AI 在电信领域的应用

电信行业持续投资人工智能 (AI)，以便为客户提供更好的服务并提高盈利能力。

与其他行业的公司一样，电信公司也明白，自己的未来由人工智能驱动。采用 AI 服务有助于这些公司更好地服务客户、提高效率并最终提高盈利水平。

IBM 商业价值研究院对全球 300 家电信领导者进行的一项新调查发现，大多数通信服务提供商正在评估和部署跨多个业务领域的生成式 AI 用例。

Nvidia 在 2024 年进行的一项研究¹发现，近 90% 的电信公司在使用 AI，而其中有 48% 的公司处于试点阶段，另有 41% 的公司则正在积极部署 AI。根据 Nvidia 的研究，大多数电信服务提供商 (53%) 赞同或非常赞同采用 AI 可带来竞争优势。

电信行业应投资正确的 AI 技术与服务。如此一来，它们便可帮助组织充分发挥 AI 的能力。

AI 正为服务交付带来多项进步。

• 机器学习
• 深度学习
• 生成式 AI
• 数字孪生
• 智能自动化

机器学习可以帮助电信公司处理数据集（有时称为大数据）中的大量信息，以产生更多切实可行的洞察分析。机器学习通常涉及人类活动，以帮助系统更好地识别模式和执行任务。

它可以帮助那些电信公司利用历史数据与未来预测来开展预防性分析和预测性分析，以便更好地了解趋势并保持竞争优势。例如，它可解析客户数据以了解使用模式，并更好地预测何时需增加服务交付。

深度学习被视为机器学习的一个子集，只不过它需要较少的人工干预，且会使用多层神经网络来模拟人脑的复杂决策能力。电信公司可使用深度学习来获取针对其网络和客户数据的更多洞察信息。

生成式 AI在电信公司中的应用有几个关键用例，尤其是与客户体验相关的用例。公司可以利用它们更好地解决客户问题、创建个性化内容并集思广益进行战略改进。自然语言处理 (NLP)、生成式 AI 技术可以帮助电信公司处理许多不同的任务，而这些任务过去都需要手工完成。

示例包括软件开发协同试点、支持人员的内部知识管理，以及营销和销售部门的内容生成和个性化。

数字孪生体是对象或系统的虚拟表示，旨在为公司提供在不中断服务的情况下通过模拟测试变化的机会。许多数字孪生体包括实时功能，以最准确地反映真实物体或系统运行情况。电信公司可以使用数字孪生体测试网络基础设施的压力并识别不同的客户使用模式。

智能自动化将 AI、业务流程管理和机器人流程自动化 (RPA) 功能相结合，以简化和扩展跨组织的决策。

提供基于 AI 的服务的电信公司可享受多个优点。

• 高级数据和分析
• 强化的网络运营中心
• 更高的网络性能
• 提高销售增长
• 增强客户体验
• 大幅改善的客户服务

AI 可以提高预测性分析的水平，使其更加强大。电信服务提供商需要了解使用模式的变化，避免中断并提供适当的服务水平。AI 可以在整个电信组织和其合作伙伴内收集和分发有价值的洞察分析。

例如，AI 可帮助电信公司识别可能因网络体验不佳而流失的客户。IBM 商业价值研究院针对电信专业人员的研究发现，80% 的受访者认为各大企业已在使用 AI 从现有数据中生成新的洞察分析信息。

网络运营中心(NOC) 是电信公司的大脑。它是公司实时监控并管理其网络和系统以免出现中断和网络故障的集中位置。它可帮助改善工作流程、资源分配和容量规划，并减少潜在的欺诈活动。

AI 可以通过多种不同方式简化网络性能。

• 运营效率：电信运营商可以利用 AI 算法和AI 模型来分析其整体网络基础设施性能，检测使用模式并进行调整以改善延迟。最终，AI 有助于改善网络优化并降低运营成本。
• 预测性维护：电信运营商依赖于网络的正常运行时间。使用预测性维护来识别硬件或软件系统的潜在问题是一个非常宝贵的工具。电信公司可以在服务中断最小的时间安排维护，从而最大限度地减少客户流失。
• 自动化网络管理：人工智能可以实现网络管理各方面的自动化，如负载平衡、流量路由和容量规划。人工智能的使用可以根据当前和预期需求优化网络性能，最大限度地减少停机时间，提高服务可靠性。

McKinsey 的一项研究³ 发现，AI 可以将销售转化率提高多达 15%，并节省高达 10% 的资本支出成本。电信公司可以利用 AI 推动内容创作个性化、更有针对性的信息和媒体购买，并利用该技术不断改进未来的营销活动。

电信公司深知，将 AI 嵌入客户体验具备多项优势。AI 可通过在整个客户旅程中提供更为个性化的服务和营销来满足客户需求。

电信公司可利用 AI 工具来解析大量数据，从而分析客户行为和用户参与度。这些工具可提供个性化内容，以用于对广告客户进行高级细分。

AI 还可以改进客户旅程图，以确定潜在客户的流失原因以及客户无法成为重复购买者的问题所在。AI 可以优化客户接触点，使电信市场更加高效和有效。

最重要的是，AI 可帮助电信公司识别其客户的网络服务中存在的潜在问题⁴，以便在客户注意到之前便先行解决。

电信公司可以通过跟踪关键的客户满意度指标，如净推荐值 (NPS)、客户费力度 (CES) 和客户满意度得分(CSAT)，监控 AI 技术如何改善客户体验。

客户服务代表可以使用大型语言模型在通话期间更好地为客户提供帮助。AI 驱动的客户服务中心可以使用虚拟助理和AI 代理等应用程序来提高用户参与度，从而更快地解决更多客户的问题。这种方法可以提高他们的效率并帮助客户重返其他活动。

他们还可以为客户提供由人工智能支持的自助聊天机器人或会话式 AI助手来解决他们的问题，甚至无需与客户支持代表交谈。IBM 的研究发现，53% 的受访者已经在为客户服务部署或优化 AI，其余 47% 的受访者正在评估

虽然 AI 可为电信公司提供众多宝贵的优点，但它也存在某些固有的挑战。

• 管理初始投资
• 了解要使用哪些模型
• 与旧版系统进行整合
• 技能差距

采用任意新技术均需通过技术购买或许可证来进行投资。组织应分配资金以对 LLM 模型发放许可，且可能需投资于技能提升、再培训或雇用新员工。但通过采用正确的方法，此投资可通过提高整个组织的效率、改善客户体验以及实现更成功的客户服务来收回成本。

EY 的一项研究⁵ 发现，50% 的受访电信公司表示很难确定合适类型的生成式 AI 供应商。有几家知名供应商和越来越多的初创公司为特定行业提供定制服务。这就是为什么与合适的合作伙伴合作以评估选项，并规划最适合每家公司的解决方案的正确路径如此重要的原因。

很多电信公司可能仍在使用与现代 AI 系统不兼容的传统基础设施。要将 AI 工具集成到这些旧版系统中，可能需进行应用程序现代化改造并彻底改造 IT 基础设施（例如，引入混合云），而此举可能会产生额外成本。

升级这些系统可能会产生某些初始成本。但电信公司可预期到通过云能降低 IT 成本，而未来所需的升级和维护会更少，系统也会变得更高效。

采用 AI 可在很多方面改变组织现状。这要求很多（如果不是全部）员工学习新的技能，以便可将 AI 工具融入其岗位中。尽管如此，合适的培训计划却能解决缺乏经验的问题，并帮助员工为 AI 驱动式未来做好准备。商业价值研究院所开展研究的受访者表示，专业知识不足是采用生成式 AI 的最大障碍之一。

能提高其员工技能的电信公司可降低总体劳动力成本。其中的原因之一在于，招聘新员工的成本往往更高。而另一原因则是，技能提升的员工可比无法从 AI 中享受优点的员工更好地完成工作。

AI 已经融入网络，主要侧重于减少资本支出、优化网络性能并提供新的营收机会。

•  
• 5G
• 物联网
• 元宇宙和虚拟现实

5G 的长期推出预示提供更快的连接速度和通过 IoT 连接更多设备的能力，从而彻底改变客户与企业以及彼此之间的联系方式。

使用 AI 功能的电信公司可以改善 5G 网络管理，并通过预测性维护、增强安全性和更快推出来进一步优化这些先进网络。5G 的另一大优势是，它能够同时连接多个设备，而 AI 可以帮助简化这一流程并找到最快的连接路径。

此外，5G 技术还可帮助提升 AI 用户体验；例如，让客户更易从其手机上的生成式 AI 平台获得答案。

物联网 (IoT) 实现了打造互联设备全球网络的可能性，从而可推动各种用例的应用。例如，当智能冰箱检测到供应不足时，它可使用 IoT 来订购食品和饮料。

而在另一示例中，智能恒温器可在占用人身处办公室外时在冬季降低温度，并在他们返回时及时提高温度。这些设备可通过机器学习和其他 AI 技术变得更加智能，并可通过更大规模的 5G 网络部署而变得更为强大。

这两种技术的推出时间都比之前预期的要长。然而，许多人仍然认为，元宇宙以及虚拟和增强技术将是未来通信和娱乐的重要组成部分。

如果这两种技术之一变得越发重要，人们通过蜂窝数据来访问这些技术则可能会加大电信网络的压力。对于电信公司，采用先进的 AI 系统来帮助处理增加的网络负载至关重要。