Telekomi umjetnu inteligenciju više ne koriste samo za mrežnu optimizaciju i rutinske procese, nego i za brži razvoj proizvoda i razgovor s korisnicima. Matija Ražem ističe da AI omogućuje prototipiranje u satima, brže testiranje tržišta i automatizaciju velikog dijela standardnih korisničkih upita. Sljedeća faza mogla bi otvoriti prostor u kojem će osobni digitalni agenti korisnika razgovarati s agentima telekoma, banaka i drugih velikih sustava.
Telekomi su među industrijama koje umjetnu inteligenciju koriste na više razina odjednom. S jedne strane, AI i strojno učenje pomažu u planiranju, optimizaciji i nadzoru mreža, što su operatori počeli raditi mnogo prije sadašnjeg vala generativne umjetne inteligencije. S druge strane, najnoviji modeli ubrzavaju razvoj proizvoda, testiranje novih usluga i korisničku podršku. Matija Ražem, Chief Telecom Commercial Officer u Infobipu, vidi upravo tu kombinaciju kao najveću promjenu za operatore.
„AI omogućuje da se prototip neke ideje napravi doslovno u nekoliko sati“, ističe za ICTbusiness Media - ICTbusiness.info & ICTbusiness TV Matija Ražem, Chief Telecom Commercial Officer u Infobipu. To ne vrijedi samo za telekome, ali je kod njih posebno važno jer su velike organizacije sa složenom infrastrukturom i sporijim razvojnim ciklusima. Umjetna inteligencija ne znači da će telekomi preko noći početi funkcionirati poput startupa, ali im daje više prostora za provjeru ideja prije ulaska u klasični razvoj.
U praksi to znači da operator može osmisliti proizvod, izraditi prototip, prikupiti povratnu informaciju i vratiti ga u doradu prije nego što uloži znatna sredstva u puni razvoj. Ražem smatra da je ta promjena posebno važna u poslovnom razvoju, kada telekomi izlaze prema tržištu s novim ponudama. AI skraćuje put od ideje do testiranja, a time smanjuje rizik da se složeni projekti razvijaju mjesecima bez jasne potvrde korisničke potrebe.
Drugo veliko područje primjene odnosi se na mrežu i operacije. Telekomi već dugo koriste strojno učenje za rutinske mrežne zadatke: optimizaciju prometa, traženje boljih veza, prepoznavanje ispada i preusmjeravanje na ispravne linkove. Za takve scenarije, kaže Ražem, nisu nužni najnapredniji generativni modeli, ali AI i strojno učenje svakako pomažu. Regulativa je pritom za telekome posebno važna jer svako novo rješenje mora raditi unutar strogo uređenog okvira.
Najvidljiviji pomak za krajnje korisnike ipak se događa u komunikaciji. Konverzacijski AI i agentska rješenja omogućuju brendu, primjerice telekom operatoru, da izgradi agenta koji razumije uobičajene probleme korisnika i može ponuditi konkretan odgovor. Ako korisniku ne radi linija, može se javiti digitalnim kanalom, poslati fotografiju routera ili signalnih lampica na uređaju, a agent mu može vratiti uputu što treba napraviti. To može biti resetiranje uređaja, provjera priključka ili neki drugi standardni korak.
Ražem navodi da je Infobip testirao takve scenarije kod nekih telekoma izvan Europe i da je više od 90 posto upita bilo riješeno uz pomoć AI-ja, dok je manji dio preusmjeren živom agentu. „Mislim da je bilo oko 92 posto riješenih upita, a oko osam posto išlo je prema live agentu“, kaže. Takvu brojku treba promatrati u kontekstu standardiziranih pitanja koja korisnici često postavljaju telekomima: zašto im je isključen telefon, zašto usluga ne radi, kako doći do računa za posljednjih šest mjeseci ili kako promijeniti paket.
AI se pritom ne koristi samo za automatski odgovor korisniku. Jednako važna primjena jest pomoć živom agentu, kojem sustav može pripremiti nekoliko mogućih odgovora ili rješenja. Agent tada i dalje komunicira s korisnikom, ali brže dolazi do informacije i može se usredotočiti na stvarni problem. Takav model postupno mijenja kontaktne centre, jer se rutinska pitanja automatiziraju, a ljudi preuzimaju složenije ili osjetljivije slučajeve.
Ražem ne smatra da su agenti već preuzeli većinu posla. Očekuje da će se to događati postupno, ponajprije s daljnjim razvojem tehnologije i padom troškova. Trenutačno su troškovi korištenja velikih jezičnih modela još visoki i, prema njegovoj ocjeni, dijelom ih subvencioniraju veliki dobavljači modela. Zbog toga tržište još mora dosegnuti stabilniju razinu na kojoj će se primjena moći masovno širiti bez neizvjesnosti oko ekonomske računice.
Sljedeći korak mogao bi biti još dublja promjena. Ražem očekuje da će i krajnji korisnici imati vlastite digitalne agente, neku vrstu digitalnih blizanaca na mobitelu, koji će za njih obavljati zadatke. Ti će agenti moći komunicirati s agentima telekoma, banaka, aviokompanija i drugih velikih organizacija. U takvom svijetu korisnik neće uvijek sam prolaziti kroz aplikacije, obrasce i pozivne centre. Njegov agent mogao bi razgovarati s agentom pružatelja usluge, prikupiti informacije i riješiti zadatak koji bi danas zahtijevao više koraka i više ljudskog vremena.
Burra je nastala kao odgovor na pitanje može li se regionalni sektor IT usluga okrupniti bez gubitka poduzetničke energije kompanija koje su ga izgradile. Iako je prvi korak napravljen u Hrvatskoj, ambicija platforme od početka nije bila ograničena na domaće tržište. Sven Marušić, CEO Burre, objašnjava da je cilj stvoriti širu platformu za jugoistočnu Europu, s primarnim tržišnim fokusom na zapadnu Europu i Sjedinjene Američke Države.
Telekomi su među industrijama koje umjetnu inteligenciju koriste na više razina odjednom. S jedne strane, AI i strojno učenje pomažu u planiranju, optimizaciji i nadzoru mreža, što su operatori počeli raditi mnogo prije sadašnjeg vala generativne umjetne inteligencije. S druge strane, najnoviji modeli ubrzavaju razvoj proizvoda, testiranje novih usluga i korisničku podršku. Matija Ražem, Chief Telecom Commercial Officer u Infobipu, vidi upravo tu kombinaciju kao najveću promjenu za operatore.
IBM i Together AI potpisali su 11. kolovoza višegodišnji ugovor vrijedan 240 milijuna dolara za izgradnju velikog klastera za AI inferenciju na IBM Cloudu. Sustav će koristiti Nvidijine HGX B300 poslužitelje s procesorima Blackwell i Spectrum-X Ethernet, a prve kapacitete partneri očekuju u prvom tromjesečju 2027.
