统一通信-即时通讯-视频会议-电话会议-科技新闻及文章

混合UC配置的两种最常见方法需要不同的管理技术来维护语音，视频和其他实时通信的混合云QoS。

如果您希望通过云来卸载部分统一通信但尚未准备好使用完整的SaaS，那么混合云 UC架构可能是您的正确选择。也就是说，重要的是要注意混合云设计和管理与完整的内部部署不同。对于您为最终用户维护服务质量的能力尤其如此。

管理 QoS 的能力取决于UC数据流的去向，以及您是否可以跨这些链接管理各种质量设置。对于内部部署，这些问题很容易回答，但是，对于混合云部署，它变得更加复杂。让我们看看两种最常见的混合云通信架构，以及您需要做些什么来促进端到端云QoS。

公司办公室在场所，分支机构在云端

一种混合云UC策略是在公司办公室维护本地UC硬件和软件，并将分支机构迁移到UC即服务（UCaaS）模型。对于许多组织而言，公司办公室是大多数统一语音，视频和协作使用的地方。因此，传统的内部部署设计可能已经完全集成在组织内，并且在高速公司LAN中运行良好。

但远程分支机构是一个不同的存在，UCaaS真正闪耀。也就是说，分支机构通信可能需要一些网络设计和UC配置更改，劳格科技的SparkleComm UC平台正是这样的一个存在，可以帮助分支机构以最佳方式运行。

对于大多数UCaaS部署，所有通信都将流经公共云。通常，这是通过互联网完成的，但也可以是指向服务提供商数据中心的专用WAN链接。如果您的分支机构使用互联网连接到公共云UCaaS，那么一旦数据离开您的网络，就无法从严格的云QoS角度做到这一点。

但是，如果分支机构有多个互联网链接，您可以使用智能路径分析构建智能互联网链路负载平衡。这使得能够使用沿着电路发送到UC云资源所在位置的探测器实时监控两个互联网链路。然后，负载均衡器将沿着路径发送UC数据，该路径在该给定时刻提供最低的网络延迟和抖动。

虽然这种公共云UC架构无法提供对质量的完全控制，但它确实对许多企业组织有帮助并且通常足够可靠。

在本地管理混合云QoS

第二种混合云通信架构要求UC管理员在云托管的分支机构安装硬件设备，同时在本地执行大多数UC服务。这包括通过WAN连接到企业内部部署UC平台（如SparkleComm），以获得对延迟和抖动敏感的实时数据流，例如语音和视频。在此混合云方案中，维护公司间UC质量的质量设计将包括传统的QoS配置，以识别，标记和优先处理WAN上的语音，视频和其他时间敏感的协作数据流。

此外，软件定义的WAN（SD-WAN ）架构可以以与智能链路负载平衡类似的方式为负载平衡流添加额外的智能层。然而，在此SD-WAN方案中，您可以更好地控制 QoS，因为您可以完全控制网络。也就是说，包含私有WAN链接和SD-WAN技术的混合模型管理起来更复杂，成本更高。

混合云通信和质量的底线可归结为业务需求。如果UC被认为是关键业务，则应通过将数据流保持在本地来建立增加的弹性和控制。但是，如果UC只是一种很好的技术，那么公共云混合部署的简单性和成本节约将会很有吸引力。

虚拟团队具有明显的优势，包括成本和更广泛的人才库 - 但也有一些挑战需要考虑。而数字技术让我们几乎在任何地方组装“工作场所”。今天，工作场所可能部分由远程劳动力组成。

员工和雇主都在利用这种能力引入远程工作安排。在适当的情况下，这些安排可以帮助您快速扩展和扩展您的业务，并找到并留住最优秀的人才。这样的安排也可以提高工人的满意度，因为人们喜欢在家或在当地的共同工作空间工作的灵活性，而不需要长时间通勤到办公楼。

远程工作的成长

远程工作的增长似乎没有放缓。盖洛普的“美国工作场所状况”报告显示，从2012年到2016年，远程工作的员工人数从39％增加到43％。对于未来的员工 - 千禧一代确切 - 远程工作是他们许多人在工作中寻找的东西。

远程劳动力的好处

远程员工可以通过多种重要方式使您的公司受益，包括：

节约成本。无论是部分还是全职的远程工作安排，您都可以省钱。无论何时员工远程工作，您使用的办公资源都会减少，因此开销会减少。您可以节省办公空间，公用设施，设备，零食和饮料的成本。新员工不需要搬迁费用。如果您的一半或更多员工在远程工作，那么节省的费用可能相当可观。

提高生产力。 SurePayroll的一份报告显示，86％的员工喜欢独自工作以达到最高生产率。 65％的人认为灵活的远程工作时间表会提高他们的工作效率。无需通勤，处于舒适的环境中，不会分心，所有这些都有助于提高远程工作人员的工作效率。

扩大人才库。如果您拥有一个完全实施的系统来管理远程工作人员，则意味着您不仅限于您所在地区的人才库。只要基础设施到位以支持贵公司的工作流程，您就可以吸引国内甚至全球人才。

能够实现以上的共同因素就是选择SparkleComm统一通信， 这是新一代的通讯平台，融合语音、视频会议、即时消息、文本、图片等移动互联网的数据融合通信平台，无论是远程工作安排、团队协作还是远程会议，SparkleComm统一通信统统都能实现，既节约了成本，又能提高生产力，还能留住公司的储备力量，同时又维系着雇主与员工之间的传达关系、员工与员工之间的密切协作关系，最重要的是企业与企业之间的合作关系。

但在使用远程通信时，雇主需要考虑以下事项：

安全。远程工作者的主要考虑因素之一是安全性。远程工作在很大程度上依赖于数字通信，这对信息技术（IT）的安全性具有重要意义。考虑通过虚拟专用网络（VPN）和移动设备管理等选项保护您的数据和网络。没有内部IT人员的小型企业可以聘请IT顾问或依靠合作伙伴来设置安全且灵活的云工具，比如SparkleComm统一通信。

责任。远程工作人员的另一个考虑因素是防范潜在的责任风险 - 例如，由于数据泄露，网络敲诈，欺诈或丢失或数据破坏而导致的敏感信息丢失。采取措施安全地管理严格监管的健康和财务数据。

管理员工。对远程工作人员使用彻底的审查程序。这将使管理远程工作人员变得更加容易。适时询问他们的工作方式，以及他们是否曾在家中工作过一段时间。他们是否通过视频会议，电话和聊天进行沟通？他们是否对项目的合作达到密切的关注，以至于他们在日常的面对面互动中能否更好地运作等等....

SparkleComm统一通信的优势之一就是方便快捷且安全保密，你无需担心你的信息错转、漏接、延误，秘密泄漏等问题，由于端到端的加密，加上劳格科技特有的保密通话技术，不会出现数据泄露等问题。SparkleComm统一通信还具有灵活性、可靠性、可扩展性，能够轻松实现远程工作的一切事项。

在当今竞争激烈的劳动力市场中，吸引最优秀的人才可能需要为您的储备力量以及您当前的员工提供全面或灵活的远程工作安排，如果您不想失去他们。

6.决定如何在通信中使用AI

有了AI可以做到的一切，最大的问题之一就是从哪里开始。现在企业通信已越来越广泛，企业早已使用各种通信系统实现企业的内部通信。例如劳格SparkleComm统一通信平台，除提供语音的IP电话及视频通话外，也让企业能够有效的整合现有的数据业务流程。SparkleComm是新一代的通讯平台，融合语音、视频、即时消息、文本、图片等移动互联网的数据融合通信平台，是企业或组织机构专属的内部通讯解决方案。

您可以在通信中使用AI来改善和优化内部效率，从发现根本原因故障到在整个基础架构中进行语音呼叫的路由决策之前。您可以使用AI为您的客户添加直接价值和新用户体验，例如提供更准确的建议或使用聊天机器人来处理支持问题。 您还可以创建在没有AI的情况下无法存在的新产品和功能，例如实时转录和对话翻译或使用面部识别对人进行身份验证。作为一个起点，您需要选择能够带来高投资回报率且风险和成本很低的AI项目。但筛选选项并了解哪些项目更可行并非易事。

7.决定组织结构

您将员工放在哪里，让您了解AI？一些企业在首席技术官办公室或研发团队中创建了一个卓越的团队，以推动与AI相关的计划。

其他企业采用自下而上的方法。首先，确定可以进行机器学习实验的一两个领域，随着时间的推移培养它们，并了解领导组织的位置。

一些企业采用自上而下的方法，从特定的业务需求和用例开始，然后确定如何继续。通常，这种方法会导致外包给专门从事AI的外部顾问和供应商，以帮助定义和实施用例。

8.并非所有数据都需要机器学习

在开始进行机器学习的道路上，大部分工作都是收集并使闲置的操作数据具有意义，无需借助机器学习即可充分利用这些数据。

由于人们查看数据并做出大部分决策的都是数据科学家，他们可能会跳过这样的机会来改善业务并尝试在其他地方找到更具挑战性的任务。

2.具有商业意义

将机器学习添加到医疗保健用例不同于将机器学习添加到社交网络交互。虽然这两个示例都可能使用类似的算法和技术，但您需要在市场中拥有一些领域专业知识。

例如，在联络中心，销售对话的动态与伙伴关系讨论完全不同。在这些情况下，AI可以判断谁在何时以及在多长时间内发言。了解业务的这些差异和细微差别与了解统计数据和机器学习同样重要。

当人们需要就产品路线图，优先级和功能做出决策时，这在产品管理角色中更是如此。填补这些角色对于此类举措的成功至关重要。

3.收集正确的数据

在许多情况下，机器学习算法需要分析未收集或不易访问的数据。这包括本地数据库，不同机器和系统以及传统专有应用程序中的数据或从未存储在任何地方的数据。

不需要始终收集数据以获得有效结果，但了解可用数据及其可访问性非常重要。

4.清洁数据

由于错误或不一致或不完整的数据，操作数据可能非常乱并且不适合机器学习。例如，背景噪声，分组丢失或电话呼叫上的其他干扰可以影响语音到文本算法如何捕获口语单词。 这些数据需要在机器学习算法使用之前进行清理 ，否则，创建的模型将无法反映现实或您尝试达到的优化。清理数据不同于手动浏览数据，方法是过滤输入并添加转换规则以更改用于为特定方案创建模型的数据。

5.迭代实验

一旦你有一个团队并开始尝试机器学习，你可能会问以下问题：你有足够的数据吗？数据干净吗？数据有代表性吗？你需要机器学习，还是一个简单的规则就足够了？这些问题将需要更多的机器学习算法数据，但如果它在另一个数据库中或需要清理，则可能无法获得所需的数据。

数据要求的这些变化可能导致模型创建的延迟，这可能需要数天到数月，具体取决于数据的性质及其收集方式。每次实验，您都会找到新的见解。这些见解将引发更多问题，这需要收集额外的不同数据。在企业通信（如SparkleComm）中添加AI意味着有耐心收集，试验，检查和迭代。

采用人工智能可能是一个复杂的过程。通信中的AI可能特别具有挑战性，但组织可以采取某些步骤来克服这些障碍。

今天，AI是IT项目的狂野西部。它始于商业智能，在整个企业中收集数据并将其发送到大型数据库。然后在顶部构建报告和仪表板，以帮助我们制定日常决策。大约十年前，语言转向大数据和分析。最近，这种曲调已经转变为机器学习和深度学习，营销人员将其称为AI。目前，企业采用人工智能包括查看隐藏在企业每个角落的操作数据，并使数据可行。现在，组织更少关注技术，更多关注业务成果，以及将学习算法放在我们拥有的数据之上可以获得什么。

人们还熟练掌握计算机视觉和语音分析，以创建将语音转换为文本和文本到语音的最佳实践，以及识别图像中的对象和动作。例如劳格科技的SparkleComm统一通信平台，SparkleComm会议支持讲录用同步转化为会议纪要文本。这些进步，加上业务流程中的机器学习创造市场优势的想法，已经将公司推向人工智能。

当我和一位同事研究人工智能在实时通信中的使用时，我们采访了与人工智能合作的公司 - 从人工智能初创公司到需要启动人工智能计划的大型企业。该调查揭示了组织在通信中采用机器学习和人工智能时面临的一些挑战。

1.找到合适的人才

人工智能采用的主要挑战之一是在机器学习中找到足够熟练的人才。人才库相对较小，华为，谷歌和Facebook等大型云供应商正在吸引开发人员和数据科学家，他们的工资，奖金和福利都很高。

企业可以通过以下三种方式吸引人才：

（1）在全球较小的技术中心开设办事处。离开北上广深越远，对你将面临的机器学习天赋的争夺就越少。

（2）通过提供更高的薪水和福利来吸引经验丰富的AI开发人员在市场上竞争。

（3）培训现有员工。我们采访的一个组织表示，所有开发人员都有机会参加在线人工智能课程，这使10％的开发人员对AI更加熟悉。