AI 扩增的电信公司

VIEWPOINT 2024 THEAI-AMPLIFIEDTELCO 如何扩展到用例之外 AI代表了电信行业的游戏规则改变者。尽管先行者已经接受 AI，将炒作与机遇分开仍然具有挑战性。成为AI放大的电信公司需要的不仅仅是对该技术的潜力和试点用例着迷。本观点关注利用AI5％-7％EBITDA潜力的必要组成部分，并概述了如何通过分析包括技术，AI治理和文化在内的全貌来实现持久的成功。 AUTHORS MichaelOpitz博士ThomasThieleKamilBurkhanovVolker教授PeterFreundel博士MichaelEidenCarstenPetersen 导航AIHYPE 人工智能如何帮助公司从基于“每个客户的千兆字节”的差异化转变为提供最高质量的网络体验和领先的技术服务，同时提供无与伦比的客户支持？人工智能为电信公司打开了大量新的可能性，但决定从哪里开始可能很复杂。 人工智能可以增强典型的公司支持流程，如财务、人力资源和知识管理， 但是这项技术有着更深入和更广泛的应用。这个观点建立在ArthrD.Little's(ADL's)BleShiftReport“GeerativeArtificialItelligece:TowardaNewCivilizatio?”通过确定三个主要组成部分(见图1)，它们提供了最有希望的机会来实现巨大的质量改进、成本降低和/或收入增长：(1)下一代客户参与。 （2）卓越的技术工厂，以及（3）AI增强的核心流程 。让人们参与并培养所需的治理基础是支撑构建模块的关键成功因素。如果没有人类的采用，最好的AI将无法实现其预期目标。 图1.AI放大的电信公司的三个构建模块 将AI功能映射到业务 当今的AI功能可分为四个通用集群： 1.自然语言处理(NLP)与生成AI（GenAI）合并，以激活对话驱动的方法来与数据进行交互并生成文本，图像， 和视频。 2.计算机视觉从数字图像、视频和其他视觉输入中提取有意义的信息。 3.预测性分析涵盖来自机器学习(ML)和统计模型的预测算法。 4.自主决策专注于在目标部分矛盾的场景中找到最优解决方案。 为了最大限度地提高电信公司的影响力，技术集群需要应用于业务领域，在这些领域中，它们将提供最强的结果（参见图2）。虽然本观点认为技术成熟度和市场相关的例子，但它并不旨在提供 全面的市场概述。相反，它突出了当前的用例趋势并分析了其EBITDA影响。 下一代客户参与 卓越的技术工厂 人民 &文化 AI增强的核心流程 来源：ArthurD.Little 图2.基于三个构建块的用例集群 客户应用程序网络 云和基础设施 云& 说明性 Telco 域&服务开发经验&管理规划与设计网络优化网络操作IT规划 客户en 通过个性化参与和主动支持以客户为中心 Gagement用例：    简化的客户关怀 上下文下一个最佳优惠 … rt NLP AI能力 信息抽取/摘要信息检索自然语言理解文本生成 图像生成音频生成视频生成情感分析图像识别音频识别视频识别传感器融合 时间序列预测推荐系统异常检测事件分类回归 决策支持运动规划路径规划 计算机视觉 自动化的全公司知识管理和企业搜索 “与公司数据聊天”，用于内部报告、审计和合规 通过文本自动生成内容， AI增强的核心流程用例： 预测性分析 自主决策 初步影响评估（基于ADL市场分析） Low高 … 图像和视频（包括翻译） 技术工厂用例： 增强的软件开发周期 整体基础设施监控 家庭需求/负荷预测和规划自动化 … Operations&设计 基础设施运营IT/OT 安全 企业管理 来源：ArthurD.Little AI扩增的Telco的生长前景 根据分析和市场对话，ADL认为，从现在到2027年，电信公司可以通过将AI集成到三个构建模块中，将其年度EBITDA利润率提高5％-7％ 下一代客户参与，技术工厂卓越和AI增强的核心流程。EBITDA增长包括两个方面： 1.短期影响-通过交付创建 更有针对性的客户提供、营销和个性化的客户服务 ；内容创建将导致4%-5%的EBITDA增长，这是由更高的销售效率和更低的客户获取和处理成本推动的。 2.运营效率-在网络、IT和核心流程中，特别是在节能和开发成本方面；提供高达1%-2%的底线效应，并具有以下关键驱动因素： -从更高效的成本降低能源与网络管理 -提高软件开发的生产率 SUCCESSFULOUTCOMES RELYONPEOPLE 尽管AI发挥着重要作用，但成功的结果取决于人。劳动力必须充分利用AI的内在潜力来实现顶部和底部的效果，而这些效果取决于AI的采用和整合。对这三个组成部分的仔细检查说明了如何调整和整合AI以满足一系列需求和目的。 下一代客户参与 以客户为中心是电信公司日益与众不同的因素。人工智能实施将简化任务并减少等待时间、不准确的解决方案工作以及次优 产品建议。消除传统的客户不满来源并减少客户流失最终将促进销售。AI可以通过多种方式提升当前的客户参与任务: -市场营销。当完全集成并提供充足的数据时，AI 将改变电信销售 以产品为中心的运营模式 以客户为中心。例如，一家主要的欧洲移动网络运营商通过 利用实时行为和事务数据。然后应用ML算法 作为端到端推荐系统的一部分，在所有渠道提供个性化的自动化产品，最终实现了6%的销售额增长。 -销售。AI增强的销售策略将 转变企业对企业(B2B)和企业对消费者(B2C)销售 。特别是，人工智能将通过利用大量数据集来识别客户偏好和行为的预测分析来改善B2C市场的交叉销售机会。为了更好地在B2B领域竞争，电信公司可以利用价格优化算法 确保最大化收入的竞争性和战略性定价。AI的模式识别能力将识别最有前途的潜在客户，使潜在客户评分和资格认证流程受益。 -客户关怀。AI的潜力超越 初始部署聊天机器人和虚拟代理，以促进内部运营以及面向客户的流程。通过语音识别、文本到语音和大数据分析，客户将受益于个性化的客户参与 电信运营商将时间、语气、风格和渠道与他们的个人需求相匹配，以提供自然的、类似人的对话体验 。 AI还将能够基于数据分析提出下一个最佳报价；在南美实施中，一家全球运营商已经看到超过90 ％的意向认可，围绕下一个最佳报价。总体而言 ，AI将加快客户查询速度，降低客户流失估计减少3%-7%，服务成本减少2%-5%。 AICANELEVATE CUSTOMERENGAGEMENTTASKS 使用AI了解客户意图可以提高效率和有效性。互动可以转移到最佳可用的人工代理，他们将通过实时知识管理和聊天帮助获得授权。这种类型的项目贡献了50% 成本降低每次互动和20％增加客户满意度为一个大的欧洲运营商。然而，电信需要添加基于规则的方法，如知识图，以提供有针对性的过滤，以最小化风险 AI幻觉，尤其是合同。 卓越的技术工厂 除了面向客户的互动，AI还使电信公司能够在其网络中转变其技术运营并优化软件开发： -网络规划和优化。Telcos 要成功规划和优化网络，面临一系列挑战，从复杂的系统到不正确的资源利用和不断增加的带宽需求。人工智能分析和管理显着改善了不同基础架构和资产之间的流量路由和工作负载平衡，从而降低成本并实现质量最大化。 -防止网络故障和中断。 保持网络正常运行仍然是电信运营商的首要任务 oML模型 通过分析来自网络传感器的数据，在问题发生之前识别问题，并进行预防性维护以防止中断 ，从而帮助预测潜在故障的可能原因。 -加强软件开发。在快速发展的技术环境中， 软件工程比以往任何时候都更重要。人工智能驱动的技术正在跨越四个关键阶段提供完善的软件开发生命周期： 1.初步规划和构想。使用NLP分析大量非结构化数据 （例如，用户反馈、市场趋势、系统日志），提供指导产品规划和建筑设计的见解。大型语言模型(LLM) 可以使用数据来创建用户角色并承担特定角色（例如架构师，工程师和产品经理）。像MetaGPT这样的多代理框架可以模拟协作计划和概念工作，从而显着提高软件开发的速度。 2.编码和测试。GenAI可以充当“副驾驶”，迅速起草初始代码 搜索编码解决方案，并作为一个易于导航的知识库。 这使得新应用程序和遗留应用程序维护的开发周期更快（参见图3）。 AI算法还可以自动化功能和性能测试，从而生成测试用例和测试数据，并确保更高质量和更快的交付。 3.迁移。AI通过代码转换支持或测试自动化，帮助将传统架构迁移到更标准化的商用现成应用程序或云平台。 4.无操作(NoOps)。通过将AI集成到监控和事件管理中，IT运营可以实现高度自动化。尽管NoOps的理想状态可能永远无法完全实现，但通过预测潜在问题并触发一级自动化程序以防止系统故障，AI驱动的运营非常接近。 -基础设施维护。维护和 服务他们的基础设施是电信公司的主要支出。而预测性维护和基础设施监控等方法 已经成熟，人工智能的最新发展正在两个领域改变这些方法： 1.高正常运行时间。AI驱动的异常检测和事件分类可提供更深入的细粒度分析，以查明网络降级的根本原因。这可能发生在网络中的多个点 -访问，传输网络或核心组件-还可以指定问题的性质，例如干扰，拥塞或高负载。与新的决策支持方法结合使用时，任务的自动化优先级可以创建减少事件的能力。 图3.遗留代码分析-案例研究 Product MVP 可行性 原型 SCOPE 了解并记录公司的代码库提高代码质量以实现更高效的代码库分析潜在的安全漏洞 RESULTS 实现了高达30%的时间效率增益为公司的5个SDLC阶段制定了具体战略创建代码可视化，以便更深入地理解 SUCCESSFACTORS 将LLM使用自我提示作为个性化应用程序与本地,半自治通过使用公司- 用户和API数据系统拥有的数据集 1 p配置bot（例如，e） 罗格语言 3 Bot产生 r均衡输出 s 2 半自主机器人允许在每个流程原型之后进行人类交互 Bot架构结合了插件、外部搜索工 具和本地文件 前端应用程序的用户研 究 来源：ArthurD.Little MAINTAININGANDSERVICINGTHEIRINFRASTRUCTURE 是一个MAJOREXPENSE FORTELCOS 2.语境化的见解。用户可以根据他们的经验或当前需求个性化他们所看到的内容的技术深度,从而更快地采用。 这两个因素产生了一种新的、更全面的基础设施方法 监控可将网络停机时间减少多达30%，并最大限度地减少资源浪费，从而提高客户满意度和降低运营成本。 AI增强的核心流程 GenAI和NLP除了文本生成之外，还具有广泛的应用可能性，可在各种电信业务流程中扩展。这些功能通过彻底简化和自动化为多个部门带来变革性的好处： -金融。电信财务部门可以 利用人工智能做出数据驱动的决策，优化资源分配，简化流程，最大限度地降低财务风险。AI可以提供对收入趋势和成本模式的准确实时洞察 通过预测分析，同时自动化常规任务（例如发票处理和财务报告），可以减少手动错误并提高运营效率。AI驱动的欺诈检测系统将通过识别和防止欺诈活动来加强安全措施并降低风险。 -HR.人工智能可以简化人力资源部门的招聘，培养更高效和 以员工为中心的环境，简化工作密集型任务，增强人才获取并提高员工保留率。预测性分析可以帮助预测员工需求，以实现主动的人才规划和战略招聘。通过人工智能驱动的绩效管理工具，可以节省更多时间 对员工生产力的客观洞察，促进公平的、数据驱动的绩效评估。此外，人工智能可以帮助识别与员工离职相关的模式，并支持主动保留策略的实施。 -采购。通过结合AI， 采购团队可以通过自动化降低成本，从而改善预测和库存管理。在分析历史采购数据的同时，可以自动执行常规任务，如订单处理、供应商选择和库存管理 未来，人工智能将通过评估供应商绩效、监控市场趋势和识别潜在干扰来改善供应商风险管理。