除了供應(yīng)商與垂直行業(yè)更緊密地合作之外，復(fù)雜的任務(wù)將繼續(xù)需要人工智能和人類靈巧的交互

　　然而，許多這些新用例，例如關(guān)鍵的物聯(lián)網(wǎng)(IoT)和工業(yè)4.0支持，都需要超低延遲和有效“始終在線”的高度可靠的網(wǎng)絡(luò)。因此，當(dāng)前由事件和警報(bào)驅(qū)動(dòng)的網(wǎng)絡(luò)故障反應(yīng)式方法已不再足夠。

　　相反，由人工智能(AI)和機(jī)器學(xué)習(xí)(ML)提供支持的網(wǎng)絡(luò)服務(wù)連續(xù)性變得必要。此類網(wǎng)絡(luò)連續(xù)性服務(wù)提供預(yù)測(cè)性自動(dòng)化和可操作的搶先洞察，能夠在網(wǎng)絡(luò)異常影響整體網(wǎng)絡(luò)性能以及依賴該網(wǎng)絡(luò)的潛在業(yè)務(wù)關(guān)鍵用例之前自動(dòng)定位和修復(fù)網(wǎng)絡(luò)異常。

　　在這一點(diǎn)上，許多運(yùn)營(yíng)商明白需要在他們的網(wǎng)絡(luò)中實(shí)施人工智能和自動(dòng)化工具，以幫助提高性能和運(yùn)營(yíng)效率;然而，討論中仍然存在兩個(gè)經(jīng)常被忽視的關(guān)鍵要素：人工智能和自動(dòng)化工具需要人為指導(dǎo);以及供應(yīng)商和客戶之間共同創(chuàng)造的重要性。

　　AI和ML本身無(wú)法提供可操作的結(jié)論，因?yàn)樗鼈內(nèi)狈?duì)業(yè)務(wù)目標(biāo)或技術(shù)意圖的理解。相反，這些技術(shù)必須以人類的能力和知識(shí)為基礎(chǔ)。人工引導(dǎo)的機(jī)器學(xué)習(xí)利用AI/ML算法和人類智能來(lái)發(fā)現(xiàn)知識(shí)并學(xué)習(xí)不同任務(wù)的模式，例如解決復(fù)雜網(wǎng)絡(luò)中的異常。人類提供指導(dǎo)、偏好或反饋，使用人工智能和機(jī)器學(xué)習(xí)不斷調(diào)整和定制算法的確定性規(guī)則。

　　保留AI和ML的人為因素可以提高從數(shù)據(jù)中得出的結(jié)論的準(zhǔn)確性，并且根據(jù)這些技術(shù)的一些用戶的說(shuō)法，已經(jīng)證明其效率是自學(xué)ML和AI的兩倍。

　　此外，服務(wù)連續(xù)性解決方案應(yīng)圍繞客戶的特定痛點(diǎn)構(gòu)建。為實(shí)現(xiàn)這一目標(biāo)，供應(yīng)商和服務(wù)提供商需要合作并共同創(chuàng)建用例，以便供應(yīng)商可以生成適當(dāng)?shù)乃惴▉?lái)最好地滿足服務(wù)提供商的優(yōu)先網(wǎng)絡(luò)需求。

　　利用人工引導(dǎo)的AI和ML并與所有利益相關(guān)者共同創(chuàng)建的服務(wù)連續(xù)性解決方案將通過(guò)減少識(shí)別和修復(fù)問(wèn)題所花費(fèi)的時(shí)間為運(yùn)營(yíng)團(tuán)隊(duì)帶來(lái)顯著收益，使服務(wù)提供商能夠提供高水平的服務(wù)網(wǎng)絡(luò)性能，而無(wú)需增加運(yùn)營(yíng)和管理人員，即使他們的網(wǎng)絡(luò)不斷增長(zhǎng)以滿足不斷增長(zhǎng)的連接需求。

　　網(wǎng)絡(luò)服務(wù)連續(xù)性解決方案可以提供的智能自動(dòng)化和可行動(dòng)的先發(fā)制人的洞察力——全人工知情和指導(dǎo)——將確保5G有助于實(shí)現(xiàn)垂直行業(yè)廣泛數(shù)字化轉(zhuǎn)型的物聯(lián)網(wǎng)生態(tài)愿景。