报告详细阐述了英国电信（BT）旗下BT International利用人工智能（AI）技术转型为平台型企业，并逐步摆脱电信业传统OSS/BSS支撑体系的成功实践。
行业报告网 www.hybaogao.com消息，国外市场研究公司Omdia的最新报告详细阐述了英国电信（BT）旗下BT International利用人工智能（AI）技术转型为平台型企业，并逐步摆脱电信业传统OSS/BSS支撑体系的成功实践。
这份报告写到，专注于跨国企业通信业务的BT International打造了面向跨国组织的、AI就绪的“网络即服务”（NaaS）平台——Global Fabric。BT International首席技术与信息官（CTIO）Sef Tuma将该平台描述为涵盖“BT跨国客户销售、执行和管理服务所需的一切”。
关于Global Fabric
Omdia业务实践负责人James Crawshaw指出，Global Fabric改变了企业在整个数字价值链中与客户及供应商进行安全、可靠且合规互联的方式。该平台实现了人员、设备及AI系统与托管于多云环境中的应用程序及数据之间的互联互通。
这与传统电信IT领域中的OSS（运营支撑系统）和BSS（业务支撑系统）术语不同，也不同于BT International在2024年分析师大会上展示的架构——当时Salesforce和ServiceNow处于其IT技术栈的核心位置。BT International有意减少了对第三方软件供应商的依赖，旨在实现更快的创新。
利用AI打造平台型公司
近期，Omdia对Sef Tuma以及同时担任BT International和 BT Business（专注于国内企业客户）CTO的Colin Bannon进行了采访。
摒弃传统电信IT的OSS/BSS模式
双方的讨论重点在于BT International如何将自己定位为一家平台型企业。从IT角度来看，这意味着由单一系统负责支持销售和服务交付，而非传统BSS/OSS架构中那种职能割裂、分散管理的形式。
该平台为BT International的企业数据服务（Global Fabric）、语音服务（Global Voice）以及托管服务产品（Ops Fabric）提供支撑。
采用统一平台意味着商业数据、服务数据和网络数据都共享同一上下文环境。这使得跨业务各环节进行关联、协调和优化变得更加容易。
据Tuma介绍，在平台型企业中，产品的销售、执行和服务是通过“通用模型”来完成的。BT International不再针对电信产品（语音、数据等）和支撑系统（BSS和OSS）分别设立不同的系统，而是采用了一个由其自主构建的统一软件平台。
Tuma表示，通过整合产品的销售、执行和服务方式，BT International能够收集大量与网络业务和运营方面相关的数据。这些数据可用于优化业务流程，例如配置-报价-下单（CPQ）、RFP响应、客户迁移和计费等。BT International从Global Fabric收集数据，用于训练机器学习模型，以更好地服务客户并提高运营效率。
利用AI与BDD
Tuma将Agentic AI视为BT International向平台型企业转型的关键。例如，可以通过平台内部的数据对AI智能体进行训练，从而提供更优的报价并提升服务质量。尽管Agentic AI的应用尚处于起步阶段，但Tuma已经在Global Fabric平台的构建方式以及该平台将被如何利用这两个方面，确定了几个验证点。
·Agentic AI最成熟的应用场景是生成自动化测试脚本，以验证平台的完整性；这包括BT International自动为其网络底层上的任何叠加服务构建配置和测试脚本的能力。
·另一个应用场景是将多个“配置-定价-报价”（CPQ）系统整合到一个统一的智能体框架中。
·第三个例子是分析过往的招标邀请书（RFP）及其成功率，从而为新RFP的定价和响应策略提供决策支持。
·展望未来，BT International还计划利用Agentic AI辅助编写平台自身的代码，并实施必要的质量控制措施。
Tuma的团队采用行为驱动开发（BDD）模式——这是一种敏捷开发方法，利用领域语言来描述代码行为并以此命名软件测试用例。这种领域语言通常基于YAML（一种常用于描述网络设备配置的标记语言）。由于Tuma团队以YAML文件的形式获得“行为”，因此可以轻松利用生成式 AI工具生成所需的测试脚本软件。
在保持高速的同时确保系统稳健
Omdia想要了解的一个重点是，Tuma如何将更敏捷的思维方式引入BT International的IT部门——他此前在埃森哲工作了27年，于2025年8月加入BT International。
Tuma解释道，尽管公司力求快速行动并尽快推出新产品，但鉴于通信服务本身至关重要的特性，其测试要求和安全防护机制远比许多其他行业更为严格。
所有内部开发的软件都会经过高度自动化的测试环境，这些环境能够真实反映各种网络配置，并模拟各类设备、端口、连接方式及服务。从本质上讲，这就是一个数字孪生系统。
BT International利用AI来加速软件开发及测试脚本的编写。鉴于其服务的关键性质，在测试上投入的精力相对于软件开发而言，高于Tuma过去工作过的大多数公司。
除了进行正向测试（即验证软件更新不会导致网络故障）外，BT International还会开展负向测试，即刻意尝试破坏网络的数字孪生模型。
随后，当软件投入生产环境运行时，还会进行再次测试。公司利用模拟流量（而非实际客户流量）持续开展主动测试，以监测系统的运行状况与完整性。
第三方软件的空间有限
Tuma表示，对于那些能构筑竞争优势的领域，他并不热衷于在BT International的平台内使用第三方软件解决方案。相反，他们采用“无头”（headless）数据源，Agentic AI系统接入这些数据源来管理大多数工作流。
由于BT International的自研平台通过API、模型上下文协议（MCP）和其他编程化方式连接到这些记录系统，因此这些系统原有的精美用户界面和内置AI功能便显得多余。只有那些AI尚未学会处理的异常情况，才需要人工介入。
Tuma强调，他希望避免将核心业务逻辑构建于第三方应用程序中，而是将其整合进BT International自身的平台内。
BT International的做法不同于传统企业服务提供商，后者往往因追求低总体拥有成本（TCO）而在整个业务中采用商用BSS。相比之下，BT International的首要任务是加快新产品上市速度并采用多样化的商业模式。自主开发平台使BT International能够保持更高的灵活性，而不必受限于供应商的产品路线图。
不过，这种加大内部软件开发力度的策略必须符合预算。Tuma密切关注开发团队的工作，以确保不会在无法带来差异化竞争优势的领域投入过多资源。
该平台也使客户受益
Tuma指出，随着BT International转型为一家平台型企业，其托管服务（Ops Fabric）的一大竞争优势在于：客户能够直接获取该运营商及连接合作伙伴的遥测数据。这将使他们能够做出比未接入此类平台的企业更明智的决策。BT International现已向客户销售这项能力，并表示随着Global Fabric平台功能的不断扩展，该服务也将变得更加智能和强大。
企业客户面临的网络相关挑战
在2025年11月举行的BT International分析师日活动上，Colin Bannon分享了企业客户面临的一些痛点，其中包括网络中断和网络攻击等问题。
网络往往首当其冲，成为被指责的对象
尽管企业内部发生应用中断时，网络往往最先受到指责，但真正的“罪魁祸首”往往是企业使用的众多SaaS工具之一，这些工具来自公有云提供商和安全厂商。有时，问题仅仅源于IT基础设施中某个相对不起眼的组件，其软件许可证或证书已过期。
为了提高韧性，企业需要避免单点故障，并致力于在系统中构建多样性和冗余机制。多云架构便是一个很好的例子——即在发生服务中断时，能够迅速将工作负载从一家公有云服务商迁移至另一家。虽然这会带来额外成本，但如果其中一家公有云服务商属于本土企业，则可能有助于实现更高程度的数据主权。
网络攻击数量激增，但其影响正得到缓解
Bannon在Focus 2025大会上讨论的另一个挑战是，英国企业面临的网络攻击数量每年增长近50%。其中许多攻击涉及社会工程学手段，导致访问权限落入恶意攻击者手中。
尽管网络攻击激增，但其影响通常远小于前面提到的云服务中断。这些中断通常由人为错误而非网络攻击引起。不过，针对大型云服务提供商的网络攻击仍有可能给企业带来严重且持续数日的影响。
企业若不立即投资于系统冗余与韧性，以及双因素认证等基础 IT 安全措施，将很难有效应对这些风险。
Bannon认为亟需加大投入的一个领域是建立企业IT系统的完整备份，从而在遭受攻击（如勒索软件攻击）时能更快地恢复系统运行。备份网络配置也是该恢复计划中的重要一环。
AI流量可能需要网络基础设施升级
Bannon目前不太担心与AI相关的企业流量大幅增长问题。带宽占用仍以统一通信即服务（UCaaS，包括视频通话）为主。他预计多模态AI会带来一定的流量增长，但认为BT International的平台能够轻松扩展以应对这一变化。
不过，他预计AI流量的表现将不同于传统企业流量：企业分支机构与互联网或数据中心之间的流量将呈现更强的对称性。正如Bannon所述：“对于AI而言，网络不会‘爆掉’（因过载而崩溃），而是会‘变差’（因持续高负载而导致性能严重下降）。”
我们还可能看到Bannon所称的“大象流”出现，即持续不断、长而连续的大规模数据流。这些数据流可能会耗尽网络设备的队列资源，进而可能需要对广域网中的新路由器和交换机进行投资。
这些设备可能更类似于数据中心使用的设备，具备更大的缓存，能更好地管理流量争用。此外，也可能需要引入应用层流量控制技术，例如自适应比特率流媒体（ABR）技术。企业或许需要提升其AI应用的网络感知能力，而不是投入巨资使网络更加“AI 就绪”。
声明： 此文观点不代表本站立场；转载须要保留原文链接；版权疑问请联系我们。
