لقد أدى الاعتماد الحديث على الاتصال “التشغيل الدائم” إلى تغيير قواعد اللعبة بالنسبة لمقدمي الخدمات والشبكات
لقد نمت شبكات مزودي الخدمة بشكل يتجاوز العروض التقليدية للفيديو والنطاق العريض السكني، وستعتمد تلبية احتياجات المشتركين اليوم على كيفية دمج هذه الشبكات لأدوات الذكاء الاصطناعي (AI) والتعلم الآلي (ML) في عام 2026 وما بعده.
واليوم، يعتمد المشتركون بشكل متزايد على اتصال النطاق العريض هذا باعتباره أمرًا بالغ الأهمية – ليس فقط للعمليات التجارية من المنزل، ولكن أيضًا لمجموعة من التطبيقات المتنوعة مثل الأمن المنزلي، وقياس الأجهزة الطبية عن بعد، وغيرها من الخدمات. أدى الاعتماد الحديث على الاتصال “التشغيل الدائم” إلى تغيير قواعد اللعبة بالنسبة لمقدمي الخدمات، حيث لم يعد توقف الشبكة مجرد مسألة فقدان برنامج تلفزيوني مفضل. يمكن أن يكون ذلك مزعجًا بشكل خطير للأسرة – وبالنسبة لمزود الخدمة، يمكن أن يترجم وقت التوقف عن العمل إلى زيادة في عدد المشتركين مما يضع ضغطًا على النتيجة النهائية لمزود الخدمة.
وفي ضوء هذه المخاطر الكبيرة، يواجه مقدمو الخدمات صعوبة في تزويد فرقهم بخبراء شبكات مؤهلين يمكنهم معالجة التحليلات وتنفيذ توصياتهم بشكل فعال. ومع خروج كبار الموظفين وذوي الخبرة من الصناعة، من المتوقع أن يزداد التوفر – ومن المتوقع أيضًا أن تستمر التكاليف في الارتفاع. بالإضافة إلى ذلك، تتطلب إدارة جبل القياس عن بعد المتوفر من أجهزة الشبكة الذكية اليوم أتمتة للعثور على الرؤى بداخلها. بدأ دمج التحليلات المستندة إلى الذكاء الاصطناعي والمدعومة بخوارزميات تعلم الآلة في شبكات مزودي الخدمة، ولكن من المرجح أن يمهد العام المقبل الطريق لمزيد من الاعتماد والتنفيذ الأوسع لهذه التطورات لدعم موظفي الشبكة.
حالة السوق: تنافسية
حتى بالنسبة للصناعة سريعة التطور مثل الوصول إلى النطاق العريض، كان مقدمو الخدمات يتنافسون بشدة في تقديم خدمات جديدة وتوافر أفضل عبر الأسواق التي يخدمونها، ويتم الآن مشاركة هذه الأسواق بشكل متكرر بين مقدمي خدمات متعددين. وفقًا لمقالة بتاريخ 1 أكتوبر 2025 بواسطة Broadband Search، كان لدى 33.4% فقط من الأسر في الولايات المتحدة خيار من بين ثلاثة مقدمي خدمة أو أكثر للاتصال الأساسي في يونيو 2020. وبعد خمس سنوات، أصبح هذا الاختيار متاحًا الآن لـ 83.7% من الأسر ومن المتوقع أن يرتفع أكثر بعد.1
على الرغم من أن جميع مقدمي الخدمات ليسوا متساوين من حيث العروض، إلا أن كل ذلك يزيد من ضغوط المنافسة والتكلفة المتزايدة لمقدمي الخدمة الذين يخدمون الغالبية العظمى من المنازل، بما في ذلك من خلال تقنيات الشبكات البديلة مثل الأقمار الصناعية واللاسلكي الثابت 5G. بالطبع، هذه أخبار ممتازة للمشترك، ولكنها تضع أيضًا عبئًا متزايدًا على مزود الخدمة للمضي قدمًا أو المخاطرة بالتخلف عن الركب. لإدارة هذه الضغوط والحفاظ على مستويات تنافسية لتوافر الشبكة، يساعد الذكاء الاصطناعي والتعلم الآلي في معالجة التعقيد المتزايد للشبكات فائقة السرعة، وتوافر الموظفين، وقيود الميزانية. في الماضي، كان مشغلو الشبكات يقبلون استخدام أوامر تعديل أقل، الأمر الذي كان يتطلب أداءً أكثر تسامحًا للشبكة، ولكن اليوم وفي المستقبل، فقط الشبكات النظيفة هي التي يمكنها تحقيق أعلى ملفات تعريف التعديل – وأعلى السرعات التي يطلبها المستهلكون الآن.
الحصول على الأفضل من موارد الشبكة
ومما نرى، فإن استخدام الذكاء الاصطناعي من قبل مقدمي الخدمات كان يركز إلى حد كبير على خدمة العملاء، بدلاً من مراقبة الشبكة وصيانتها.
إن الحفاظ على توفر الشبكة وأدائها بدأ يتجاوز القدرة البشرية اليدوية. تتطلب شبكات اليوم أنظمة يمكنها النظر عبر متغيرات متعددة لتحديد كيفية ارتباطها بالنتائج وتأثيرها. سيكون الذكاء الاصطناعي قادرًا على رؤية الأنماط وتحديد المشكلات التي قد يتجاهلها البشر تمامًا، حتى لو لم تكن الميزانية والتوظيف مشكلة. علاوة على ذلك، يمكن للذكاء الاصطناعي أن يرفع كفاءة الشبكة وأدائها إلى مستويات لا يمكن للبشر وحدهم تحقيقها بسهولة.
يمكن لأدوات الشبكة المدعومة بالذكاء الاصطناعي توفير مراقبة مستمرة، وربط النقاط، ووضع علامة على المشكلات لإجراءات الحل التي يحركها الإنسان، مع تقليل مقدار عرض النطاق الترددي العام المطلوب لمعالجة البيانات وتحرير موارد الشبكة للعمليات ذات المستوى الأعلى والاستخدام المدر للدخل بدلاً من ذلك. يساعد ضبط نقطة الدخول للتدخل البشري على رفع فائدة موظفي هندسة الشبكات، الذين يمكنهم قضاء المزيد من الوقت في التعامل مع الأحداث التي من المحتمل أن تؤثر على الأعمال، والاستفادة من أعظم نقاط القوة لدى الذكاء الاصطناعي والبشر على حد سواء.
لقد مهدت هذه المزايا الطريق لأدوات الشبكة المدعومة بالذكاء الاصطناعي والتعلم الآلي للوصول بشكل أعمق إلى شبكات مزودي الخدمة وأنظمة المكاتب الخلفية كمورد تنبؤي قادر على ربط الكم الهائل من الفواتير وخدمة العملاء والبيانات الفنية وغيرها من البيانات لرسم الخطوات التالية للتقييم البشري.
تعلم الثقة في الآلة
على الرغم من العدد المتزايد من تطبيقات الذكاء الاصطناعي التي أثبتت جدواها، لا تزال هناك درجة من التردد في تسليم السيطرة إلى “خوارزمية الصندوق الأسود” بالكامل، وهناك أسباب وجيهة لتوخي الحذر. كما ذكرنا سابقًا، لم يعد تعطل الشبكة يمثل إزعاجًا مزعجًا للمشتركين؛ غالبًا ما تكون التوقعات الدائمة مدفوعة بالتطبيقات الهامة التي تعمل على تلك الشبكات. ولهذا السبب، لا يزال مقدمو الخدمات يفضلون عمومًا المشاركة البشرية في أي قرار أو جهد تخفيف.
ولكن حتى هنا، يمكن للذكاء الاصطناعي أن يساعد في تحسين قيمة هذا العنصر البشري من خلال تركيز التفاعل البشري على التحليل والوظائف ذات المستوى الأعلى. يوفر الاعتماد المتزايد لواجهات اللغة الطبيعية لعملاء الذكاء الاصطناعي الفرصة للوصول إلى البيانات بطرق جديدة وبيئات صعبة، حسب الحاجة، حتى في المواقع النائية حيث يجب أن تتم التفاعلات عبر جهاز محمول أو في ظل ظروف أقل من مثالية، مثل الخروج في الميدان في ليلة عاصفة. تساعد مثل هذه الأداة المساعدة على تطوير المهارات ذات الصلة بسرعة أكبر – التعلم عن طريق العمل، بمساعدة صوتية مدعومة بالذكاء الاصطناعي في الوقت الفعلي – وتساعد مرة أخرى على رفع إنتاجية فريق هندسة الشبكات.
ومن الجدير بالذكر أيضًا أن العمق والرؤية الأكبر التي يوفرها الذكاء الاصطناعي تساعد في تحديد مواقع ضعف الشبكة، مما يقلل من متوسط الوقت لمقاييس الدقة (MTTR) ويحد من مقدار المعالجة غير الضرورية للبنية التحتية للشبكة غير ذات الصلة. نظرًا لأن التحليلات المستندة إلى الذكاء الاصطناعي/التعلم الآلي أصبحت أكثر استباقية – ويعمل مقدمو الخدمات على زيادة ثقتهم بها تدريجيًا – فإن هدف شبكة الإصلاح الذاتي حقًا يصبح حقيقة واقعة. نظرًا لأن إدارة الذكاء الاصطناعي لا تعتمد على البنية التحتية، يمكن لمقدمي الخدمات تحقيق فوائد الكفاءة والتوافر عبر DOCSIS® وPON والهجين وI-CCAP وvCCAP/vCMTS وDAA وحتى الشبكات اللاسلكية. ومع ذلك، كما هو الحال مع جميع تطبيقات الذكاء الاصطناعي/تعلم الآلة، تظل جودة تدريب النماذج وخبرة بائع حلول الذكاء الاصطناعي، فضلاً عن جودة البيانات المستخدمة في التدريب، متطلبات أساسية حاسمة لتطبيقات الذكاء الاصطناعي التي يمكن أن تبرر زيادة مستويات الثقة.
الذكاء الاصطناعي يتحرك إلى الحافة
في حين أن تأثيرات الذكاء الاصطناعي ظهرت بشكل ملحوظ في الشبكة الأساسية، إلا أنها بدأت الآن في تأكيد فائدتها على حافة الشبكة باعتبارها أدوات تحليلية وإدارة موزعة. تتوفر الآن حلول شبكات الوصول المتعددة DOCSIS 4.0 وDAA وPON في السوق والتي تتضمن وحدات المعالجة العصبية (NPUs)، وهي معالجات محسنة للذكاء الاصطناعي تعمل على توسيع نطاق الذكاء الاصطناعي إلى الشبكة الموزعة. من خلال تفريغ بعض أعباء المراقبة والتحليل من المكتب المركزي – وتقليل متطلبات التوصيل على الشبكة الأولية – تعمل هذه الحلول التي تدعم NPU على تقليل زمن الوصول لعمليات الذكاء الاصطناعي وفتح عدد من الفوائد لمقدمي الخدمات.
في بعض الحالات، يمكن الاستفادة من هذه الأجهزة التي تدعم NPU لتلخيص البيانات تلقائيًا محليًا، مما يؤدي إلى إرسال بيانات قياس عن بعد أكثر إيجازًا. بالإضافة إلى ذلك، فإن الأحداث السريعة التي عادة ما يتم تفويتها من خلال جمع القياس عن بعد الدوري، لديها الآن الفرصة لاكتشافها بواسطة جهاز الحافة للحصول على عرض دقيق للغاية لأحداث الشبكة وأسبابها وتأثيراتها أكثر مما يمكن اكتشافه عن طريق المراقبة البشرية اليدوية فقط.
ستزداد قدرات الذكاء الاصطناعي على حافة الشبكة في السنوات المقبلة، مما يوفر فائدة أكبر لمقدمي الخدمات، وتوافرًا أكبر للشبكة للمشتركين.
في عام 2026، سيكون تأثير الذكاء الاصطناعي محسوسًا بقوة
ينشط استكشاف الذكاء الاصطناعي داخل مؤسسات مزودي الخدمة، وبينما بدأ الاعتماد في مجالات مثل خدمة العملاء، إلا أن هناك طريقًا طويلًا لنقطعه لتحقيق قيمة الذكاء الاصطناعي بشكل كامل في إدارة أداء الشبكة.
وسيشهد العام المقبل تحقيق العديد من وعودها، مما يساعد مقدمي الخدمات على فهم الكم الهائل من البيانات والقياس عن بعد التي تنتجها شبكاتهم بشكل أكبر، والمساعدة في اكتشاف العمل وتحديد أولوياته بشكل أفضل لفنيي الشبكات لمساعدتهم في أن يصبحوا أكثر إنتاجية، واكتساب ثقة أعمق من صناع القرار البشريين. سواء في الشبكة الأساسية أو على حافة الشبكة بشكل متزايد، ستستمر أدوات الشبكة المدعومة بالذكاء الاصطناعي/التعلم الآلي في تحسين توافر الشبكة وكفاءتها حيث أصبح التكوين الذاتي والإصلاح الذاتي/التحسين للشبكات هو القاعدة.
ومع ذلك، لتحقيق إمكانات الذكاء الاصطناعي بشكل كامل، يجب تدريب هذه الأدوات على البيانات والخبرات عالية الجودة – ويجب أن تحصل المؤسسات على دعم إداري قوي. مع وجود مقدمي الخدمات في مراحل مختلفة من رحلة الذكاء الاصطناعي الخاصة بهم بما في ذلك الاكتشاف والتقييم والاعتماد والتنفيذ، سيتطلب عائد الاستثمار الالتزام والتخطيط. للحفاظ على القدرة التنافسية وتسريع الطريق نحو النجاح، يجب على مقدمي الخدمات التفكير في العمل جنبًا إلى جنب مع شريك حلول مؤهل لوضع خطة واستكشاف فرص الحلول السهلة ورسم المسار نحو المستقبل.
