To samo z inwestycjami stacjonarnymi. System sprawdzi czas i lokalizację zdjęcia z danym odcinkiem sieci, ułożenie taśmy ostrzegawczej itp.
Czyli zdarzają się próby… kantów?
Zdarzają się, ale automatyzacja pozwala je wyłowić, znacznie zwiększa poziom kontroli i ogranicza konieczność działań w terenie.
Budowa sieci i co dalej?
Potem dochodzimy do procesu utrzymania sieci i tutaj zastosowań AI jest oczywiście najwięcej. Sieć ma przede wszystkim działać w sposób nieprzerwany, więc podstawową kwestią jest monitorowanie. Budujemy teraz tzw. Smart NOC [Network Operations Center ‒ red.], który zbiera informacje o działaniu sieci.
Słyszeliśmy, że Smart NOC określa się także jak Dark NOC ‒ ciemny, bo już nikogo i niczego nie potrzebuje.
To jest wizja pożądana, ale tylko w obszarze najbardziej standardowych i najliczniejszych zdarzeń. Nie bardzo wyobrażam sobie eliminację człowieka w sytuacjach, które wymykają się rutynie, albo w zdarzeniach obarczonych wysokim ryzykiem. Tutaj raczej nie zaufamy w pełni AI.
Czy to nie jest kwestia dojrzałości narzędzi? ‒ w przyszłości poziom zaufania do AI pewnie wzrośnie. No i człowiek także popełnia błędy.
Bez wątpienia. Dlatego najlepiej się sprawdza podejście typu „podwójna weryfikacja” ‒ mniej potrzebna na poziomie rutynowych zdarzeń, a znacznie bardziej na poziomie zdarzeń okazjonalnych i obarczonych dużym ryzykiem. Podwójna weryfikacja ma największą efektywność, gdy jest hybrydowa: człowiek zatwierdza propozycję automatu, albo automat weryfikuje rozwiązanie aplikowane przez człowieka.
W Orange monitorujemy warstwę sieciową, czyli infrastrukturę i urządzenia, oraz warstwę usługową, czyli alarmy od klientów. Tych alarmów są miliony, ale nie wszystkie prawdziwe, więc trzeba je odsiać. Potem należy skorelować alarmy z incydentami sieciowymi. W uproszczeniu ‒ przecięcie kabla światłowodowego w jednym miejscu „kładzie” trzy stacje mobilne, cztery węzły sieci xDSL, jeden węzeł sieci światłowodowej, siedzibę główną klienta kluczowego i jeszcze dostęp dla klienta hurtowego. AI bardzo nam pomaga w analizie związków pomiędzy takimi zdarzeniami, eliminacji fałszywych alarmów itp.
Czyli jeżeli od zgłoszeń awarii internetu grzeją się linie w call center, to wiecie, że to z powodu koparki pod miejscowością X?
Tak. W przypadku przecięcia kabla jest dosyć prosto. Gorzej może być z awarią urządzenia IP ‒ to się ciężej diagnozuje. Kolejna sprawa, to perspektywa klienta, dla którego usługa ma być po prostu dostępna, stabilna i odpowiednio wydajna. Sztuczna inteligencja bardzo nam pomaga w analizie tych zależności i w znalezieniu realnej przyczyny komunikatu od klienta „internet mi nie działa”. Odpowiedzią na taki komunikat może być likwidacja awarii, poprawa konfiguracji urządzenia sieciowego albo (nawet) nowa inwestycja sieciowa.
Czym mierzycie efektywność automatycznych narzędzi wspierających utrzymanie sieci?
Podstawowy parametr, to czas niedostępności (lub niewystarczającej wydajności) usługi dla klienta.
Jak to wygląda w liczbach?
Wolałbym nie operować na dokładnych wartościach, bo to są dane wrażliwe. Mogę powiedzieć, że blisko 100 proc. zdarzeń (awarii) jest wykrywanych i likwidowanych przed zgłoszeniem od klienta. Wdrożenie nowoczesnej analityki oraz automatyzacja środków zaradczych podnosi wskaźniki o pojedyncze punkty procentowe. Im bliżej wartości 100 proc., tym trudniej optymalizować. To pozornie nie wygląda spektakularnie, ale w skali dużej sieci to ma bardzo konkretne przełożenie na doświadczenie klienta końcowego. Widać związek pomiędzy wzrostem wskaźnika eliminacji awarii a wzrostem wskaźnika NPS w badaniach naszych klientów.
Dzięki AI uzyskujecie to bez zwiększania zatrudnienia w pionie sieci?
Zgadza się. Utrzymujemy i podnosimy jakość na ‒ co podkreślam ‒ coraz rozleglejszej i coraz bardziej złożonej sieci, starając się działać tymi samymi ekipami specjalistów. W sieci mobilnej kiedyś operowaliśmy na kilku tysiącach komórek, a dzisiaj operujemy na kilkuset tysiącach, jeżeli liczyć kolejne technologie na nowych zakresach radiowych. Każda operacja sieciowa jest dzisiaj bardziej złożona niż kiedyś.
