维度网讯，电信运营商拥有人工智能经济的关键资产——近端性，但Fierce Network Research（Fierce Network研究）的一份新报告指出，横亘在他们面前的四大具体障碍可能阻碍其利用这一资产。

该资产的核心在于，AI训练在集中式超大规模数据中心进行，而推理——AI在现实世界中执行实际任务——必须在靠近用户和数据的地方运行。电信运营商已经处于推理所需的节点，铁塔、光纤和边缘设施遍布每个市场。T-Mobile（T-Mobile美国）现场工程高级副总裁Salim Kouidri在接受《AI与自动化网络：为推理时代设计电信基础设施》报告采访时表示，电信运营商的基础设施比超大规模云服务商更接近最终用户，这给了他们参与并获胜的许可证。

障碍一是脏数据。Blue Planet（蓝星球）产品管理副总裁Gabriele Di Piazza指出，大多数运营商的库存系统准确率低于50%至60%。运营商无法信任他们无法验证的数据，这意味着AI驱动运营的基础层在多数运营商中根本缺失。基于不良数据的自动化会以机器速度产生错误答案。Gartner（高德纳）的研究印证了这一点，38%遭遇AI挫折的组织将数据质量差列为直接原因。

障碍二是自主性差距。Di Piazza表示，大多数运营商在网络自主性等级上自评为2级至3级之间，TM Forum（电信管理论坛）三月份的报告也证实了这一评估。AI机遇要求网络能够理解意图并自主行动，人类负责监督而非执行，这对应的是4级及以上。整个行业大多还差几个等级。

障碍三是组织惯性。电信运营商传统上行动缓慢，其合理原因在于五个九的可靠性要求谨慎。但用过时语言编写的传统OSS和BSS系统限制了敏捷性，而曾导致运营商错过云转型的组织惯性并未消失。Tekonyx（泰科尼克斯）总裁兼首席研究官Sid Nag表示，运营商搞砸了整个云机会，如果电信运营商想要，这是他们的第二次机会。

障碍四是消费差距。超大规模云服务商赢得云时代的部分原因在于让服务购买和部署变得毫不费力。运营商仍然无法匹敌。Di Piazza表示，运营商渴望拥有这种能力已有相当长时间，但他们还无法像超大规模云服务商那样交付。

这些障碍都不是永久性的。像T-Mobile和MetTel（MetTel电信）这样的运营商已经展示了清除障碍后的场景，MetTel的AI引擎在某些年份使分析师效率提高83%。报告的隐含警告很明确：仅凭资产是不够的。那些修复数据、爬上自主性阶梯并以超越自身文化偏好的速度前进的运营商将捕获价值，其余的只能眼睁睁看着价值从他们身边流过。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com