گام‌به‌گام به سوی اپراتور هوشمند

بررسی مزایای استفاده از فناوری هوش مصنوعی و هوشمندسازی در اپراتور همراه اول

ما در دنیایی زندگی می‌کنیم که روزبه‌روز سریع‌تر، هوشمندتر، متصل‌تر و حتی دیجیتال‌تر می‌شود و صنعت مخابرات و اپراتورها بازیگران نقش اصلی آن هستند. از سوی دیگر، این شرکت‌ها امروزه با چالش‌های مرتبط با تقاضای رو به رشد بازار و فشارهای اقتصادی و درآمدی مواجه هستند. همچنان‌که بخش مخابرات شبکه های خود را با سرعت گسترش و بهبود می‌دهد، پیکربندی خدمات، نگهداری از مشتری و پردازش صورتحساب‌ها پیچیده‌تر می‌شود. در مواجهه با این وضعیت، اپراتورها به طور مداوم به دنبال نوآوری ها و برنامه های کاربردی مفیدی هستند تا تجربه و خدمات بهتری را به مشتریان خود ارائه داده و از هزینه‌های اضافی بکاهند. در این میان، فناوری هوش مصنوعی فرصت خوبی برای اپراتورها فراهم کرده تا با استقرار راهکارهای مبتنی بر این فناوری و هوشمندسازی فرآیندهای عملیاتی و داخلی شرکت، ضمن ایجاد جریان‌های درآمدی جدید، از هدررفت منابع جلوگیری کنند.

در این شماره، پای صحبت‌های آقای دکتر محمدعلی اخایی، دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه تهران و معاون راهکارهای دیجیتال و هوشمندسازی مرکز تحقیق و توسعه همراه اول نشسته‌ایم، تا درباره قابلیت‌های این فناوری نوظهور و مزایای هوشمندسازی در اپراتور از او بشنویم.

معاونت راهکارهای دیجیتال و هوشمندسازی در مرکز تحقیق  و توسعه همراه اول با چه هدفی شکل گرفته است؟

همان‌طور که از عنوان این معاونت مشخص است، هدف از تشکیل آن در مرکز، هوشمندسازی اپراتور بوده است؛ چون هرچیزی بخواهد هوشمند باشد ابتدا باید دیجیتال شود تا بتواند در فضای کامپیوتر و پروسسور تعریف شود، سپس به فراخور از طرق مختلف مانند تحلیل داده یا استفاده از هوش مصنوعی هوشمند شود. بنابراین هدف از تشکیل این معاونت، همین خلاء هوشمندسازی بوده که اینکار هم اکنون هم  از ترندهای جهانی است.

اگر به گذشته نگاه کنیم زمانی اطوها، سماورها و خیلی از وسایل دیگر ذغالی بودند، بعد عصر برقی (electrify) کردن ظهور یافت و همه این وسایل برقی شدند. عصر بعدی که چند سالی است شکل گرفته، عصر هوشمند سازی است. هوشمند کردن یک وسیله یا یک فعالیت یعنی با دریافت داده ها، به صورت اتوماتیک یک سری کارهایی را که لازم است، انجام دهد. همانطور که گفته شد، این یک ترند جهانی است و اگر بخواهیم از انقلاب صنعتی industry 4.0 و نسخه های بعدی آن عقب نمانیم باید این روند هوشمندسازی را طی کنیم. 

به طور متوسط چه حجمی از داده و در چه موضوعاتی از مشترکین اپراتور در جهان و به طور اخص در همراه اول تولید می‌شود؟

حجم داده جمع آوری شده خیلی بالاست. اما تجربه تحلیل داده را تا الان نداشته‌ایم و یا خیلی محدود بوده است. اساسا در تحلیل و انتشار این داده‌ها باید خیلی محتاط بود، چون بخشی از آنها مانند لوکیشن و خیلی موارد دیگر، داده حریم خصوصی به شمار می‌آید. بنابراین اگر بنا به تحلیل داده باشد باید حتما در یک فضای کنترل شده‌ای این کار صورت پذیرد و نتایج تجمعی و کلی آن ورودی یک سری پروژه دیگر شود و یا به صورت گزارش درآید.

به هر صورت در مورد جواب این سوال باید گفت حجم داده تولید شده بسیار بالاست. چراکه مشترکین اغلب گوشی موبایل همراهشان است، بنابراین مکان آنها، تماس‌هایی که انجام می‌دهند و خیلی موارد دیگر قابل احصا هستند. البته اینها داده اپراتوری هستند، نه داده‌های به اصطلاح غیررسمی. مثلا CDRها یا رکورد داده‌های تماس در اپراتورها، نشان می‌دهد هر مشترک با چه کسانی در تماس بوده است، چقدر صحبت کرده است، در چه لوکیشن و مکانی این تماس صورت گرفته است و کلی داده دیگر. حالا تمام این موارد در تعداد میلیونی مشترکین ضرب شود، می‌بینید که چه حجم بالایی داده تولید می‌شود.

اپراتورهای پیشرو در جهان به سمت کسب درآمد از محل این داده‌ها رفته‌اند. در واقع درآمد از محل تماس صوتی و پیامک که اغلب اپراتورها را به این روش درآمدی می‌شناسند، درآمد اولیه اپراتور قلمداد می‌شود و ارزش افزوده از روی همین داده‌ها و سرویس‌های دیجیتال مبتنی بر آنها به دست می‌آید. مثل روبیکا و اوانو. یعنی اپراتور هم اتصال را فراهم کرده و هم تعداد بسیار بالای کاربر دارد، حالا اگر خدمات دیجیتال و سرویس‌های متنوعی هم ارائه دهد، هم به نگهداشت مشتری کمک کرده و هم ارزش افزوده ایجاد کرده است.

بنابراین اگر اپراتور فقط داده­ های ارزشمند مشترکین خود را بفروشد، به نحوی خام‌فروشی کرده است. کار درست‌تر این است که از این داده‌ها برای ارائه سرویس‌های دیجیتالی استفاده کند که به کمک داده هوشمند شده‌اند. فرق سرویس دیجیتال هوشمند و سرویس دیجیتال غیرهوشمند هم مانند فرق بینایی و نابینایی است. هر قدر سرویس‌ها هوشمندتر باشند، بدین معناست که با دید باز داریم قدم برمی‌داریم و می‌دانیم مشتری چه می‌خواهد و همان را ارائه می‌دهیم. شعار یکی از اپراتورهای جهانی این است که ما قبل از اینکه شما بگویید چه چیزی نیاز دارید، آن را می‌دانیم. یعنی تا این حد مشتری‌ها اصطلاحا پروفایل شده‌اند و توصیه‌هایی از سمت اپراتور برای فرد به فرد مشترکین وجود دارد که تا حد بسیار زیادی پاسخگوی نیاز آنهاست. این وضعیت، ترند جهانی اپراتورهاست و ما هم باید به همین سمت برویم.

اشاره خوبی به ترند جهانی در موضوع تحلیل داده در اپراتورها کردید. اپراتورهای پیشرو چه کارهایی در موضوع استفاده از هوش و هوشمندسازی کرده‌اند و وضعیت ما چگونه است؟

اپراتورها در دو مسیر از هوش و هوشمندسازی استفاده می‌کنند. مسیر اول در راستای افزایش درآمد است. یعنی اپراتور به کمک هوشمندسازی برای جذب و نگهداری مشتریان، شناخت آنها و ارائه توصیه‌های مناسب با نیازهایش استفاده می‌کند و طرح‌ها و سرویس‌هایی متناسب با این شناخت و این نیازها ارائه می‌دهد.

مسیری بعدی، کاهش هزینه‌هاست. مثلا از روی تحلیل داده پیش‌بینی می‌کنند به زودی یکی از نودهای شبکه پر می‌شود. پس تلاش می‌کند که این اتفاق نیافتد و دچار خسارت نشود یا مثلا به بخش فروش پیغام می‌دهد که فعلا پکیجی تعریف نکند که به این اوضاع دامن بزند. یعنی یک بخشی از کار این است که از سوویچ‌ها، روترها و دیتا شبکه‌ای بفهمیم چه اتفاقی افتاده یا در شرف وقوع است و جلوی آن را بگیریم. بخش دیگر خودکارسازی بررسی دلایل خرابی و اشکالات شبکه است که به کمک هوشمندسازی ممکن شده است و می‌تواند با سرعت و دقت بیشتری جلوی خسارت و هزینه‌های بعدی را بگیرد. یا در مثال دیگری فرض کنید BTS ها با یک نرخی خرابی باطری داشته باشند. مثلا هر سه سال باطری‌ها بخواهند و ما هم داده هر باطری را داشته باشیم. به این ترتیب ما می‌دانیم باطری هر BTS در چه وضعیتی است و از طرفی ترافیک هر BTS را هم می‌دانیم. اینجا هوش می‌تواند تحلیل کند و یک بهینه‌سازی انجام دهد. البته اینها مثال‌های ساده‌ای بود که جهت روشن شدن موضوع ارائه کردم، در عمل مسائل پیچیده‌تری در شبکه به کمک هوش مرتفع شده و جلوی خسارات سنگینی گرفته می‌شود. به هر حال آنچه هم‌اکنون در دنیا در حال انجام است بیشتر در همین مسیر دوم یعنی کاهش هزینه‌ها، قطعی‌ها و خرابی‌هاست.

گزارشی که اخیرا مطالعه کردم و در خاطرم مانده، تحلیل کرده بود که به کمک هوشمندسازی حدود 5 درصد می‌توان انتظار افزایش درآمد داشت و تقریبا 5/3 الی 4 درصد هم هزینه‌ها را کاهش داد. تحلیل بنده این است که این ارقام برای اپراتورهای خلوت‌تر و اصطلاحا بهینه‌تر گفته شده و برای اپراتوری مثل ما این درصدها بیشتر خواهد بود. هرچند با همین درصدها هم در مقیاس هزینه‌های اپراتور، مبالغ بسیار بالایی به کمک هوشمندسازی قابل صرفه‌جویی خواهد بود.

البته این موارد به این معنا نیست که در کوتاه‌مدت بتوان هوشمند شد و به این ارقام دست پیدا کرد. اما باید به این سمت حرکت کرد و یکی از اولین اقدامات هم بحث فرهنگسازی و آگاهی‌بخشی از قابلیت‌های فناوری است.

آیا موضوع هوشمندسازی اپراتور در همراه اول فقط بر عهده معاونت شماست؟

اساسا تشکیل معاونت ما در مرکز تحقیق و توسعه با هدف حرکت به این سمت و سو بوده است. اما این کار، کار بزرگی است که از عهده یک اداره کل خارج است. بخش‌های متعدد در اپراتور باید به سمت هوشمندی بروند تا بتوان گفت اپراتور هوشمند شده است.

ما با بسیاری از معاونت‌ها تا کنون جلسات متعددی در این موضوع داشته‌ایم و کارهایی در حال انجام است. بعضی بخش‌های همراه اول هم خودشان رأسا اقداماتی در این زمینه انجام داده‌اند که بسیار هم ارزشمند است؛ اما به هر حال وظیفه اصلی و ماهیت وجودی  معاونت راهکارهای دیجیتال و هوشمندسازی پیگیری این موضوع هوشمندسازی بوده است. ما این موضوع را به عنوان دغدغه اصلی خود دنبال می‌کنیم تا این فرهنگ و این خواست در بخش‌های مختلف همراه اول شکل بگیرد و افراد، هوشمند شدن را خیلی دوردست و لوکس ارزیابی نکنند؛ قطعا ما هم در این مسیر در کنارشان خواهیم بود.

ما الان با بخش عملیات و بخشی از  coreخیلی خوب پیش رفتیم چون خودشان هم همراهی داشتند و به این نیاز رسیده بودند. به جز آن، با اداره ریسک که زیرمجموعه اداره کل دفتر مدیرعامل است صحبت داشته‌ایم. همچنین با اداره کل منابع انسانی در موضوع منابع انسانی پروژه جاری داریم. به‌علاوه، با همکاران‌مان در بخش مالی و با موضوع تشخیص تقلب‌ها (Fraud Detection) نشست داشته‌ایم. تقریبا می‌توانم بگویم با بیشتر بخش‌های همراه اول جلسه گذاشته‌ایم، مسئله‌یابی کرده‌ایم، قابلیت‌های فناوری را ارائه داده‌ایم و پروژه تعریف کرده‌ایم یا در حال تعریف پروژه هستیم. رویکردمان هم بیشتر رویکرد فرهنگ‌سازی و آشناسازی بوده است تا معلوم شود حتی در حوزه‌هایی که به نظر می‌رسد مبتنی بر فناوری نیست، هوش مصنوعی حرفی برای گفتن دارد. چون هوش مصنوعی تعریف مشخصی دارد: هوش می‌تواند ببنید، می‌تواند بشنود، می‌تواند متنی را بخواند و داده را تحلیل کند. در واقع همان کارهایی را که انسان می‌تواند انجام دهد، در تعداد بالا، هر روز هفته و هر ساعت شبانه‌روز و با خطای کمتر. به همین خاطر هر کجای اپراتور که انسانی نشسته باشد، هوش قادر به کمک است. همین مصاحبه که الان دارد انجام می‌شود، می‌تواند به کمک سامانه‌ای که بنام خودنویس در مرکز توسعه دادیم، تبدیل به متن شود و نیازی هم به پیاده کردن مصاحبه نباشد. حتی می‌تواند از روی کلمات بکار برده شده تحلیل کند که این فرد عصبانی بوده یا خوشحال!

آیا این نیازسنجی در زمینه کاربردها و مزایای هوش مصنوعی، بیشتر از سمت خود معاونت‌ها بوده یا از سمت شما به صورت فعالانه پیگیری شده است؟

به هر حال ما این آمادگی را داریم و رویکردمان هم تا کنون اینگونه بوده که برای تمام معاونت‌های همراه اول به صورت کاملا فعالانه و اصطلاحا proactive نیازسنجی و موضوع‌یابی کنیم و تا مرحله تعریف پروژه پیش برویم. البته همانطور که اشاره شد مواردی هم بوده که خود معاونت مشتاقانه در پی این موضوع بوده یا حتی دنبال کسی بوده که از بیرون بیاید و این پروژه را برایش پیش ببرد. به هرحال هم موضوع، موضوع جدیدی است و هم ما اداره کل جدیدی به شمار می‌آییم. بنابراین این رویکرد فعالانه و توام با فرهنگ‌سازی و معرفی، لازمه کار بوده است.

همان‌طور که اشاره کردید، بخشی از موضوع فعالیت‌های هوشمندسازی اپراتور به موضوع بهبود شبکه و کاهش هزینه مربوط می‌شود، بخش دیگر مربوط به سرویس‌هایی است که اپراتور می‌تواند در ورتیکال‌های مختلف به صورت B2B ارائه کند. در ایران چه صنایع و بازارهای بالقوه‌ای برای این موضوع قابل تصور است؟

در ایران بازار بسیار خوبی برای این امر فراهم است. اینکه هنوز وارد این بازار نشده‌ایم، به دلیل محدودیت‌هایی است که در این زمینه وجود دارد. مثلا فرض کنید شخصی در میدان ولیعصر است، زمان هم ساعات ظهر و ناهار است، حالا ما به او فهرستی از رستوران‌های اطراف و تخفیف‌هایشان را بفرستیم، به نظر می‌رسد چنین تبلیغاتی می‌تواند اثربخش باشد و کسب‌وکار را رونق دهد؛ اما باید توجه داشت که بازاریابی امر پیچیده‌ای است، همین که شخصی احساس کند مکانش رصد می‌شود و مشخص است، ممکن است احساس ناامنی کند. پس احتمالا با این داده‌ها در این بخش نمی‌توان کاری کرد، اما بخش‌های دیگری قطعا هست. مثلا بر اساس داده‌های تجمعی، می‌توان فهمید صبح در یک بازه زمانی مشخص، جمعیت عظیمی از اطراف وارد تهران می‌شوند و بعد از ظهرها هم در یک بازه زمانی خاصی خارج می‌شوند. حالا دیگر این داده، داده شخصی نیست که حساسیت برانگیز باشد. پس می‌توان آن را تحلیل و تفسیر کرد و برای این جمعیت خدمات خاصی را پیشنهاد داد، از شرکت‌های اینترنتی گرفته تا خدمات ناوبری شهرداری می‌توانند مخاطب این تحلیل داده باشند. این مثال در بحث داده‌های مکانی بود. در حالت دیگر فرض کنید از تماس‌های افراد بتوان دایره دوستان او را تشخیص داد و پیشنهادهایی برای کاهش هزینه تماس‌هایشان به آنها داد. حالا اگر در بین این افراد مثلا یکی دو نفر از اپراتور دیگری هستند، آنها هم ممکن است ترغیب شوند و مشترک همراه اول شوند تا از مزایای این پکیج بهره‌مند شوند و این جذب مشتری، آورده خوبی برای همراه اول است.

بنابراین همان‌طور که در ابتدای صحبت‌ها گفته شد، هوش مصنوعی کمک می‌کند نیاز مشتری را پیش از اینکه خودش بداند، بفهمیم و به او پیشنهاد دهیم و تبلیغات را شخصی‌سازی کنیم و اثربخشی را بالا ببریم. چنین پتانسیلی قطعا فضای کسب‌وکاری کشور را متحول و اکوسیستم اقتصادی کشور را فعال خواهد کرد و ما در همراه اول تلاش می‌کنیم این امکان را در کشور فراهم آوریم.

البته اینها که گفته شد ایده‌پردازی‌ از سوی ما بود، بخش قابل توجهی از امکانات تحلیل داده روی داده‌های اپراتوری زمانی که داده یا نتایج تحلیل آنها در اختیار اکوسیستم قرار گیرد، با ایده‌پردازی شرکت‌ها شکل خواهد گرفت و دنیایی از کسب‌وکارها و نوآوری‌ها ممکن خواهد شد.

از محرمانگی داده صحبت شد. در زمینه تنظیم مقررات داده ها در حال حاضر چه ارگان هایی دخیل هستند و آیا همراه اول در ایجاد و تکمیل فرآیند تنظیم مقررات و حکمرانی داده فعالیتی داشته است؟

در این زمینه در کشور تقریبا چیزی نداریم یا اگر هم چیزی بوده بسیار در آن ضعیف هستیم. بعد از صحبت‌های مقام معظم رهبری پیرامون این فناوری و سیاستگذاری که برای تبدیل ایران به یکی از ده کشور برتر در زمینه هوش مصنوعی تا سال 1410 صورت گرفت، از سوی چندین نهاد موضوع تدوین اسناد بالادستی در موضوع هوش مصنوعی پیگیری شد که  من هم در برخی از آنها عضویت دارم. در این کمیته‌ها چندین کارگروه شکل گرفته که یکی از آنها هم کارگروه اخلاق است که موضوع محرمانگی داده در آن پیگیری می‌شود. اخیرا هم پیش‌نویس «نقشه راه توسعه ملی هوش مصنوعی»، از سوی پژوهشگاه ارتباطات و فناوری اطلاعات منتشر شده ولی هنوز با وجود این اقدامات، همچنان خلاءهای بزرگی وجود دارد.

در همراه اول موضوع حکمرانی داده از سوی راهبرد همراه در حال پیگیری است تا مشخص شود داده‌ها اصطلاحا باید دست چه کسی باشد؟ مسئول آن کیست؟ دسترسی برای چه کسانی و تا چه سطوحی می‌تواند تعریف شود و الی آخر. ما چنین تعاریفی تا الان نداشته‌ایم و نگاهمان بیشتر سلبی بوده است و اینطور بوده که چون سطوح دسترسی تعریف نشده بوده، پس کلا به کسی داده ندهیم. مشابه این فضا را در بلاکچین هم داریم که فضای قانونگذاری در آن اصطلاحا خاکستری است و نهادهای مختلف تا جایی که ایراد قانونی به آنها وارد نشده به این فناوری ورود کرده‌اند.

ولی آنچه مسلم است این است که این شرایط نمی‌تواند دائمی باشد و باید هرچه زودتر باید موضوع قانونگذاری هوش مصنوعی و حکمرانی داده در کشور نهایی شده و این خلا قانونی پر شود. ما به عنوان اپراتور باید پیشتاز این ماجرا باشیم و پروژه‌هایی را در کشور به صورت پایلوت استارت بزنیم، کم کم نهادهای دیگر هم به این جرگه هوشمندسازی خواهند پیوست و مسائل قانونی هم رفته رفته شکل خواهد گرفت. در مجموع نمی‌توان به خاطر خلاء قانونی دست روی دست گذاشت و کاری نکرد. به بیان دیگر باید از پایین، یک سری کارها انجام شود تا حدود و ثغور کار برای تدوین اسناد بالادستی و قوانین شکل بگیرد.

همراه اول را به لحاظ منابع انسانی، دانشی و تجهیزاتی و نرم افزاری در موضوع تحلیل داده چگونه ارزیابی می‌کنید؟

به لحاظ سخت افزاری مشکلی وجود ندارد. تا امروز هم تجهیزات مورد نیاز خریداری شده و بعد از این هم بنا به ضرورت و نیاز، تجهیزات تامین خواهد شد. یک بخش هم که همان موضوع حکمرانی داده است که پیش از این اشاره شد و از اقدامات خوب در راهبرد همراه اول است که ما هم برای رفع چالش‌های این کار در کنارشان هستیم. این اقدام باید نهایی شود و داده‌ها شناسنامه‌دار شوند، معلوم شود دست کیست، فرآیندش چیست، چگونه باید بیرون بیاید و الی آخر؛ این اتفاق اگر بیافتد، می‌توانیم پروژه‌ها و پایلوت‌های خوبی را استارت بزنیم.

دانش هم در کشور داریم. نیروی انسانی هم داریم. مضاف به اینکه دانش امری است که به مرور و طی کار ایجاد می‌شود و شکل می‌گیرد. در واقع دانشگاهی و فارغ‌التحصیل کم نداریم، اما آنها داده ندارند و الان هم در پژوهش‌ها از داده‌های خارجی و قدیمی استفاده می‌کنند. اما من معتقدم این اتفاق باید در اپراتور رقم بخورد، یعنی اپراتور، افراد دانشگاهی و علاقمند را بیاورد، داده و تجهیزات در اختیارش بگذارد، پروژه هم تعریف کند، تا نهایتا دانش، تجربه و مهارت کار در حوزه این فناوری در کشور شکل بگیرد. به هر حال موضوع تحلیل داده در دنیا هم موضوع جدیدی است.

در ایران کدام شرکت‌ها بیشترین استفاده از تحلیل داده را دارند و اصطلاحا Best Practice های ایرانی در این حوزه کدام‌اند؟

شرکت‌های خوب که تحلیل داده می‌کنند کم نیستند. شرکت خصوصی اگر احساس کند فناوری می‌تواند کمک کند یک ریال سودآوری بیشتری داشته باشد، قطعا به سمت آن می‌رود. هر قدر شرکت خصوصی‌تر باشد این اتفاق بهتر و بیشتر می‌افتد. مثلا بانک‌ها به این نتیجه رسیده‌اند که تحلیل داده برایشان مفید است، اما آن دسته که اصطلاحا دولتی‌تر هستند کمتر ورود کرده‌اند. در بخش خصوصی، هرچه شرکت معتبر استارتاپی بزرگ در ذهن دارید اعم از دیوار و دیجی کالا و فیلیمو و غیره همه دارند در این حوزه کار می‌کنند. البته همه این کارها هم حداکثر در یکی دو سال اخیر بوده، چون این فناوری، خودش تازه و نوظهور است.

نقش تحلیل داده در تحول دیجیتال چیست؟

تحول دیجیتال می‌گوید اگر همه چیز به سمت دیجیتالایز شدن حرکت کند، اثربخش‌تر می‌شود، سرعتش بالاتر می‌رود، قابل پردازش می‌شود، قابل ذخیره می‌شود و… . یعنی دیجیتالی شدن را اینگونه ببنید که گویی از هوا می‌خواهیم به زمین بیاییم. هوشمندسازی در واقع بخشی از تحول دیجیتال بوده و یا در ادامه دیجتالایز شدن معنا می‌شود. اگر به خاطر داشته باشید در دوربین عکاسی این اتفاق افتاد که اول این محصول دیجیتال شد، و امکان ذخیره سازی دیجیتال عکس فراهم شد، و این محصول به قول معروف به زمین آمد، بعد انواع آپشن‌های دیجیتال مرتبا در هر نسخه و هر سال به آن اضافه شد و می‌شود. بنابراین هرگونه هوشمندسازی، در بستر دیجیتالایز شدن ممکن می‌شود.

به جز بهینه‌سازی شبکه، به نظر شما تحلیل داده چه میزان در بهینه‌سازی فرآیندهای داخلی اپراتور می‌تواند تاثیرگذار باشد؟

بحث بهینه‌سازی فرآیندها یک قدم بعد از اقداماتی است که ما در آن مرحله قرار داریم. قطعا شدنی است و مفید هم واقع خواهد شد، گرچه ما در این مرحله‌ای که هستیم، بیشتر باید دنبال روشن شدن تکلیف داده باشیم. ولی به هر حال فرآیندها هم با هوش مصنوعی امکان بهینه شدن را دارند و احتمالا اپراتورهای جهانی هم به این سمت رفته‌اند.

ببینید، برای روشن‌تر شدن موضوع در بحث هوش، همیشه یک کودک را در نظر بگیرید. هوش در توسعه‌های اولیه خودش در پی درک مطلب و شناسایی چهره و ارائه پاسخ و واکنش مناسب و امثالهم است؛ مشابه یک کودک یکی دو ساله. اما استنباط حد بالای هوش است. از یک کودک انتظار استنباط بیشتر و ارائه استراتژی نمی‌توان داشت. هوش هم به همین ترتیب؛ در طول زمان به بلوغ می‌رسد. بنابراین هوش مصنوعی توانایی‌اش را دارد ولی ما الان در این مرحله نیستیم.

یکی از کاربردهای تحلیل داده در زمینه ارزش عمر مشتری یا اصطلاحا CLV است که رفتار مشتری، سرویس های مطلوب او و ارزش متوسط هر مشتری را تعیین می‌کند، همراه اول در این زمینه چه اقداماتی در نظر دارد؟

این دقیقا همان بحث درآمدزایی از طریق تحلیل داده است که پیش از این به آن اشاره کردم. یعنی بتوانیم به کمک هوش و تحلیل داده لایف‌تایم مشتری را افزایش دهیم. مثلا اگر به یک مشتری 5 گیگ رایگان استفاده از روبیکا بدهیم، و او طی دو هفته آن را استفاده کند، به چه شکل می‌توان مشتری را ترغیب به خرید بیشتر برای تبدیل این دو هفته به سه هفته و چهار هفته کرد تا لایف‌تایم مشتری در این سرویس بالا برود. یعنی در آن بحثی که راجع به افزایش حدود 5 درصدی درآمد به کمک هوش داشتیم، عمده اتفاقی که باید بیافتد، همین افزایش لایف تایم مشتری است. در واقع هوش به وسیله پروفایلینگ، یعنی شناسایی دقیق‌تر مشتری و نیازهایش، سرویس‌های بهتری می‌تواند به مشتری ارائه دهد و این یعنی مدت زمان استفاده مشتری از سرویس افزایش می‌یابد. ما همه تجربه استفاده از یوتیوب را داریم و دیده‌ایم که چگونه با چند بار استفاده از این سرویس، مرتبا شناخت بهتری از ما پیدا می‌کند و اصطلاحا مشتری را پروب می‌کند و پیشنهادهای دقیق‌تر و به درد بخورتری به ما می‌دهد. در اپراتور هم به همین‌ ترتیب، هر قدر بتوانیم به کمک داده‌های اپراتوری پیشنهاد بهتری به مشتری بدهیم، او را مدت‌زمان بیشتری مشتری سرویس‌های خود کرده‌ایم. الان ما این اطلاعات را خیلی کلی داریم. مثلا می‌گوییم مشتری پرمصرف، ولی معلوم نیست این پرمصرف یعنی کجاها مصرف کرده، کجاها کلیک کرده، چقدر آپلود کرده، کجاها را روزی چند بار سر می‌زند و الی آخر.

به پیشنهادهای مناسب مشتریان اشاره کردید. آیا همراه اول برنامه‌ای برای ورود به موضوع تبلیغات، الگوریتم های هوشمند، ریکامندیشن انجین دارد؟

بله. ما هم با بخش ارتباطات و در موضوع تبلیغات جلساتی داشته‌ایم و هم با بخش فروش. و مجموعا 6 پروژه را با این موضوع استارت زده‌ایم. خیلی کارها در این حوزه می‌توان داشت و در کشور هم شرکت‌های تبلیغاتی بسیاری به این حوزه ورود کرده‌اند. بنابراین کار کاملا شدنی است. تجربه‌اش فعلا در اپراتور وجود ندارد اما فضای کار و بازار مناسب فراهم است.

تحلیل داده در موضوع Dynamic Pricing یا تعرفه‌گذاری منعطف برای بخش‌های مختلف مشتریان، چه کمکی می‌تواند داشته باشد و همراه اول در این زمینه چه اقداماتی در دست دارد؟

ما همین حالا هم پروژه‌ای برای تعریف پکیج بر اساس بخش‌بندی مشتریان داریم. مضاف به اینکه، در سرویس مکالمه این امکان را داریم که پکیج‌های مختلف تعریف کنیم، اما برای دیتا رگولاتوری این اجازه را نداده است. اما در کل موضوع بخش‌بندی یا customer segmentation و Dynamic Pricing به کمک تحلیل داده، کاملا شدنی است و به لحاظ فنی هم کار سخت و پیچیده‌ای نیست. در بازاریابی و فروش همراه اول، بر اساس تجربه، پنج بخش‌بندی برای مشتریان به دست آمده که می توان آنها را به 9 یا بیشتر افزایش داد. ضمنا لازم است برای هر کدام از این بخش‌ها به کمک روش‌های شناختی یا Cognitive، در آنها A/B تست‌هایی بزنیم و بگوییم برای هر کدام باید چه پیشنهاد بسته‌ای تعریف کنند. ولی باید در نظر داشت همه این نوآوری‌ها دست اپراتور نیست و رگولاتوری ممکن است برای مواردی ممنوعیت‌هایی گذاشته باشد. ضمن اینکه باید در نظر داشت این فعالیت‌ها متمرکز بر آن بخش خام‌فروشی اپراتور است، قطعا در بخش اپلیکیشن و سرویس‌ها این شناخت مشتری و بخش‌بندی آنها بهتر هم قابل انجام است.

یکی از موارد استفاده هوش در شبکه، در موضوع امنیت شبکه و تشخیص تقلب و کلاهبرداری است که اپراتورهایی مثل چاینا موبایل کاملا در این حوزه متمرکز هستند. همراه اول چقدر به اهمیت این موضوع واقف است و برای آن برنامه دارد؟

در همراه اول بخشی زیر شاخه مالی وجود دارد که داده‌هایی مثل اینکه هر استیشن چقدر درآمدزایی یا گردش مالی ایجاد می‌کند، و اینکه وقتی یک قطعی اتفاق می‌افتد، چه زیانی متوجه شرکت است، و یا اینکه جایی میزان این درآمدزایی متناسب با مصرفی که اتفاق افتاده نبوده است را استخراج می‌کند. بنابراین تشخیص فرادها و تقلب‌ها اینجا حاصل می‌شود و ما هم با آنها جلسه گذاشته‌ایم برای تعریف پروژه‌های مرتبط و پیش از این هم خودشان در این زمینه خریدهایی داشته‌اند. بنابراین این دید در همراه اول وجود داشته و دارد و ما هم به این رویه کمک خواهیم کرد. به هر حال باید توجه داشت بعضی از این تشخیص‌ها لزوما هم نیازمند الگوریتم‌های پیچیده هوش مصنوعی نیست و با یک سری زمانی یا مد و میانگین روی داده تجمعی هم می‌شود به تحلیل داده قابل قبولی رسید؛ هرچند هوش این تشخیص را دقیق‌تر و بهتر انجام می‌دهد.

در زمینه سطوح مختلف پاک‌سازی و گمنام‌سازی و ارزش‌گذاری کلان داده با هدف دسترسی دادن به مشتریان سازمانی مانند شهرداری با هدف تحقق شهر هوشمند، چه اقداماتی در همراه اول انجام شده یا در دست اقدام است؟

این همان بحث حکمرانی داده است که پیش از این به آن اشاره شد. یعنی مهم است که بدانیم صاحب داده کیست، چگونه آن را ساختارمند کنیم و سطح دسترسی را چگونه تعیین کنیم و امثال اینها که همگی مربوط به بحث حکمرانی داده است. ما یک پروژه اوپن دیتا تعریف کرده‌ایم که پیشرفت خوبی هم داشته است و هدفمان هم این بوده که داده‌هایی غیر از داده مکانی را،  شبیه مسابقه kaggle ارائه کنیم و در یک رویداد تجربه خوبی هم از دانشگاه امیرکبیر بدست آوردیم.. در این پروژه ما معلوم می‌کنیم داده‌ای که آزاد شده را به کجاها می‌توان دسترسی داد، به شرکت‌های خاص با تضامین خاص، دانشگاه‌ها، به دانشجویان با امضای استادراهنما، به مسابقات و یا کلا برای عموم. ما این پاکسازی، گمنام‌سازی و سطح‌بندی دسترسی را برای داده انجام داده‌ایم و در مرحله بعد وارد بحث لیبل‌گذاری داده خواهیم شد. اما برای استفاده تجاری از داده و بحث‌های B2B، باید خیلی در موضوع حکمرانی داده و اوپن دیتا جلو برویم.

در زنجیره ارزش اپراتور، هوش مصنوعی در کدام قسمت‌ها نقش پررنگ‌تر و فرصت بهتری دارد؟ لایه‌های نزدیک به اپلیکیشن یا Core؟

به نظر من در لایه‌های بالایی شدنی تر است. چون در لایه پایینی ما وندورها را داریم. این روزها هم همه وندورها ادعا دارند که از هوش در سیستم‌ها و تجهیزات خود استفاده کرده‌اند و ما چون خریدار خیلی از تجهیزاتیم، مستقیما شاید امکان بهینه‌سازی را در آنها نداشته باشیم. ولی در لایه اپلیکیشن دست ما باز تر است. مثلا داده روبیکا، آی‌گپ، اوانو و بقیه را کاملا داریم و از یک طرف چون به مصرف‌کننده نهایی هم نزدیک‌تر است برای آن بخش از هوش که منجر به افزایش درآمد از طریق ارتقا تجربه مشتری و جذب و نگهداری آن می‌شود، مناسب‌تر است. متقابلا داده‌های لایه پایینی هم برای کاهش هزینه و بهینه‌سازی شبکه مفیدتر است. اگر بخواهم بگویم کدام یک از این دو بخش در دسترس‌تر است، می‌گویم لایه اپلیکیشن. هرچند از بخش core هم غافل نبوده‌ایم و پیش‌تر اشاره کردم که اقداماتی برای هوشمندسازی بخش‌های توسعه و عملیات و بحث‌های Predictive maintenance  در دست است چراکه با بهینه‌سازی شبکه مبالغ بالایی صرفه‌جویی می‌شود و از این نظر بسیار حیاتی است.

به زبان فوتبالی، تیم خوب تیمی است که هم خط دفاع و هم خط حمله خوبی داشته باشد؛ یک اپراتور هوشمند هم باید هم در لایه شبکه (دفاع) و هم اپلیکیشن (فوروارد) هوشمندسازی را مدنظر قرار دهد. یعنی به کمک هوش، هم خوب درآمدزایی کند و هم صرفه‌جویی در هزینه.

در نسل پنجم شبکه، بحث‌های مجازی‌سازی شبکه مطرح می‌شود و این بستر مناسبی برای استفاده از هوش مصنوعی در شبکه را فراهم می‌آورد. نظر شما درباره هم‌افزایی 5G و AI چیست؟

در 5G یکی از اتفاقاتی که می‌‌افتد این است که شبکه اصطلاحا ماژولارتر و منعطف‌تر می‌شود. از طرف دیگر مزیت‌هایی مانند تاخیر کمتر، سرعت بیشتر و لوکالیزه بودن هم در نسل پنجم ارائه می‌شود. از این نظر بستر بهتری برای یوزکیس‌های هوش مصنوعی فراهم می‌شود. ولی چون هنوز نسل پنج در کشور تجاری نشده، بنابراین فعلا کار خاصی در این زمینه انجام نداده‌ایم ولی قطعا 5G امکانات بهتری را برای بالقوه شدن قابلیت‌های فناوری هوش مصنوعی فراهم می‌آورد.

در انتهای این مصاحبه، آماده شنیدن سخن پایانی شما هستیم.

امیدوارم تا جایی که عمر اجازه می‌دهد بتوانیم موضوع هوشمندسازی را در اپراتور همراه اول جا بیاندازیم. که اگر اپراتور هوشمند شود، متعاقبا ICT کشور یک گام هوشمندتر می‌شود و اگر بخش ICT و وزارتخانه آن که بخش پیشرو کشور از نظر فناوری است هوشمند شوند، باقی وزارتخانه‌ها و کل کشور هم به سمت هوشمندسازی می‌رود. انگیزه حضور من در همراه اول، همین بوده است. چون معتقدم آن اتفاق بزرگ که هوشمند شدن کل کشور است، باید از جای اثرگذاری مثل همراه اول که بزرگ‌ترین اپراتور کشور است آغاز شود.