本文摘自最新报告《AI：就是现在》。
大多数大型运营商打算尝试初步接触人工智能（AI）和机器学习，但相比被动等待技术提供商为他们提供想法和策略，主动接触这些技术对运营商来说可能仍比较困难。
目前，运营商从电信行业内符合标准的供应商处购买绝大多数IT和网络技术，但这些供应商并不一定是AI技术的最佳来源。诸如聘请数据科学家，使用开源技术，开发内部人工智能专业知识等想法很好，但许多运营商都缺乏在AI中进行有效投资的能力或信心。
数千名电信管理专家将于今年五月相聚在尼斯数字化转型世界大会，共同探索、合作和发展相关项目。通过了解大会上即将展示的10个人工智能Catalyst催化剂项目，你可以发现最佳实践项目，并参与讨论AI如何适应未来的开放式数字架构。
尽管面临诸多挑战，但现在，各种运营商都应该开始接触人工智能和机器学习。这些技术是保持竞争力，支持不断增长的物联网（IoT），提供客户要求的各种体验所必需的。以下是运营商可以采取的一些步骤，以开始使用AI技术或推进新项目：
确定一个领导者
领导者不仅仅要能够理解什么是AI技术；还要理解AI所涉及的整个组织的工作，以便于确定如何使用AI，确定共同点。这样的领导者可能是一名首席信息官或首席数据官。
学习
无论运营商是想要使用开源软件自主开发AI平台和工具，还是更倾向于与供应商合作，他们都必须了解利用AI潜力所需的技术、技能和资源。想要更好地了解和学习这方面的知识可以对AI系统进行试验，寻找合作伙伴，加入相关标准组织和开源组织。
将AI与分析结合起来
AI和机器学习都需要数据。事实上，AI使运营商能够对他们收集和存储的数据进行分析处理，因此运营商应将AI视为其数据战略的升级。
为了促进AI用例的部署，运营商必须在本地找出数据，将其从孤岛中移除并使其可通过整个组织的API访问。 他们应该计划创建集中的数据湖来做到这一点。
标准化
为了吸引领先的人工智能技术供应商的兴趣，运营商必须能够轻松使用AI技术来开展业务。他们需要对数据收集和管理进行标准化，并且对他们可能想要开发的用例有先入为主的观念。这将使技术合作伙伴找到一种将运营商数据输入到其平台的通用方法。
从实际出发
AI人才市场十分火爆，想要在AI领域大展身手的计算机科学家可能并不是很倾向于选择为运营商工作。即使运营商能够招聘到一个专家团队，他们也很难满足专家团队对人工智能专业知识的需求。
许多运营商存在结构孤立和流程僵化的问题，这意味着雄心勃勃的人工智能研究人员可能会为此感到沮丧。除非首席战略官能够解决薪酬问题，并为AI专家找到能够发挥其才能的位置，否则运营商可能就会面临AI人才转头与供应商和系统集成商合作。
考虑自动化
尽管运营商已经认识到他们的网络最终将实现虚拟化，并且要依托云来发展，但网络功能虚拟化（NFV）和软件定义网络（SDN）的热度在不断减弱。运营商认识到，除非网络能够实现自动化，否则NFV和SDN的部署只会增加运营成本。AI和机器学习是高级自动化的关键。
保持选择的开放性
我们谈到的许多首席信息官和首席架构师都在尝试构建什么样的AI架构或集中式功能。 在探索阶段中，运营商应该认识到在业务中孵化AI项目的重要性，而不是预先判断业务和AI的结合方式和时间，以及应该采用何种核心技术能力、平台或存储库。
但是，我们认为集中协调能力也是必要的，用以解决数据管理和存储，数据湖，常见的分析技术和人工智能技术方面的问题。
敢于尝试
许多技术供应商都希望展示他们的AI功能。这有利于运营商获得有用的知识，以及从第三方赞助的项目中获得商业利益。
合作
通过和其他运营商合作，运营商很容易在人工智能领域以最小的代价获取最大的利益。TM Forum，ETSI和Facebook支持的电信基础设施项目等行业组织都在建立人工智能计划，我们鼓励运营商们广泛积极地参与项目。
