除了供應商與垂直行業更緊密地合作之外，復雜的任務將繼續需要人工智能和人類靈巧的交互

　　然而，許多這些新用例，例如關鍵的物聯網(IoT)和工業4.0支持，都需要超低延遲和有效“始終在線”的高度可靠的網絡。因此，當前由事件和警報驅動的網絡故障反應式方法已不再足夠。

　　相反，由人工智能(AI)和機器學習(ML)提供支持的網絡服務連續性變得必要。此類網絡連續性服務提供預測性自動化和可操作的搶先洞察，能夠在網絡異常影響整體網絡性能以及依賴該網絡的潛在業務關鍵用例之前自動定位和修復網絡異常。

　　在這一點上，許多運營商明白需要在他們的網絡中實施人工智能和自動化工具，以幫助提高性能和運營效率;然而，討論中仍然存在兩個經常被忽視的關鍵要素：人工智能和自動化工具需要人為指導;以及供應商和客戶之間共同創造的重要性。

　　AI和ML本身無法提供可操作的結論，因為它們缺乏對業務目標或技術意圖的理解。相反，這些技術必須以人類的能力和知識為基礎。人工引導的機器學習利用AI/ML算法和人類智能來發現知識并學習不同任務的模式，例如解決復雜網絡中的異常。人類提供指導、偏好或反饋，使用人工智能和機器學習不斷調整和定制算法的確定性規則。

　　保留AI和ML的人為因素可以提高從數據中得出的結論的準確性，并且根據這些技術的一些用戶的說法，已經證明其效率是自學ML和AI的兩倍。

　　此外，服務連續性解決方案應圍繞客戶的特定痛點構建。為實現這一目標，供應商和服務提供商需要合作并共同創建用例，以便供應商可以生成適當的算法來最好地滿足服務提供商的優先網絡需求。

　　利用人工引導的AI和ML并與所有利益相關者共同創建的服務連續性解決方案將通過減少識別和修復問題所花費的時間為運營團隊帶來顯著收益，使服務提供商能夠提供高水平的服務網絡性能，而無需增加運營和管理人員，即使他們的網絡不斷增長以滿足不斷增長的連接需求。

　　網絡服務連續性解決方案可以提供的智能自動化和可行動的先發制人的洞察力——全人工知情和指導——將確保5G有助于實現垂直行業廣泛數字化轉型的物聯網生態愿景。