Telecombedrijven staan voor een dubbele uitdaging: hun netwerken rendabeler maken én ze efficiënter beheren. AI-gedreven automatisering kan deze uitdaging oplossen. Maar voor optimale kostenefficiëntie, moet dat wel in een hybride cloud.
In de telecombranche verschuift de voorkeur van public cloud naar hybride omgevingen, met een focus op de balans tussen compliance, security en kostenbeheersing. Hybride cloud-strategieën bieden namelijk meer flexibiliteit dan een pure public cloud-aanpak om efficiënt om te gaan met veranderende marktomstandigheden en regelgeving.
Maar hybride omgevingen kunnen snel een stuk complexer worden dan een public cloud-omgeving. Om deze complexiteit terug te dringen, werken steeds meer telecombedrijven aan één uniform platform dat alle operationele tooling voor meerdere clouds verzamelt en cruciale zaken als governance, kostenbeheersing en security centraliseert.
Geïntegreerde automatisering
Om verschillende clouds zo goed mogelijk te integreren binnen één schaalbaar platform zijn twee zaken onmisbaar: end-to-end automatisering en AI.
Automatisering biedt hulp op verschillende manieren. Eerst worden er gegevens verzameld van de aangesloten apparaten en endpoints. Deze gegevens worden daarna door AI toepassingen geanalyseerd. Op basis van die analyse worden aanbevelingen gedaan over welke automatiseringstools je het beste kunt gebruiken om zowel problemen te voorkomen als op te lossen. AI zorgt daarbij niet alleen voor een beter begrip van wat geautomatiseerd moet worden, maar ook voor een snellere uitvoering, bijvoorbeeld door software-instructies te schrijven die de automatisering regelen.
Veel serviceproviders hebben de levering van hun connectiviteitsdiensten al geautomatiseerd. Toch maken veel organisaties nog geen gebruik van de mogelijkheid om deze automatisering te koppelen aan hun applicaties. Net als bij hybrid cloud moeten serviceproviders automatisering op een brede manier benaderen. Dit moet zowel op netwerk- en infrastructuurniveau als op applicatieniveau gebeuren.
Het belangrijkste is om automatisering op grote schaal toe te passen op een manier die steeds opnieuw hetzelfde resultaat oplevert. Dit geldt voor het leveren van infrastructuur, het ontwikkelen van diensten en het ophalen van data. Automatisering binnen een hele organisatie moet op één centraal platform gebeuren. Dit voorkomt dat er aparte, geïsoleerde automatiseringsprocessen ontstaan en verbetert de algehele bruikbaarheid en productiviteit.
AIOps voor infrastructuur
Op dit moment gebruiken veel serviceproviders kunstmatige intelligentie (AI) vooral voor zaken als klantenservice met behulp van chatbots, controle op naleving van regels en het opsporen van malware. Het gebruik van AI om de technische infrastructuur te verbeteren, staat echter nog in de kinderschoenen. Naarmate AI-technologieën zoals generatieve AI en LLM’s verder ontwikkelen, zal dit steeds belangrijker worden. Daarin zal met name retrieval augmented generation (RAG) een hoofdrol spelen. RAG geeft LLM’s aanvullende informatie uit externe bronnen, zoals real-time data en contextuele, bedrijfseigen en branchespecifieke informatie. Dit maakt het mogelijk om een gesloten systeem op te zetten dat automatisch beslissingen kan nemen binnen de infrastructuur voor dynamische aanpassingen.
Deze technologie biedt toepassingen in onder meer de monitoring van netwerkverkeer, beheer van netwerkbelasting, tuning en een beter beheer van de lifecycle. Ook op gebied van energiebeheer kan RAG ondersteunen: zo kunnen workloads bijvoorbeeld worden gecomprimeerd tot kleinere eenheden zodat ze minder energie verbruiken in het datacenter, wat weer resulteert in lagere kosten. Zonder RAG moet hiervoor elk systeem afzonderlijk worden aangesproken.
In het radio-toegangsnetwerk (RAN) kunnen AI-modellen worden ingezet voor een meer dynamische besturing van frequenties, sectoren, cellen en basisstations. AI kan ook helpen om problemen sneller op te lossen door ze direct te analyseren, of zelfs te voorkomen door te voorspellen waar problemen kunnen ontstaan. Al met al zorgt dit voor een betere dienstverlening.
Het belang van hybride cloud
AI en public cloud gaan hand in hand. Steeds meer organisaties realiseren zich dat ze on-premises-, edge- én cloud-middelen nodig hebben om AI-projecten optimaal te benutten. Vandaar dat ze inzetten op de strategische integratie van hybride cloud-oplossingen binnen hun AI-strategie. Hiermee kunnen organisaties databeveiliging en -soevereiniteit combineren met de benodigde rekenkracht voor AI-modellen, zonder dat de kosten voor modeltraining en inferentie uit de hand lopen. In zekere zin zijn cloud-diensten en AI symbiotisch met elkaar verweven, waarbij de cloud dient als ruggengraat voor de verdere ontwikkeling en wijdverspreide toepassing van AI. Dit ‘power couple’ lijkt steeds onmisbaarder te worden, onder meer in de toepassing van edge-computing.
Telecombedrijven moeten hun netwerken op een nieuwe manier beheren en vernieuwen om in de toekomst te kunnen blijven innoveren en concurreren. Een volledig geautomatiseerde infrastructuur ligt binnen handbereik, inclusief automatische implementatie en beheer, intelligente controle over compute, storage en networking én automatische netwerkconfiguratie, -reparatie en -optimalisatie. Maar dat kan niet met losse initiatieven die allemaal verschillend werken. Om echte waarde te halen uit de integratie van core tot edge tot cloud, heeft de branche een gemeenschappelijk operationeel model, automatiseringstechniek en cloudplatform nodig. Bovenal is een open en collaboratieve ecosysteembenadering vereist om de benodigde bouwstenen te creëren, testen, optimaliseren en verspreiden.
Dit is een ingezonden bijdrage van Red Hat.
Lees ook: Mobiele bereikbaarheid op de tocht door ruimtegebrek voor antennes