통신 분야 AI

통신(텔레콤, 통신사) 업계는 고객에게 더 나은 서비스를 제공하고 수익성을 개선하기 위해 인공 지능(AI)에 지속적으로 투자하고 있습니다.

다른 산업 분야의 기업들과 마찬가지로 통신 회사들도 AI를 기반으로 한 미래가 다가오고 있음을 잘 알고 있습니다. 이러한 기업은 AI 서비스를 도입함으로써 고객에게 더 나은 서비스를 제공하고 효율성을 높이며 궁극적으로 수익을 개선할 수 있습니다.

글로벌 통신사 리더 300명을 대상으로 한 새로운 IBM 기업가치연구소(IBV) 설문조사에 따르면, 대부분의 통신 서비스 제공업체가 여러 비즈니스 영역에서 생성형 AI 사용 사례를 평가하고 배포하고 있는 것으로 나타났습니다.

Nvidia의 2024년 연구¹에 따르면 거의 90%의 통신사가 AI를 사용하고 있으며, 48%는 파일럿 단계에 있고 41%는 AI를 적극적으로 배포하고 있는 것으로 나타났습니다. Nvidia 연구에 따르면 대부분의 통신 서비스 제공업체(53%)가 AI 도입이 경쟁 우위를 제공할 수 있다는 데 동의하거나 전적으로 동의합니다.

통신 업계는 적절한 AI 기술과 서비스에 투자해야 합니다. 이를 통해 조직이 AI의 모든 기능을 활용할 수 있도록 준비할 수 있습니다.

AI는 서비스 제공 분야에서 여러 발전을 이루고 있습니다.

• 머신 러닝
• 딥 러닝
• 생성형 AI
• 디지털 트윈
• 지능형 자동화

머신 러닝은 통신사가 빅데이터라고도 하는 데이터 세트의 방대한 양의 정보를 분석하여 더 많은 실행 가능한 인사이트를 창출하는 데 도움이 될 수 있습니다. 머신 러닝은 일반적으로 시스템이 패턴을 더 잘 식별하고 작업을 수행하도록 돕기 위해 사람의 활동을 포함합니다.

이러한 통신사는 과거 데이터와 미래 예측을 결합하여 예방 및 예측 분석을 실행함으로써 트렌드를 더 잘 파악하고 경쟁 우위를 유지할 수 있습니다. 예를 들어, 고객 데이터를 분석하여 사용 패턴을 파악하고 서비스 제공을 늘려야 하는 시점을 더 잘 예측할 수 있습니다.

딥 러닝은 사람의 개입이 덜 필요하고 다층 신경망을 사용하여 인간 두뇌의 복잡한 의사 결정 능력을 시뮬레이션한다는 점을 제외하고는 머신 러닝의 하위 집합으로 간주됩니다. 통신사는 딥 러닝을 활용하여 더욱 깊은 인사이트를 얻어 네트워크 및 고객 데이터를 분석할 수 있습니다.

통신사에서 생성형 AI를 활용하는 데는 여러 가지 주요 사례가 있으며, 이러한 사례는 특히 고객 경험과 관련이 깊습니다. 기업은 이를 활용하여 고객 문제를 더 잘 해결하고, 개인화된 콘텐츠를 생성하며, 전략적 개선 사항을 논의할 수 있습니다. 자연어 처리(NLP)를 활용한 생성형 AI 기술은 과거에는 일일이 작업해야 했던 다양한 작업을 통신사에서 처리할 수 있도록 돕습니다.

이러한 예로는 소프트웨어 개발을 위한 코파일럿, 지원 직원을 위한 내부 지식 관리, 마케팅 및 영업 부서를 위한 콘텐츠 생성 및 개인화 등이 있습니다.

디지털 트윈은 사물 또는 시스템을 가상으로 표현한 것으로, 기업이 서비스를 중단하지 않고 시뮬레이션을 통해 변경 사항을 테스트할 수 있는 기회를 제공하기 위한 것입니다. 많은 디지털 트윈에는 실시간 기능이 포함되어 있어 실제 사물이나 시스템이 작동하는 방식을 가장 정확하게 반영합니다. 통신사는 디지털 트윈을 사용하여 네트워크 인프라에 대한 스트레스를 테스트하고 다양한 고객 사용 패턴을 파악할 수 있습니다.

지능형 자동화는 AI, 비즈니스 프로세스 관리 및 로보틱 프로세스 자동화(RPA) 기능을 결합하여 조직 전반에서 의사 결정을 간소화하고 확장합니다.

AI 기반 서비스를 제공하는 통신 회사에는 몇 가지 이점이 있습니다.

• 고급 데이터 및 분석
• 네트워크 운영 센터 향상
• 네트워크 성능 향상
• 더 큰 매출 성장
• 더 강력한 고객 경험
• 고객 서비스 강화

AI는 예측 분석을 개선하고 더욱 강력하게 만들 수 있습니다. 통신 서비스 제공업체는 사용 패턴의 변화를 이해하고 중단을 방지하며 적절한 서비스 수준을 제공해야 합니다. AI는 통신 조직과 파트너에게 귀중한 인사이트를 수집하고 배포하는 데 도움이 될 수 있습니다.

예를 들어, AI는 통신사가 열악한 네트워크 경험으로 인해 이탈할 가능성이 있는 고객을 식별하는 데 도움이 될 수 있습니다. 통신 전문가를 대상으로 한 IBM 기업가치연구소(IBV)의 연구에 따르면 응답자의 80%는 기업이 이미 AI를 사용하여 기존 데이터에서 새로운 인사이트를 창출하고 있다고 생각합니다.

네트워크 운영 센터(NOC)는 통신 회사의 두뇌 역할을 합니다. 이는 회사가 중단과 네트워크 장애를 방지하기 위해 네트워크와 시스템을 실시간으로 모니터링하고 관리하는 중앙 집중식 위치입니다. 이는 워크플로와 리소스 할당 및 용량 계획을 개선하고 잠재적인 사기 활동을 줄이는 데 도움이 될 수 있습니다.

AI는 여러 가지 방식으로 네트워크 성능을 간소화할 수 있습니다.

• 운영 효율성: 통신 사업자는 AI 알고리즘과 AI 모델을 사용하여 전체 네트워크 인프라 성능을 분석하고 사용 패턴을 감지하며 지연 시간을 개선하도록 조정할 수 있습니다. 궁극적으로 AI는 네트워크 최적화를 개선하고 운영 비용을 절감하도록 도움을 줍니다.
• 예측 유지 보수: 통신사는 네트워크 가동 시간에 의존합니다. 예측 유지 보수를 사용하여 하드웨어 또는 소프트웨어 시스템의 잠재적 문제를 식별할 수 있으므로, 이는 매우 유용한 도구입니다. 이를 통해 통신사는 서비스 중단이 최소화된 시간에 유지 보수 일정을 예약하여 고객 이탈을 최소화할 수 있습니다.
• 자동화된 네트워크 관리: AI는 로드 밸런싱, 트래픽 라우팅 및 용량 계획과 같은 네트워크 관리의 다양한 측면을 자동화할 수 있습니다. 이러한 AI 사용은 현재 및 예상 수요에 따라 네트워크 성능을 최적화하여 가동 중지 시간을 최소화하고 서비스 안정성을 향상할 수 있습니다.

McKinsey 연구³에 따르면 AI가 판매 전환율을 최대 15% 높이고 자본 지출 비용을 최대 10% 절감할 수 있는 것으로 나타났습니다. 통신 회사는 AI를 활용하여 콘텐츠 제작 개인화, 보다 정확한 타겟팅된 메시지 및 미디어 구매를 통해 향후 마케팅 캠페인을 지속적으로 개선할 수 있습니다.

통신사들은 고객 경험에 AI를 내장하면 여러 가지 이점이 있다는 것을 알고 있습니다. AI는 고객 여정 전반에 걸쳐 보다 개인화된 서비스와 마케팅을 제공하여 고객의 요구를 충족할 수 있습니다.

통신사는 AI 툴을 사용하여 대량의 데이터를 구문 분석하여 고객 행동과 고객 참여를 분석할 수 있습니다. 통신사는 광고주에게 고급 세그먼트에 사용할 수 있는 개인화된 콘텐츠를 제공할 수 있습니다.

또한 AI는 고객 여정 맵을 개선하여 잠재 고객이 이탈하고 고객이 반복 구매자가 되지 못하는 부분을 식별할 수 있습니다. AI는 고객 접점을 최적화할 수 있으므로 통신사는 보다 효율적이고 효과적인 마케팅을 할 수 있습니다.

가장 중요한 점은 AI가 통신사가 고객 네트워크 서비스에서 잠재적인 문제를 식별하는 데 도움을 줄 수 있다는 것입니다⁴. 이를 통해 고객이 알아차리기도 전에 문제를 해결할 수 있습니다.

통신사는 순 고객 추천 점수(NPS), 고객 노력 점수(CES), 고객 만족도 점수(CSAT)와 같은 주요 고객 만족도 메트릭을 추적하여 AI 기술이 고객 경험을 어떻게 개선하고 있는지 모니터링할 수 있습니다.

고객 서비스 담당자는 대규모 언어 모델을 사용하여 통화 중에 고객을 더 잘 지원할 수 있습니다. AI 기반 콜 센터는 가상 비서 및 AI 에이전트와 같은 AI 애플리케이션을 사용하여 고객 참여를 개선하여 더 많은 고객 문제를 더 빨리 해결할 수 있습니다. 이러한 접근 방식은 효율성을 높이고 고객이 다른 활동으로 돌아갈 수 있도록 도와줍니다.

또한 이들은 고객 지원 담당자와 상담하지 않고도 문제를 해결할 수 있는 AI 기반 셀프 서비스 챗봇 또는 대화형 AI 어시스턴트를 고객에게 제공할 수있습니다. IBM 연구에 따르면 응답자의 53%는 이미 고객 서비스를 위해 AI를 배포하거나 최적화하고 있으며 나머지 47%는 평가 중이라고 답했습니다.

AI는 통신사에 몇 가지 귀중한 이점을 제공하지만 몇 가지 내재된 과제도 있습니다.

• 초기 투자 관리
• 사용할 모델 파악
• 레거시 시스템과의 통합 
• 기술 격차

새로운 기술을 통합하려면 기술 구매 또는 라이선스를 통한 투자가 필요합니다. 조직은 LLM 모델에 라이선스를 부여하기 위해 자금을 할당해야 하며, 업스킬링, 리스킬링 또는 신입 직원 채용에 투자해야 할 수도 있습니다. 하지만 올바른 접근 방식을 사용하면 조직 전반의 효율성 향상, 고객 경험 개선, 성공적인 고객 서비스 제공을 통해 투자에 대한 성과를 거둘 수 있습니다.

EY 연구⁵에 따르면 통신사 응답자의 50%가 올바른 유형의 생성형 AI 공급업체를 파악하는 데 어려움을 겪고 있다고 답했습니다. 여러 유명 공급업체와 특정 산업에 맞춤형 서비스를 제공하는 스타트업이 증가하고 있습니다. 그렇기 때문에 모든 회사에 가장 적합한 솔루션을 찾기 위해 올바른 파트너와 협력하여 여러 옵션을 평가하고 올바른 경로를 계획하는 것이 매우 중요합니다.

많은 통신사는 여전히 최신 AI 시스템과 호환되지 않는 레거시 인프라를 사용하고 있을 수 있습니다.이러한 구형 시스템에 AI 툴을 통합하려면 하이브리드 클라우드 도입과 같은 애플리케이션 현대화 및 IT 인프라 점검이 필요할 수 있으며, 이로 인해 추가 비용이 발생할 수 있습니다.

이러한 시스템을 업그레이드하는 데는 초기 비용이 발생할 수 있습니다. 그러나 통신사는 클라우드를 통해 IT 비용 절감을 기대할 수 있으며, 향후 업그레이드 및 유지 관리가 더 적게 필요하고 더 효율적인 시스템을 구축할 수 있습니다.

AI를 도입하면 다양한 방식으로 조직이 변화합니다. 모든 직원은 아니더라도 많은 직원이 새로운 기술을 배워 업무에 AI 툴을 통합할 수 있어야 합니다. 하지만 올바른 교육 프로그램을 통해 이러한 미숙함을 해결하고 직원들이 AI 중심의 미래에 대비할 수 있도록 도울 수 있습니다. IBM 기업가치연구소(IBV) 연구에 참여한 응답자들은 생성형 AI 도입의 가장 큰 장애물 중 하나로 전문성 부족을 꼽았습니다.

통신사는 직원의 기술을 향상시켜 전체 인건비를 줄일 수 있습니다. 기술을 향상시키는 것보다 신입 직원을 채용하는 데 비용이 더 많이 드는 경우가 많기 때문입니다. 또한 향상된 기술을 가진 직원이 AI의 혜택을 누리지 못하는 직원보다 더 나은 업무를 수행할 수 있기 때문입니다.

AI는 이미 네트워크에 통합되고 있으며, 자본 지출을 줄이고 네트워크 성능을 최적화하며 새로운 수익 기회를 제공하는 데 중점을 두고 있습니다. 

• 5G
• 사물인터넷
• 메타버스와 가상 현실

5G의 장기간에 걸친 출시는 더 빠른 연결과 IoT를 통해 더 많은 디바이스를 연결할 수 있는 기능을 약속하여 고객이 비즈니스 및 다른 사람과 연결하는 방식을 혁신했습니다. 

AI 기능을 사용하는 통신사는 예측 유지 보수, 보안 강화 및 더 빠른 롤아웃을 통해 5G 네트워크 관리를 개선하고 이러한 고급 네트워크를 더욱 최적화할 수 있습니다. 5G의 또 다른 주요 이점은 한 번에 여러 장치를 연결할 수 있다는 것입니다. AI는 해당 프로세스를 간소화하고 이러한 연결을 위한 가장 빠른 경로를 찾는 데 도움이 될 수 있습니다.

또한 5G 기술은 고객이 휴대폰에서 생성형 AI 플랫폼에서 더 쉽게 답변을 얻을 수 있도록 하는 등 AI 사용자 경험을 강화하는 데 도움이 될 수 있습니다. 

사물인터넷(IoT)은 상호 연결된 디바이스로 구성된 글로벌 네트워크의 가능성을 열어 다양한 사용 사례를 지원합니다. 예를 들어, 스마트 냉장고는 식료품이 부족하다고 감지되면 IoT를 사용하여 식음료 품목을 주문할 수 있습니다.

 또 다른 예로, 스마트 온도 조절기는 겨울철 거주자가 사무실에 있을 때는 온도를 낮추고 이들이 돌아올 때에 맞춰 온도를 높일 수 있습니다. 이러한 디바이스는 머신 러닝 및 기타 AI 기술을 통해 더욱 스마트해지고, 5G 네트워크의 대규모 출시를 통해 더욱 강력해집니다. 

두 기술 모두 이전에 예상했던 것보다 출시 기간이 길어졌습니다. 그러나 많은 사람들은 여전히 메타버스와 가상 및 증강 기술이 통신 및 엔터테인먼트의 미래에서 중요한 부분이 될 것이라고 믿습니다. 

두 가지 중 하나의 중요성이 커지면 셀룰러 데이터를 통해 이러한 기술에 액세스하는 사람들의 경우 통신 네트워크에 대한 부담이 증가할 수 있습니다. 통신사는 네트워크의 부하 증가를 처리하기 위해 고급 AI 시스템을 통합하는 것이 중요합니다.