Tietoliikenteen kehitys viimeisen kahdenkymmenen vuoden aikana on ollut vertaansa vailla. Millainen matkapuhelin sinulla oli vuonna 2001? Mitä sillä pystyi tekemään? Luultavasti vain muutaman prosentin siitä, mitä nykyinen puhelimesi pystyy tekemään. Puhumattakaan siitä, kuinka monta muuta verkkoon kytkettyä laitetta meillä on nykyään käytössämme.

Tämä kaikki on johtanut siihen, että tietoliikenneverkoissamme liikkuva datamäärä on nykyään valtava, ja silti olemme vasta alussa. Jatkossa kaikki uudet ja myös yhteiskunnan kannalta kriittiset palvelut kytkeytyvät 5G-verkkoihin. Samalla vaatimukset verkkopalveluillemme kasvavat entisestään.

Jotta voimme käsitellä yhä monimutkaisempia ja edistyksellisempiä verkkoja, tarvitsemme paljon enemmän kuin pääsyn verkon tilatietoihin. Tulevaisuuden tarpeisiin lukeutuvat helppokäyttöiset ja ketterät analytiikkatyökalut, jotka auttavat meitä käsittelemään tietoja nopeasti. Tämä on tärkeää, koska meidän on opittava ymmärtämään verkkojen käyttäytymistä, ennen kuin jotain tapahtuu. Toisin sanoen, meidän on pystyttävä ennustamaan ongelmia ja tilanteita jo ennen kuin ne ilmaantuvat.

Vaikka tietoliikennetoimijoiden asiantuntijat olisivat kuinka osaavia ja kokeneita, ihmisen on täysin mahdotonta analysoida nykyistä datamäärää vaaditulla nopeudella. Muutamassa vuodessa tämä muuttuu vielä mahdottomammaksi. Tässä kohtaa onneksi tekoäly ja koneoppiminen tulevat apuun.

Tutkimus- ja konsulttiyhtiö Gartner ennustaakin, että verkkosuunnittelunsa parantamiseksi tekoälyyn investoivien tietoliikennepalveluntarjoajien määrä kasvaa nykyisestä 30 prosentista 70 prosenttiin vuoteen 2025 mennessä. Koska verkot muuttuvat jatkuvasti, myös tietoliikenneoperaattoreiden työ monimutkaistuu. Uusia ominaisuuksia, teknologioita ja palveluita tulee jatkuvasti lisää. Tänään toimiva algoritmi vanhentuu kuuden kuukauden tai jopa jo muutaman kuukauden kuluttua. Algoritmit ovat kuin huippu-urheilijat, joiden täytyy harjoitella koko ajan, mutta juoksun ja voimaharjoittelun sijaan ne tarvitsevat dataa.

On selvää, että tietoliikeyritysten on nykyään vaikeaa, ellei lähes mahdotonta toteuttaa tarvittavaa tekoälyä ja koneoppimista omilla sisäisillä resursseillaan. Tekoälyä ja automaatiota käsittelevässä TM Form Survey -tutkimuksessa 82 prosenttia operaattoreista myöntää, ettei heillä ole tarpeeksi sisäistä asiantuntemusta päätöksenteon ja ”closed-loop operationin” automatisoimiseksi. Siksi ulkopuolinen apu on tarpeen ja tällöin kyseeseen tulevat erityisesti erikoistoimijat, jotka voivat tarjota E2E-ratkaisuja. Tämä ei ole siis ainoastaan hoidettava tehtävä, jotta kehityksestä ei jäätäisi jälkeen, vaan yhteistyö tuo myös heti havaittavia säästöjä.

Olemme esimerkiksi SAS Institutella onnistuneet vähentämään jopa 25 prosenttia kunnossapidon kustannuksia kenttätyössä asiakkailla, jotka siirtyivät reaktiivisesta kunnossapidosta ennakoivaan kunnossapitoon. ”Mitä jos” -skenaarioiden käyttöönottaminen verkkosuunnittelussa tekoälyavusteisesti voi optimoida ja leikata investointeja 5–20 prosenttia.

Espanjalaisen Telefónican verkkostrategiasta ja kapasiteettipalveluista vastaava johtaja Teresa Herrero Zamorano tiivisti asian hyvin, kun keskustelin hänen kanssaan TM Forumin ”Digital Transformation series 2021” -tapahtumassa:

“2020-luvun verkoissa ei vain voi operoida tai kehittää toimintaa 2000-luvun työkaluilla.”

Mari Nilsson Björkman

Global Communication Industry Lead, SAS Institute