通信ネットワーク事業者向けの AI 戦略とは?

VNPT理事会メンバー、グエン・ヴァン・イェン

まとめ：
通信分野におけるデータとAI：通信事業者は、適切に活用されていない膨大なデータを保有しています。AIは、データをサービス向上や業務最適化のためのツールへと変換するのに役立ちます。
- AIアプリケーションのトレンド：5GとIoTの発展により、2016年以降、通信事業者はAIに注力するようになりました。最近では、特にOpenAIのChatGPTの発売以降、GenAIが戦略的なツールとして登場しています。
- AIによる経済的メリット：AIは、コスト削減や新たな収益源の創出など、通信事業者にとって莫大な価値を生み出すと予測されています。マッキンゼーは、GenAIが通信業界に1,000億ドルの経済効果をもたらす可能性があると推定しています。
- 組織におけるAIの活用：AIは、データ分析から管理機能まで、組織のあらゆるレベルで活用する必要があります。多くの保険会社は、AI専任の部署やAIセンター・オブ・エクセレンスを設立しています。
- AI適用におけるリスク：AI人材の採用、データ管理、AI導入における安全性の確保といった課題は、ネットワーク事業者が直面する課題です。AIガバナンスは、AI導入の成功と持続的な実現を確実なものにするための重要な要素です。
- AI向けデータの準備：AIを効果的に適用するには、オペレーターはクリーンで一貫性のあるデータを準備し、共通のデータモデルを確保する必要があります。データの収集と処理は大きな課題であり、データ分析と管理に多額の投資が必要です。

通信業界におけるAIアプリケーションの現状

5G、IoT、そしてビッグデータの増加は、通信サービスプロバイダーがAIに注目する要因となっています。大規模で意欲的な通信事業者の中には、2016年、2017年にAIの導入を開始した企業もあり、2019年から2020年にかけて、世界中の通信事業者におけるAIの導入が急速に進みました。過去12～15ヶ月（Chat GPTを搭載したOpenAIのリリース以来）で、GenAIはAIベースのコンテンツ作成ツールから戦略的プラットフォームへと認知度が高まり、世界中のほぼすべての通信サービスプロバイダーにとって、急速に中心的な存在になりつつあります。

2022年の通信市場におけるAIに関するアライドマーケットリサーチレポート[6]によると、「通信市場における世界のAI市場規模は2021年に12億米ドルと評価され、2031年には388億米ドルに達し、2022年から2031年にかけて年平均成長率41.4%で成長すると予測されています」。通信会社は、イノベーション、業務効率、顧客体験の向上を実現するための重要な手段としてAIに注目しています。

水には誰がいるのか.png

エリクソンは[1]、AIが通信を含む産業に前例のない価値をもたらすと考えています。ネットワーク事業者にとって、AIはネットワーク運用の最適化、顧客体験の向上、コスト削減、持続可能な開発への貢献、新たな収益源の創出など、様々な機会をもたらします。

ガートナー[2]は調査を実施し、29のAI関連技術を5つのグループに分類しました。AIコア技術、GenAIベース技術、データセントリックAI技術、AIトラスト技術です。GenAIベース技術の導入動向は、今後1～3年で急増すると予測されています。

通信事業者は、GenAIをターニングポイントと捉えています。収益成長を促進し、コストを削減し、ユーザーエクスペリエンスを根本的に変革する強力な推進力となるからです。多くの通信事業者は、GenAIをAI戦略の重要な焦点と捉えています。

画像1_戦略-ai.png

AI/GenAIの経済的影響の測定

AIが通信業界にもたらす経済的影響を測定することは容易ではありません。潜在的なユースケースは広範かつ多様であり、市場価値の推定値も情報源によって大きく異なるためです。しかしながら、多くの事業者は、AIが通信事業にもたらすメリットは大きいと考えています。例えば[4]：

- AIと自動化による労働力と雇用の削減。BT（英国）は、デジタル化と自動化を活用することで、2030年までに1万人の雇用を削減できると見積もっています。

AI対応製品の発売により新たな収益を生み出す。SKテレコム（韓国）は、2028年までにAI関連の収益が最大25兆ウォン（約185億米ドル）に達すると予測しています。

- コスト削減や収益増加に貢献します。マッキンゼーは、GenAIが通信業界に最大1,000億ドルの付加価値を生み出す可能性があると推定しています。

オペレーターは、財務面（定量化可能な時間の節約、コスト削減、収益の増加）と非財務面（従業員満足度、顧客満足度、小さく定量化が難しい時間の節約、持続可能性）の2つの側面に基づいて、各AIユースケースのメリットを測定します。

通信業界でAIが適用される分野とAIの実装方法

通信事業者は、データ分析に関連する業務や部門にAIを適用する戦略的優先事項としてAIを活用しています。しかしながら、近年のGenAIの急速な普及により、特に通信業界におけるAIの適用に関して、以下のような新たな視点が生まれています。

- 通信業界におけるAIの応用分野:

- AI は革新的なツールであるため、企業内のすべてのタスクフォースで AI を利用できる必要があります。

+ 技術力の低いグループでも AI を使いやすくするためにあらゆる努力を払う必要があります。

+ AI 専用ユニットは、成功した AI ユースケースの実装方法を把握し、組織全体でこれらのユースケースを再適用するための適切なモデルと方法を構築できる必要があります。

+ AIへのアクセスを民主化するには、AI導入のコストリスクを管理するために、AI向けの新しいFinOpsアプローチを実装する必要がある。

+ 制御不能なコストのリスクを軽減し、AI の使用と実験を促進するために、AI ガバナンスプログラムを開発して実装する必要があります。

- 通信業界におけるAI導入

AI 製品およびサービスの開発とアプリケーションを推進するための専門知識と権限を持つ CXO AI ポジションを構築します(例: Steve Jarrett が Orange Innovation の最高 AI 責任者 (CAIO) に任命され、2023 年 12 月、Deepika Adusumilli が BT の 2023 年 10 月、Chung Suk-guen が SK Telecom の最高 AI 責任者 (CAIO) に任命されました)。

AI を開発するための子会社を設立します。たとえば、Proximus Ada はネットワークオペレーター Proximus (ベルギー) の子会社であり、Proximus の社内要件に対応し、B2B 顧客にサービスを提供するためのサイバーセキュリティと AI 機能の開発に特化しています。

社内AI機能と顧客対応AI機能を分離。テレフォニカは、中央集権的なAI組織を構築する代わりに、顧客インサイトとイノベーション部門、ネットワーク、ITシステム、そしてAIに向けた社内デジタルトランスフォーメーション（CDS）部門の2つの部門に分割することを決定しました。

GenAI はネットワーク機能よりも顧客対応に重点を置いている一方で、予測 AI はネットワーク自動化の目的でますます使用されるテクノロジーとなっているため、この責任分担は特に興味深いものです。

新たなビジネス機能としてのAI。例えば、チャイナモバイルとSKテレコムは、新製品・新サービスの提供に向け、AIに多額の投資を行っています。両社は、最適なソリューションと機能を備えた独自の大規模言語モデル（LLM）を構築し、企業（DN）や他の通信事業者に販売することに重点を置いています。

AI Center of Excellence (CoE) の設立。

TMFrum（2023）の調査[4]では、通信事業者の53%がAI CoEを設立していると回答しています。しかし、AI CoEの具体的な規模、範囲、役割は事業者によって大きく異なります。例えば、Vodafone Ziggo（オランダ）は、社内のデータサイエンスの専門家を集めたAI CoEを設置しています。

テレフォニカには、ネットワークおよび IT 部門が主導するグローバル AI CoE があり、共通データモデルへの移行と AI テクノロジーおよびソリューションの研究という目標を達成するために、データと AI アーキテクチャを専門としています。

e& (中東) には、各主要部門/機能に代表者がいる CoE があり、AI ガバナンスが最前線にあり、成功する AI ユースケースがさまざまな部門で研究され、適用されるようにするという使命を果たしています。

プラットフォーム機能としてのAI。一部の通信事業者は、組織内の様々な部門からAIにアクセスできるように設計されたAIプラットフォームを構築済み、あるいは構築中です。

例えば、VodafoneはAIプラットフォームを保有しており、各チームが独自のユースケースを構築するためのセルフサービスツールやトレーニング資料も提供しています。SK Telecomは、SKTが開発中のLLMに組織全体がアクセスできるインテリジェンスプラットフォームを保有しています。

- AIマネジメント

AIガバナンス要件。AIに関する多くのガバナンス要件は、既存のデータガバナンスプログラムの一部です。しかし、AIツールとシステムの安全性と倫理性を確保するためには、AIに特化した追加の安全対策が必要です。AIガバナンスプログラムには2つの種類があります。

- 外部ガバナンスプログラムは、社外の個人および組織を保護するために設計されています。

- 内部ガバナンスプログラムは、従業員を保護し、企業全体で AI が正常かつ持続的に導入されるように設計されています。

社外の個人や組織を保護することを目的としたガバナンスプログラムは、成文化され規範化される傾向があります。例えば、欧州連合（EU）は2023年12月にAI法を可決し、2025年に発効する予定です。また、米国は2023年10月にAIに関する大統領令を発令しました。

厳しい政府規制は、特にデータ主権規制が厳しい国において、通信事業者が海外で収益化できる技術や機能を開発するのに役立ちます。

例えば、チャイナモバイルは、AI関連法規の遵守に活用している手法が、顧客に提供できるセキュリティ技術の開発に役立つと考えています。スイスコムは、独自のAIインフラの構築と社内専門知識の開発に取り組んでおり、ITサービス事業における価値創造と新たなソリューション創出に活用しています。

GenAI の出現により、社内の AI ガバナンスを改善する必要性も高まっています。規模の拡大、コストの管理、不正確な結果の使用による影響からの組織の保護、技術的負債のリスクの軽減、LLM トレーニングモデルデータの「破損」のリスクからの防御、知的財産 (IP)/著作権侵害からの組織の保護などです。

ビジネスにおけるAI適用のリスク

TMforum 2023 の電気通信における GenAI 適用時のリスクに関する調査には、次の内容が含まれています。

3.1. AI人材

AI人材の採用に関しては、ほとんどの通信会社はテクノロジー企業に比べて不利な立場にあり、特に若い人材の採用においてはその傾向が顕著です。テクノロジー企業は通常、より高い給与、より早いキャリアアップ、そしてはるかに柔軟な企業文化を提供しています。

TMフォーラムの専門分野別電気通信事業者人材ニーズ調査[4]によると、AI /機械学習、データ分析、自動化スキルの需要が高い（64％、セキュリティの69％より低い）ことがわかりました。

通信事業者が採用できるスキルの難しさという点では、回答者の 59% が、データサイエンス/データ分析の専門家と AI/ML の専門家の採用が最も難しい (セキュリティの 63% に次いで 2 番目) と回答しました。

MWC 2024において、韓国テレコムは、AIとICTを融合させた企業を目指し、今年中に最大1,000人のAI・デジタル専門家を採用すると発表しました。同時に、KTはAIへのDNAを根本から変革するため、AIスキルに関する社内研修を強化しました。

中国移動は、2025年までに高度に自動化された通信事業者になるという目標を支えるプラットフォームとして、2019年にJiutianを設立しました。このAIプラットフォームは、オープンAPIを通じて外部の開発者が利用できます。2023年10月には、中国移動はJiutianの一部として独自のLLMを開発しました。当初はわずか20名のAIエンジニアでしたが、現在では600名のAIエンジニアを擁し、2024年末までに1,000名にまで拡大する予定です。

ボーダフォンはAIプラットフォームの構築にハイパースケーラーと提携していますが、分析、自動化、クラウド、プラットフォームに加え、AIOpsのスキルも依然として必要としています。ボーダフォンはフルタイムの採用によって優秀な人材を確保しています。

画像2_bai-ai.png

キャップジェミニのシニアディレクター、アシシュ・ヤダフ氏は、通信事業者がシステムインテグレーション企業を通じて、インソーシングの一形態として、クラウドおよびAI分野のアーキテクトレベルのシニア人材を求めるケースが増えていると述べています。インソーシングの定義は多岐にわたりますが、この文脈では、通信事業者はパートナー企業のシニア人材を自社の作業チームの一員として「扱う」ことになります。

多くの通信会社は、AI人材を需要に応じて積極的に確保するため、再教育とスキルアップを強化しています。実際、このアプローチは新規採用よりも費用対効果が高く、採用が難しい他のスキルを持つ人材にもますます適用されつつあります。

AI と機械学習を効果的に活用するために通信事業者が行うべきことに関する TMForum の調査では、回答者の 60% が既存の従業員に複数の AI スキルをトレーニングすることが大きな効果をもたらすと回答し、39% が大きな効果をもたらすと回答しました。

画像3_bai-ai.png

マッキンゼー・アンド・カンパニーによると、GenAIは運用者にAIの専門知識を社内で育成することを迫ると同時に、ユーザーには迅速なエンジニアリング（LLMから最適な回答を得るために質問する能力）といった新たなスキルを求めています。運用者はまた、「どのようなデータを収集し、どのように収集するかを理解しているだけでなく、GenAIシステムによって生成・使用される新しいタイプのデータの品質を監視・評価できる」データエンジニアとドメインエキスパートを雇用する必要もあります。

画像4_bai-ai.png

3.2. AIアプリケーションのためのデータ準備

データ駆動型アーキテクチャは、ネットワーク全体の正確性と一貫性を維持するための鍵となります。共通のデータモデルを使用することで、すべてのシステム間でデータがスムーズに流れ、すべての自動化されたワークフローにおいて正確に処理されることが保証されます。

AIにはデータが必要であり、データ分析にはAIが必要です。今日、多くの事業者は、AI技術を最大限に活用するための一貫したデータ戦略を策定するという大きな課題に直面しています。AI実験の初期段階にある事業者は、AIを大規模に導入するために必要なもの、特にデータの面を過小評価している可能性があります。

多くの通信事業者は、単一のデータモデルに基づいて組織全体にデータを水平に流す統合戦略を欠いています。

AI 向けにデータを準備する際の具体的な課題:

ネットワークからサービス提供、カスタマーエクスペリエンスに至るまで、ビジネスの様々な分野に適用できる、明確で一貫性があり、実用的なデータが不足しています。これは、データドリブン、AIドリブンな実行に関わるあらゆるプロセスにとって極めて重要です。

共通のデータモデルがないため(現在、データは複数のベンダーから収集されています)、構造化データと非構造化データの集約に非常に時間がかかります。

データコンテキストの欠如、つまりデータがどのように、いつ、どこで、どのような目的で収集されるかが完全にはわからないことは、通信事業者が GenAI やその他の種類の機械学習モデルを導入する場合に克服しなければならない特に大きな障害です。

通信事業者はデータの価値を認識し、データ分析への投資を強化しています。Omdiaは、世界の通信事業者が2025年までにデータ分析に25億ドルを投資すると予測しています。

実際、データを収集、クレンジング、変換し、適切な形式で保存するために必要な時間と投資は、そのデータを活用する時間よりもはるかに大きい場合が多いのです。データレイクやデータウェアハウスの構築は長年行われてきましたが、保険会社が組織全体にわたってAIを大規模に導入できる体制はまだ整っていません。

AI ベースのイノベーションと分析の登場により、より多様で柔軟なデータ利用の必要性と需要が高まっています。たとえば、次のようなことが挙げられます。

- AI/機械学習では、モデルをトレーニングするために膨大な量のデータが必要です

- 偏りのないAI結果を確保するには、多様なデータセットと複数のデータタイプが必要です。

- データレイヤーを追加してモデルの精度とアプリケーションへの影響を向上

- 特に動的な環境において予測性能を維持するためには、モデルを最新の情報で継続的にトレーニングする必要がある。

- データは、主に高度にインタラクティブな環境において、重要なビジネス機能のためにリアルタイムで利用可能でなければなりません。

- GenAI の登場により、オペレーターは利用可能な大量の非構造化データを活用できるようになりましたが、このデータは LLM に取り込まれる前にタグ付けおよびクリーンアップする必要があります。

データの観点からAIを大きく進歩させるには、運用担当者はシステムを流れるデータへのアプローチを根本的に変える必要があり、場合によっては企業文化の変革も必要になります。鍵となるのは、共通のデータモデルを構築し、信頼できる唯一の情報源を構築することです。

単一の真実の情報源を構築することは非常に複雑な作業であり、データの断片化により、これまでほとんどの通信事業者の能力を超えていました。BT、ドイツテレコム、テレフォニカは、すべてのデータをパブリッククラウドに移行することで、この課題に対処してきました。例えば、BTは過去2年間でデータの90%以上をGoogle Cloud Platformに移行しました。

AIアーキテクチャ、構築、購入、拡張

AI/GenAiとクラウドコンピューティングには多くの類似点があり、特に技術革新とハイパーコーラーの優位性が顕著です。通信事業者は、AIとクラウドの課題、つまり「何を購入し、何を構築すべきか」という同じ問題に直面しています。

通信事業者のAIへのアプローチは、オープンアーキテクチャとコンポーザビリティという中核原則によって大きく形作られています。ドイツテレコムのオマール・アーメド・カーン氏は、同社のAIプロジェクトのほとんどは、様々なコンポーネントの構築と購入の組み合わせであると述べています。「ドイツテレコムは構築と購入のハイブリッド戦略を採用しており、購入段階で完全なターンキーソリューションを購入することは決してありません。」

事業者は、AIをエンタープライズアーキテクチャやリファレンスアーキテクチャの一部として検討するのは時期尚早だと考えています。将来のエンタープライズアーキテクチャにAIを統合するための明確なビジョンと戦略を持つ事業者の中には、効果的な成果と明確な投資収益率（ROI）を実現するために必要な人材、ツール、能力といった実装上の課題を認識しているところもあります。

ソフトウェアの産業化は、データをパブリッククラウドに移行し、リアルタイムでデータにアクセスできるようにすることで、AIの産業化に向けた優れた実践例と見なすことができます。東南アジアのある通信事業者のCIOは、AIの産業化に向けて同社が行ったプロセスを「データファクトリー」と表現しました。 「これにより、AI開発の時間とコストが大幅に削減されました」と彼は述べています。

「2年前、AI開発のコストは非常に高く、AIモデルの作成には6～8ヶ月かかっていました。今ではわずか数日で完了します。サイクル全体をはるかに速く、より少ない人員で実行できます。」

一部のキャリアでの実践:

China Mobile: Jiutian LLM プロジェクトの一環として、ハードウェアを購入し、グラフィックスプロセッシングユニット (GPU) やアクセラレータを含む独自のデータセンターを構築しました。

Jio：インドの通信会社Jioの親会社であるReliance Industriesは、AI向けスーパーコンピューティング・インフラの構築でNVIDIAと提携しました。Relianceは、インド全土の科学者、開発者、スタートアップ企業にAIインフラを提供し、Jioの4億5000万人の顧客向けにAIアプリケーションとサービスを開発することを目指しています。

AIをパブリッククラウドとプライベートクラウドのどちらに導入するかの決定も通信事業者にとって重要な問題であり、導入規模に大きく左右されます。パブリッククラウドにAIを導入すると、複雑なアルゴリズムと大量のデータを処理するために必要な豊富なコンピューティングリソース、パワー、専用ハードウェアを利用できるという利点がありますが、事業者がパブリッククラウドを大量データの処理にのみ使用する場合は、コストが問題となる可能性があります。

多くの通信事業者は、GenAIにプライベートクラウドを利用するという決定は、独自のLLMを構築しない限り実現不可能だと考えています。例えば、アジアではChina Mobile、Softbank、SK Telecom、ヨーロッパではDeutsche Telekomがそうです。通信事業者は、AIユースケースのテストやMVPの構築にはパブリッククラウドを優先する傾向があります。

通信事業者が AI の利用を増やすと、必然的に関係がより深くなるでしょう。

-ソフトバンク： NVIDIAと提携し、GenAIおよびワイヤレスアプリケーションをホストするために設計されたデータセンター（TTDL）を構築しました。新しいTTDLは、AIと5Gの両方のワークロードに対応します。

- SKテレコム： SKTはAI分野における幅広い野心の一環として、AIベースのデータセンターの需要を積極的に追求しています。キム・ヤンソブCFOは、SKTは「次世代AIデータセンターとグローバル展開に注力し、データセンター事業をさらに強化する」計画だと述べています。

NTTは、GenAIなどの技術活用に関連するデータ需要の高まりに対応するため、今後5年間で1.5兆円（約120億ドル）を投資し、世界規模でデータセンター事業の拡大と強化を図る。

多くの通信事業者は、GenAIにプライベートクラウドを利用するという決定は、アジアではChina Mobile、Softbank、SK Telecom、ヨーロッパではDeutsche Telekomのように、独自のLLMを構築しない限り実現不可能だと考えています。通信事業者は、AIユースケースのテストやMVP構築において、パブリッククラウドを優先する傾向があります。

通信事業者が AI の利用を拡大するにつれ、必然的に Amazon Web Services、Microsoft Azure、Google Cloud といった大手企業との関係が深まることになるでしょう。

参考文献:
1. AIビジネスの可能性：AIの価値を理解する
通信事業。https ://www.ericsson.com/4ac6ca/
資産/ローカル/レポート-論文/さらなる洞察/ドキュメント/AI-
ビジネスポテンシャル.pdf
[2] 新興技術インパクトレーダー：人工知能、ガートナー、2024年1月19日、ID G00796195
[3] 生成AI：オペレーターが最初の一歩を踏み出す、TMforum 2023
[4] AI戦略の構築通信事業者は基盤を整え、
TMフォーラム 3,2024
[5] https://intellias.com/ai-in-telecommunications/
[6] https://www.alliedmarketresearch.com/ai-in-
通信市場-A09352
[7] 通信業界におけるGen Ai、OmdiaのGenAI通信会社からの主な調査結果
サービスプロバイダー調査 Omdia 2024
[8] https://www.xenonstack.com/enterprise-generative-ai/
通信/
[9] AIはどこへ向かうのか？ノキアhttps://www.nokia.com/thought-
リーダーシップ/記事/AI/AIの将来/
[10] エリクソン・テルコAI、内部文書