除了供应商与垂直行业的合作更加紧密，复杂的任务将继续需要人工智能和人类的灵巧交互5G正在引领消费者和企业使用新时代案例，从增强现实和云游戏到用无线连接简单地取代有线宽带。然而，许多这些新用例，例如关键的物联网(IoT)和工业4.0支持，需要超低延迟和高度可靠的网络，这些网络实际上“始终在线”。因此，当前对由事件和警报驱动的网络故障的反应性方法已不再足够。相反，需要由人工智能(AI)和机器学习(ML)提供支持的网络服务连续性。这些网络连续性服务提供预测性自动化和可操作的先发制人的洞察力，以在网络异常影响整体网络性能和依赖它的潜在关键业务用例之前自动定位和修复网络异常。在这一点上，许多运营商明白需要在他们的网络中实施人工智能和自动化工具，以帮助提高性能和运营效率；然而，讨论中仍然存在两个经常被忽视的关键要素：人工智能和自动化工具需要人工指导；以及供应商和客户之间共同创造的重要性。AI和ML本身无法提供可操作的结论，因为它们缺乏对业务目标或技术意图的理解。相反，这些技术必须基于人类的能力和知识。以人为导向的机器学习利用AI/ML算法和人类智能来发现知识并学习不同任务的模式，例如解决复杂网络中的异常。人类提供指导、偏好或反馈，利用人工智能和机器学习不断调整和定制算法的确定性规则。保留AI和ML的人为因素可以提高从数据中得出结论的准确性，并且据这些技术的一些用户称，其效果是自学ML和AI的两倍。此外，服务连续性解决方案应围绕客户的特定痛点构建。为实现这一目标，供应商和服务提供商需要协作并共同创建用例，以便供应商能够生成适当的算法来最好地满足服务提供商的优先网络需求。利用人工引导的AI和ML并与所有利益相关者共同创建的服务连续性解决方案将通过减少识别和修复问题所花费的时间为运营团队带来显着的好处，使服务提供商能够在不增加运营的情况下提供高水平的服务网络性能和管理人员，即使他们的网络不断发展以满足不断增长的连接需求。网络服务连续性解决方案可以提供的智能自动化和可操作的先发制人的洞察力——所有的人都是知情和指导的——将确保5G有助于跨行业垂直领域广泛数字化转型的物联网生态系统愿景。
