除了供应商与垂直行业更紧密地合作之外，复杂的任务将继续需要人工智能和人类灵巧的交互
5G正在引领消费者和商业用例的新时代，从增强现实和云游戏到简单地用无线连接取代有线宽带。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，都需要超低延迟和有效“始终在线”的高度可靠的网络。因此，当前由事件和警报驱动的网络故障反应式方法已不再足够。
相反，由人工智能(AI)和机器学习(ML)提供支持的网络服务连续性变得必要。此类网络连续性服务提供预测性自动化和可操作的抢先洞察，能够在网络异常影响整体网络性能以及依赖该网络的潜在业务关键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为指导;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，这些技术必须以人类的能力和知识为基础。人工引导的机器学习利用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，使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的结论的准确性，并且根据这些技术的一些用户的说法，已经证明其效率是自学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合作并共同创建用例，以便供应商可以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收益，使服务提供商能够提供高水平的服务网络性能，而无需增加运营和管理人员，即使他们的网络不断增长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行动的先发制人的洞察力——全人工知情和指导——将确保5G有助于实现垂直行业广泛数字化转型的物联网生态愿景。
