통신 산업의 변화를 주도하는 생성형 AI

생성형 인공 지능(AI)이 2023년에 주류로 부상하면서 기업에서 엔터프라이즈급 버전을 프로세스에 통합해야 하는 불을 지폈습니다. 2024년까지 최고 경영진의 60%가 어떤 식으로든 생성형 AI를 시범 운영하거나 시범 운영할 계획을 세우고 있습니다. 이는 생성형 AI의 공개 플랫폼이 전 세계에 획기적인 기능을 일깨웠음을 나타냅니다.

특히 통신 서비스 제공업체(CSP)와 네트워크 장비 제공업체(NEP)의 경우 생성형 AI는 모든 운영 방식과 고객 참여를 개선하는 데 도움이 될 수 있는 엄청난 잠재력을 지니고 있습니다. 특히 생성형 AI는 고객 관리, IT 및 네트워크 최적화, 디지털 노동 등 자동화가 민첩성과 효율성을 높이는 데 크게 도움이 될 수 있는 모든 영역을 변화시킬 것입니다. CSP와 NEP에는 일반적으로 대규모 지원 센터가 있으며 IBM은 모든 에코시스템 플레이어 간의 워크플로우를 혁신하는 데 도움을 줄 수 있습니다. AI가 에코시스템의 혁신에 기여할 수 있는 몇 가지 방법은 다음과 같습니다.

고객 관계를 관리하는 업무는 전통적으로 전화를 걸고, 이메일에 응답하고, 솔루션을 마련하는 등 사후 대응적인 업무입니다. 이러한 상호 작용에 생성형 AI를 주입하면 고객 만족도를 높이고 새로운 수익원을 창출할 수 있는 잠재력이 있는 보다 적극적인 치료로의 전환을 지원하는 데 도움이 됩니다. 일상적인 Q&A 유형을 제거하여 고객 관리 상담원이 복잡한 사례에 집중할 수 있도록 하는 것은 Net Promoter Score와 직원 만족도를 동시에 해결할 수 있는 완벽한 사례입니다.

챗봇은 오랜 시간 동안 사용되어 왔지만 종종 고객에게 실망스러운 경험을 줄 수 있습니다. 생성형 AI는 기본적인 Q&A를 넘어 부정적인 감정을 식별하고 티켓을 적절한 상담원에게 분류하도록 학습하여 추가 에스컬레이션을 줄이고 상담원이 빠르고 적절하게 응답할 수 있도록 할 수 있습니다. 챗봇 기술은 전화 상호 작용에도 적용할 수 있어 고객 관리 프로세스를 더욱 개선할 수 있습니다.

또한 AI는 판매를 촉진하고 고객 경험을 최적화할 수 있는 개인화된 마케팅과 함께 고객의 요구와 문제를 예측하는 자동화된 홍보를 추진하는 데 도움이 될 수 있습니다. 예를 들어, AI는 현재 사용량 및 요금제, 디바이스 소유권 수명 주기, 서비스 경험 및 업그레이드 오퍼 확장과 같은 오퍼를 구축하기 위한 다양한 입력을 살펴보고 오퍼링을 기반으로 더 많이 구매하거나 서비스를 유지하도록 인센티브를 받을 수 있습니다. 이는 이탈을 줄이고, 사용자당 수익을 개선하고, 구독자 확보 비용을 낮추는 데 도움이 될 수 있는 잠재력이 있습니다.

AI는 통신 네트워크의 성능, 효율성 및 안정성을 개선하는 데 도움을 줄 수 있으며, 이는 다양한 고객 세그먼트의 증가하는 요구를 충족하는 데 필수적입니다. AI 도구는 실시간 데이터 분석과 예측 포캐스팅을 통해 네트워크 운영 센터에서 일하는 직원과 네트워크 엔지니어가 혼잡과 다운타임을 완화하는 데 도움을 줄 수 있습니다. 5G 네트워크가 계속 확장됨에 따라 지능형 로드 밸런싱과 트래픽 쉐이핑에 대한 필요성이 커질 것입니다.

AI로 강화된 네트워크 최적화는 고객을 위한 서비스를 향상시켜 회사의 경쟁 우위를 강화할 수 있을 뿐만 아니라 리소스에 대한 부담을 해결하고 CSP와 NEP 모두가 리소스의 과잉 또는 부족 프로비저닝을 방지할 수 있도록 지원함으로써 운영 비용을 관리하는 데 도움이 될 수 있습니다.

CSP는 watsonx.ai를 활용하여 AI 및 머신 러닝 기능을 학습, 검증, 조정 및 배포하여 네트워크 성능을 최적화할 수 있습니다. 왓슨스(Watsonx)의 오픈 소스 프레임워크와 SDK 및 API 라이브러리는 통신사들이 이미 네트워크를 감독하는 데 사용하고 있는 기존 소프트웨어 플랫폼에 AI를 보다 쉽게 구현할 수 있도록 설계되었습니다.

AI의 주요 이점 중 하나는 더 일상적이고 시간이 많이 걸리는 작업을 자동화하는 생산성 도구로서의 힘을 통해 직원들이 더 높은 수준의 활동과 작업에 집중할 수 있다는 것입니다. 오늘날 많은 직원들이 일상 업무에서 끊임없는 화면 전환과 함께 엄청난 수의 수동 프로세스나 단편화된 툴링을 사용합니다. 좋은 예가 로보틱 프로세스 자동화(RPA)를 사용하여 워크플로를 간소화하고 직원들이 다양한 작업을 보다 쉽게 처리할 수 있도록 앱에 연결하는 IBM Watson Orchestrate를 사용하는 것입니다.

AI 개선 사항을 구현하기 전에 CSP와 NEP가 이러한 강력한 도구를 가장 효과적으로 만들기 위한 조직 전략을 개발하는 데 주의를 기울이는 것이 중요합니다.

AI는 데이터에 의존하지만, 많은 조직이 여전히 다양한 시료 저장소를 운영하고 있습니다. CSP와 NEP는 멀티클라우드 환경에서 데이터의 쉬운 흐름을 촉진하고 해당 데이터의 품질에 대한 통찰력을 제공하는 하이브리드 정보 아키텍처를 정의하고 구축해야 합니다. watsonx.data는 CSP와 NEP가 쿼리, 거버넌스 및 데이터에 대한 유연한 액세스를 지원하는 개방형 레이크하우스 아키텍처를 기반으로 구축된 데이터 스토어 전반에서 AI를 확장할 수 있도록 하여 이 프로세스를 쉽게 만들어 줍니다. watsonx.data를 사용하면 CSP 및 NEP 내의 비즈니스 기능은 단일 진입 지점을 통해 데이터에 액세스하고 스토리지 및 분석 환경에 연결하여 데이터에 대한 신뢰를 구축하고 감사 가능한 소스에서 작업할 수 있습니다.

CSP와 NEP는 철저한 조직 및 데이터 전략을 개발하여 AI 프레임워크의 능력과 윤리를 극대화할 수 있을 뿐만 아니라 이러한 방법론을 적용하여 기업 고객을 자신의 여정에 안내할 수 있으므로 프로세스에서 추가 수익원의 잠재력을 열 수 있습니다.

AI의 역량이 발전함에 따라 기업은 두 가지 경로 중 하나를 선택해야 합니다. AI를 다양한 비즈니스 측면을 위한 추가 도구로 보는 조직이 있을 것이고, AI를 우선시하는 조직도 있을 것입니다. 후자의 길을 택하는 CSP와 NEP는 비용 절감, 서비스 품질, 고객 경험 측면에서 경쟁사보다 우위를 점할 수 있으며, 이러한 우위는 향후 10년 동안 AI가 성숙함에 따라 더욱 심화될 수 있습니다. 

watsonx와 같은 IBM의 AI 제품이 통신 산업에 어떻게 기여할 수 있는지 자세히 알아보려면 9월 26일부터 28일까지 라스베이거스 컨벤션 센터의 웨스트 홀에서 열리는 MWC 라스베이거스 부스(#1010)를 방문하세요.