2026代理型AI：实现运营商数据的AI就绪研究报告

核心观点

• 全球电信运营商正朝着在本十年末实现 Level 4 网络自主性的目标迈进。实现这一目标的关键是将自主人工智能（AI）能力成功集成到自动化实践中，从而释放“可信智能”的价值——即智能 AI 工具与透明度、审计追踪以及带有人工智能介入的测试/优化的结合。
• 可信智能的构建依赖于两个关键组件：AI 和自动化能力本身（大型语言模型/小型语言模型、其他 AI/机器学习模型、基于规则的或简单的自动化）以及允许运营商在执行前可视化、模拟和优化操作的数字孪生。这两个组件都依赖于强大的数据基础——AI 能力将受到“垃圾进，垃圾出”的影响，而没有准确、粒化和实时数据，数字孪生将无法模拟真实的网络条件以支持 AI/人类决策。
• 对于许多电信运营商而言，用于构建运营商知识的网络数据目前是混乱的、孤立的、缺乏上下文和 inaccurate 的。

关键数据

• 预计自动化故障排除将减少高达 80%，运营支出将减少 50%（TM Forum），通过自动化重复的手动任务，可以快速实现节省。
• STL Partners 的未来技能追踪器显示，电信的员工中从事 AI、自动化、数据分析和软件开发等活动的比例仅为 8.2%，而领先的科技公司（例如 AWS、Google、Apple、Nvidia）中这一比例接近 25%（25%）。

研究结论

• 为了使数据准备好用于可信智能，数据必须是跨域的、高质量的、实时的、深度上下文化的、良好治理的和可访问的。
• 推进数据成熟度以实现可信智能，特别是部署自主 AI 解决方案，是一个持续的过程，而不是一次性的平台重建。电信运营商应该从特定的自主用例开始，并根据该用例的需求塑造其数据转型。
• 电信运营商应该构建具有可扩展性的用例。
• 数据架构应侧重于灵活性和可扩展性。
• 数据治理应遵循数据网格原则。
• 数据技术投资应使数据织物化。
• 建立数据网格将是短期内最大的挑战。
• 与合作伙伴合作可以加速转型之旅。