Omdia观察：将生成式AI应用于网络自动化有何潜力？

8月17日消息（艾斯）市场研究公司Omdia服务提供商网络资深分析师Christoforos Sarantopoulos和Omdia实践负责人James Crawshaw在一篇最新报告中写到，生成式人工智能（GenAI）将成为2023年的一个技术亮点，并带来重要的企业应用和个人应用（例如教育）。在电信领域，其用例通常聚焦于通过生成个性化营销内容或支持更复杂的虚拟助手来增强客户体验。

将生成式AI应用于网络运营是一个不太显著的用例。然而，EnterpriseWeb进行了一个有趣的概念验证，展示了生成式AI在这个领域的潜力。

生成式AI在网络自动化方面的能力和局限性

生成式AI在网络运营中的一些早期用例是用交互式指导取代用于帮助安装网络元件的工程手册，这可以加快并简化安装任务。生成式AI还可用于提出故障排除建议（基于其工程手册知识库），并协助进行网络规划和设计。

将生成式AI应用于跨网络域的服务编排更具挑战性。管理电信服务的自动化系统必须具有可扩展性、安全性和可靠性。因此，它们必须遵循确定性逻辑，而不是侥幸猜测的统计路径。基于意图的编排系统必须将声明性命令转换为特定的工作流程。与生成式AI相关的概率分析中的随机不确定性是无法被容忍的。

这就限制了生成式AI在电信网络运营领域的能力。它可以成为一个有价值的助手，提供建议并支持网络工程师分享他们的知识。它还可以为编排系统提供一个变革性的新用户界面，支持用户与生成式AI用自然语言对话来表达他们的查询和命令。实际的底层复杂性将从用户中抽象出来，从而大大简化和加快网络服务的设计、订购和管理。在背后，运营商的自动化系统将负责解释用户意图，并将其转换为完成任务所需的操作。

EnterpriseWeb演示了基于意图的编排解决方案的生成式AI

在最近的一个Demo演示中，EnterpriseWeb——一家总部位于纽约的专注于提供无代码自动化平台的软件公司——展示了如何使用生成式AI来支持基于意图的服务编排。它使企业能够集成和管理复杂的系统、应用程序、数据和流程，从而简化运营、优化工作流程，并提高整体效率。这可以被用于各种行业。EnterpriseWeb从2013年开始进入电信领域，当时该公司领导了欧洲电信协会（ETSI）网络功能虚拟化（NFV）的第一个概念验证，其电信产品被称为CloudNFV。

CloudNFV是一个基于意图的多域编排器，基于该公司的无代码平台。该产品旨在消除日常流程中繁琐和复杂的任务，加快电信运营中的服务交付。该解决方案基于一个图形模型，该模型以相互关联和协调统一的格式包含了行业标准。这为该模型成为多域和多云环境中的参考提供了必要的抽象。该模型为声明式、意图驱动的网络服务编排提供了核心。

EnterpriseWeb的生成式AI演示使用了微软的自然语言编程接口Jarvis和OpenAI的基础模型。服务是在与Jarvis的对话中组合、配置、部署和管理的。将运营商的意图转化为EnterpriseWeb平台的特定查询和命令，则是与分析软件供应商KX合作完成的。运营商只需要求系统启动5G网关或重新配置服务，系统就会向他们展示必须采取的操作。如果运营商批准了这些操作，那么它们就会被执行。服务设置好之后，KX会对其进行监控并向EnterpriseWeb报告事件，从而完成服务管理的自动化循环。

结论

EnterpriseWeb的演示突出了生成式AI用于电信网络运营中的具备的能力、限制和注意事项。

在这一特定用例中，大语言模型（LLM）用于了调用编排器（EnterpriseWeb）采取的操作行为。不过，EnterpriseWeb使用了KX分析数据库作为编排器和大语言模型之间的媒介。Omdia分析师指出，这是一个重要的考虑因素，因为应该实施明确的关注点分离。大语言模型对于具体操作没有任何知识了解或控制权。这可以保护运营商的网络不受生成式AI幻觉的影响，并确保运营商的IP（域模型和活动）不会回流到大语言模型。

电信级服务编排通常与生成式AI的随机响应不兼容。相反，需要基于规则的系统来可靠地执行任务。在这种情况下，生成式AI可以作为一个变革性的接口，作为堆栈的顶层，并从更复杂的底层进行抽象，同时使网络工程师得到“解放”——使他们免于需要记忆大量设备特定的命令或为自动化系统找到合适的提示才能执行精心编排的操作。

【注：Omdia由Informa Tech的研究部门（Ovum、Heavy Reading和Tractica）与收购的IHS Markit技术研究部门合并而成，是一家全球领先的技术研究机构。】

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。