能够做到这一点的不是运行大型通信服务提供商（CSP）的数百人，而是管理CSP的智能系统。
相关新闻希望所有国家都可以就AI法规走到一起：Sundar Pichai AGR Dues / DoT仅在按时付款后才进行讨论：报告称政府允许Bharti Airtel进行100％FDI尽管手动操作已让位于自动化系统，但挑战不断到来。我们需要智能系统，但基于规则的机器人过程自动化（RPA）常常与人工智能系统相混淆。
RPA的挑战在于，它与不断变化的环境进行交互，这成为维护的开销，并且需要通过规则进行不断升级。
1950年，艾伦·图灵（Alan Turing）提出了机器可以做人类可以做的事情。为了证明这一点，他开发了图灵测试，以演示机器无法与人类区分的智能行为。图灵建议由人类评估者来判断人类与旨在产生类似人类反应的机器之间的自然语言对话。如果评估者不能可靠地将机器与人类区分开，则认为机器已通过测试。
从那时起，机器学习和人工智能已经走了很长一段路。如今，电信领域的人工智能使人们很难分辨是响应任何客户参与流程，管理操作还是调整网络的机器还是人工。
当今的系统具有强大的计算能力，因此，我们很荣幸有机会部署学习算法，该算法可以构建由大数据和物联网（IoT）支持的自学系统。数字化周围环境，为学习算法提供急需的提要。
配备了此类机器学习功能后，其局限性在于想象一下使用具有这种人工智能的系统可以做什么。使用物联网进行农业节制的一个例子表明了这种想象力的重要性。
在经典环境中，警报发出时，操作工程师会参与解决问题。但是AI系统可以提前建立模式并预测即将出现的问题。
因此，在问题出现之前，原因已得到解决，平衡得以恢复。
尽管可能很难想象这种情况，但AI的好处当今的局限性是有限的，因为我们仍在探索可应用此类解决方案的可能性。在类似的方向上，医学界的一个有力例子证明了如何使用AI来阻止癌症的发展。
想想诸如网络故障之类的情况，这种情况不仅成本高昂且维修耗时，而且会在短时间内对业务造成巨大破坏，从而影响多个用户。
虽然等待警报和人员在仪表板上进行监视可以带来快速的解决方案，但当今的挑战却不同。聪明地提前捕获所有数据点并进行智能关联，以了解会出现哪种问题。
这样的系统还将学习此类问题的解决方案并实时应用它们。人类和剧本无法与之匹敌加快处理和应用修补程序的速度。它将系统更改为自动运行，而不是自动运行某些作业。
另一个例子可能是情感分析。有一些高级算法可以说出会话的语调（书面或口头的）并了解消费者的情绪。
对于人类而言，可能无法找出造成消费者压力的原因。甚至没有通过运行多个脚本并手动关联相同结果的方法。但是AI系统可以有效地收集数据从最近和以后的一些动作和互动中，了解可能导致客户不满意的受影响参数。
它也可以进行课程修正，并建议什么是使客户满意的最佳方法，这是由于它从不同的客户那里学到的东西，而这些学习最好还是基于最近的交互记忆而与任何给定的人类代表之间有限的理解。
这使得迄今为止似乎不可能的事情成为可能。考虑一个微软玻璃帮助盲人看的例子！在这种情况下，甚至连几个人都无法像AI那样帮助到人。
还有其他几个处于不同发展阶段的例子，这些例子又再次受到决定未来操作成熟度的想象力的限制。
对于某些运营商而言，运营不会仍然是无聊的后台工作，但技术与人之间的生动互动。它将消除日常工作的单调乏味，并为人们提供提前的信息以做出明智的决策。
可以将来自多个系统的数据引入到互动的生态系统，并得出一些相关性，并在一段时间内了解重要内容。运营将很快成为最大的运动场，使AI成为现实，并改变人们的生活。
（作者是Amdocs Intelligent Operations工程主管）
