【IBM】2025年借助生成式AI重塑电信行业：分辨信号与噪声的7项关键策略研究报告

分辨信号与噪声的7项关键策略TMForum是一个全球性的电信和技术公司联盟，致力型历程的平台。我们是唯一将全球十大通信服务和所有主要超大规模云计算商视为活跃战略成员组织。我们拥有800多名合作伙伴，致力于重新塑造IBM通过混合云和AI优先的方法，帮助通信服务提供商在整个价值链中推动业务和交付转型，从而释放新的收入潜力。我们的解决方案有助于优化网络运营；在客户、员工、边缘设备等各个领域提供差异化体验；以及加强网络安全。如需了解更多信息，请访问：/industries/telecommunications如今，电信行业在全企业范围内利用生成式AI速学习如何应对这些变化带来的商业机会与挑战，从而积极影响业务。通信服务提供商迫切希望能够利用生成式AI的力量，包括评估多个业务领域的多个用例，以及增加望之间存在较大差距，这是一个令人担忧的问题。只有三分之一的受访电信高管认为其组织能够有效利用生成式AI。而更令人担忧的是，60%的受访者承认其组织的数据集成构建坚实数据基础对生成式AI的成功至关重要。正如TMForum现代数据架构行业合作集成外部数据，开发现代数据架构。通信服务提供商需要优先建立数据基础设施，并采此外，在生成式AI的采用过程中，通信服务提供商需要决策若没有经过深思熟虑，可能会影响企业的长远发展和技术方向，这往往也是通信服务提供商所忽视的。为了降低风险，运营商必须在积极尝试与慎重考虑架构和大语言模最后，成功的关键在于选择最具回报的用例，保持正确的心态，并采取稳健的技术决策通过仔细规划和开展合作，通信服务提供商可以更有效地发挥NikWilletts“徒具速度而无方向，乃是短视。AI的真正潜力在于将其深思熟虑地融入到业务的方方面面……”DenaAlmansoori电信行业对生成式AI的潜力表现出随着众多用例的提出，高管们预计这项技术将在未来三年对准备不足和资源限制的担忧，削弱只有不到四分之一的受访高管表示已经明确如何通过生成电信高管在推进生成式AI过程中必着眼于这些因素有助于组织快速且审慎地从实验过渡到富34“变革的速度之快，令我们难以有足够的时间进行战略思考，但战略思维是不可或缺的。”KenKomazawa，最近的一份报告中，通信服务提供商确定了100多个IBM商业价值研究院（IBMIBV）对300位全球电信行业领导者的调查首先是积极方面。通信服务提供商的投资重心正在转向生成式AI，生成式AI在总AI支出中所占比例预计将在未来两年内增长37%。此外，受5通信服务提供商正在评估和部署生成式AI在多个业务领域的用例。O问：贵组织在以下职能中采用生成式AI的情况如何？6生成式AI也给电信行业领导者带来了挑战。只有不到四分之一的受访高管表够的时间进行战略思考，但战略思维是不可或缺的。”随着众多用例的提出，高管们预计生成式AI将在未来三年加速产品/服务问：AI（包括生成式AI和基础模型）将在多大程度上通过这些领域支持业务模式创新？百分比表示回答“在很大程度上”和“在一定程度上”的总和。7采用生成式AI：45%的受访高管认为准备程度一般，为资源限制（包括人才和技术）是采用生成式AI的主明确的方法来采用这项技术。BhartiAirtel首席信息官PradiptKapoor担心，通信服务提供商在进行关键机会和风险。他表示：“大型企业对于所做决克服在生成式AI采用过程中面临的不确定性。理解并解决这些问题可以帮助组织快速且审慎地从实“徒具速度而无方向，乃是短视。AI的真正潜力在于要采取AI优先的方法，对业务进行战略转型。”以下关键因素可以帮助通信服务提供商在采采用障碍212134345 5问：贵组织目前采用生成式AI面临的最大障碍是什么？采用生成式AI的2244选择模型并决定所需的789通信服务提供商正在探索大量生成式AI用例，领先的通信服务提供商则具备战略思能够识别快速成效和长期机会（请参见“观点：BhartiAirtel联合开发生成式AI解决方一种方法是：从低风险的实验开始，提升员工效率，例如使用生成式AI创建营销活动内技术实施的复杂性以及缺乏足够的技术人才是电信企业在实施生成式AI时的主受访者还专注于寻找那些能够根据战略对齐、财务投资回报率和最终用户收益提供最大高管们根据六项关键标准来评估生成式AI用例。最终用户获益财务投资回报率实施复杂度问：贵组织优先选择生成式AI用例的关键标准是什么？10如前所述，客户服务、IT（包括网络运营）和信息安全已经成为生成式AI部署的主要通信服务提供商正在根据可能带来的价值和实际部署的可行性来确定最具前景的客户432432高低高生生信息来源：IBMIBV分析域采用的生成式AI能力。以增强知识搜索为例，我们的分析表明，这不仅是客户服务、IT/网络运营和信息销售等领域。该用例使用生成式AI算法来改进现有知更迅速地找到更准确的信息。2在评估用例时，NTT的Komazawa建议，跨职能团队服务作为唯一的最佳起点，尽管生成式AI可以带来长特别是在考虑企业的规模和地区差异时，必须权衡AIKapoor建议，长期价值通常可以通过更好地映射客户式AI用例。他说道，“这与数据货币化有关，电信企解决如何在没有聚合商的情况下互相共享数据的您认为生成式AI能帮助您解决的该解决方案如何与您的整体战略对如何将用例应用于其他类似的业务您认为生成式AI能帮助您解决的该解决方案如何与您的整体战略对如何将用例应用于其他类似的业务1112尽管许多运营商倾向于将其AI开发和实施的资源和决策集中在一个部门或与任何新兴技术一样，必须经历一个意识提升、进行了技术普及，通过演示和亲身体验来介绍生成式AI的概念以及应用。他继续说道，“我们还尝试将创意生成过程模板化，通过提出适当的问题来识别具有业务价值的用例。然后，我们与数字（产品和工程）团队合作，看看他们根据我们现有的数据和技术能够做些什么。”成式AI在多个领域推动价值创造，聚焦提升客户服务、降低–员工聊天机器人允许员工询问诸如“我还有多少假期？”或“育儿政策–呼叫中心的所有来电都会自动生成通话记录和摘要，并自动上传到客户交互历史记录中。进一步对通话进行情感分析。这些举措显著缩短了平–一些账单的催收电话现在采用了生成式AI驱工作已初见成效，将100人的团队的未付款账单支付率从60%提高到可信的高质量数据是生成式AI的命脉。这e&集团的Almansoori说道，“电信企业拥有大用第三方生成式AI模型的理想选择。然而，只有拥有合适的工具和人才这种数据优势。”通信服务提供商首先应检查是否拥有与每个用例相关的，准确、完整和最新的数据。这需要收集不同领域的数据并进行整合，如客户互动、网络性能指标和外部数据提供商。这还可能涉及非运营商数据。例如，天气和交通数据可以用于预测网络问题，竞争对手在评估这些数据时，通信服务提供商必须考虑数据隐私和安全法规，这些法规会影响关于如何使用、保护和存储客户数据的决策（例如存储在本地还是云端）。事实上，71%的高管担心数据法律会限制他们在生成式AI模型中的数据流动和使用。超过三分之一的受访者（37%）担心网络安全黑客会操控他们的生成式AI模本的数据安全原则，以保护模型的输入和输通信服务提供商还必须防范数据中的潜在偏差。这意味着要追踪模型中所使用数据的来13创新，但很少有电信企业考虑到这点。”我们的数据还表明，只有30%的受访者预计生成式AI60%的受访者承认他们的数据集成能力仍处于不成熟成式AI用例的数据。数据织物架构等先进解决方案可以支持多个数据管道和云环境的端到端集成。5Kapoor说道，“分类明确、易于理解的高质量数据是首先应投资数据平台。”14您的数据基础设施是否支持集成各您的数据治理政策和程序是否支持在生成式AI模型中负责任地使用生成式AI模型迅速发展，为通信服务提供商提供了多种选择。以及开放模型（如Meta的Llama和MistralAI的Mixtral）。有些模型是多模态的，能他们已经构建了自己的大语言模型。他说道，“从地缘政治角度来看，日本是一个独特选择一种或多种模型并非易事。最终，通信服务提供商可能需要多种模型，以提供更高的准确性和更多的功能。多模型的选择和部署虽然能更高的成本和复杂性。通信服务提供商需要谨15–提示工程。这一过程包括设计和测试不同的提示或输高质量响应的提示。提示工程是一种提升模型模型添加更多特定的或新的信息。9–检索增强生成（RAG）。这项技术利用外需要将模型与持有附加数据的系统进行集成。10–微调模型。这种方法使用少量特定任务的数据来调整），然是一项成本较高的技术。11AI与现有技术有效集成是一项严峻的挑战。e&集团的Almansoori指出，“尽管AI的优势显而易见，但采用AI需要在前期妥善处理与传统系统的互操作性问题。行的分阶段集成方法是关键所在。”16贵组织将如何处理来自供应商的模）？生成式AI模型的使用是否会改变工作流程？它将如何融入当前的运营贵组织将如何处理来自供应商的模）？生成式AI模型的使用是否会改变工作流程？它将如何融入当前的运营模型决策过程的透明度如何？供应17联合领先的通信服务提供商，该团队在优化城市环境中的无线接入网络(RAN)参数方面取得了突破。通过定制和微调基础模型，使其与移动据兼容，电信企业在提高网络性能的同时，也提升了网络的覆盖范围。概念–识别性能不佳的基站。生成式AI能够识别性能不佳的基站，有效优化资–调整最优配置参数。生成式AI能够帮助电信企业根据网络状况调整最优–多变量分析。多变量分析能够帮助电信企业评估新特性或新功能对网络性–网络模拟器。使用基础模型预测配置变化的影响，从而迭代调整参数，优化网络关键绩效指标。这种模拟驱动的方法将彻底改变通信服务提供商优化网络性能的方式，利用数据洞察使得决策更加科学，并在市场中保持竞18生成式AI解决方案并不是简单添加到现有还需要技术上的深度整合。这项技术要求通信服务提供商考虑整个解决方案生命周期中–云支出。除了托管生成式AI应用的成本，还需考虑应用生成数据的额外存储成本。还必须重新审视云计算和传统基础设施战略，以确保它们对生成式–人才成本。必须考虑短期和长期的人才计划，包括开发人员、数据管理人员和安全团队的再培训和招聘优先事项；加强安全教育，改善风险管理和提供有吸引力的产品/服务来推动业务价值。例如，IBM决方案试点显示，市场营销内容创作的成本最多可降低40%，遏制潜在网络威胁的速度最多可提高8倍，自动客户服务解决方案提供的答案准19为了更好地了解解决方案的财务价值，通信服务提供商可以使用价值树来评估该解决方新客户的百分比、新产品收入的百分比、销售周期时间、营销投资回报率以及检测和响应网络安全事件的平均时间等（见图6）。15与关键业务绩效指标对齐的价值树有助于识别生成式AI解决方案的财务价值。管理产品/服务开发成本信息来源：IBMIBV对标值项目通过价值树构建有效的商业论证需要技术团队和财务术领导者和财务团队之间的紧密合作可以将技术愿景和指标转化为明确的业务效益和投资回报率预测，同时优化投资，确保项目结构合理，最大限度地提高投资回报率。”20您希望通过生成式AI用例改善哪些关键绩效指标？您期望增加收入还是降低实现目标最具成本效益的训练模型方式您希望通过生成式AI用例改善哪些关键绩效指标？您期望增加收入还是降低实现目标最具成本效益的训练模型方式您的技术团队和财务团队之间是否建立21理能够确保AI安全运行且合乎伦理。AI的治理框架必须能够识别和防范技术带来的风险，例如算法偏见、歧视以及对个人隐私的侵犯。同时，AI的决策过程需要具备可解释性，以增强用户的信任和接受度。16e&集团的Almansoori表示，“数据准确性和偏见问题不容小觑。由于电信企业拥有对用户的个人数字信息流的独特访问权限，并充当网络监管角色，我们观察到监管机构和客户，对数据主权、隐私和模型可解释性问题的关注不断增加。”潜力，饱受期待。但由于治理问题，我们未能做出部署决策。”高管们对传统的AI治理充满信心，78%的受访者表示他们已经建立了明确的组织结构、政策和流程。例如，为保护知识产权，组织需要为员工如何使用生成式AI制定准则，并且治理框架应当解决使用基于大量数据预训练模型可能出现的问通信服务提供商不断推进生成式AI用例，e&集团的Almansoori建议更新现有的传统AI治理框架，以应对–加大对可解释性和透明度的关注。生成式AI需要对清晰的理解。通信服务提供商需要展示生成式AI创–生成式AI相关的独特风险。监管框架和标准不断发随着AI技术的发展，将会出台更多的功能限制和监管要求，通信服务提供商必须确保其AI技术符合最–人机协作。随着AI与人类协作的性质不断演变，通信服务提供商需要制定指导方针，管理人类与AI的互动，明确AI协助时决策责任的归属，并在关键任–数据隐私和完整性。生成式AI依赖大量训练数据，这引发了对偏见以及无意中使用版权数据的担忧。17遵循负责任的AI原则不仅符合道德和法律要求，还有助于提升企业的市场竞争力。Almansoori表示，“若并比那些迟迟未采用更合乎道伦理实践的竞优势。夯实基础是关键。”22您的解决方案将部署在哪些国家？这些您的解决方案将部署在哪些国家？这些23更新其治理框架产生重大影响。该法案要求各组织确保被视为“高风险”的AI应用是安全、透明的，并严格遵守隐私法律。18但除了欧盟的《人工全球范围内逐步建立，涉及从美国州级法律到国家层面。19例如，加拿大正在推进《人工智能和数据法案》，印度提出了《数字印度法案》，中国推出了多个治理倡议，而澳大利亚则强调现有的AI监管结构。20e&集团的Almansoori举例说明了法规将如何适用于通信服务提供商：展示聊天机器人如何生成其响应，避免生成具有欺骗性或误导性的营销信息24受访高管认为，专业知识不足是采用生成式AI的最大障碍之一，但在e&集团的Almansoori看来，这是一个更为深层的问题。她指出，“战略性的人才招聘和技能提升是一大挑战，那些行业领先的公司正在积极培养内部卓越的AI中心，而不仅仅依赖招聘。他们正在投资于人才的再培训。”e&通过建立AI能力中心和CitizenX项目，确保员工在这些项目中获得广泛的培够更加深入地理解AI技术，并具备解决实际问题的能力。e&在2021年推出了AI毕业生项目，确保所有新招聘的毕业生都能熟练与以往的技术（如云或网络基础设施）一样，通信服务提供商可以依靠业务合作伙伴来弥补AI技能方面的差距。事实上，我们的受访者正寄希望于此：74%的受访者表示当前的生态系统合作伙伴对他们的生成式AI创新工作至关重要。76%技术合作伙伴可以提供专业的AI解决方案，无需通信服务提供商彻底改造其传统基础设施。然而，Almansoori再次提醒不要过度依赖合作伙伴。她说道，“过度依赖特定供应商的专有技术和解决方案，会限制组织在动态市场中的长期战略灵活性和市场竞争力。此外，如果没有协调一致的内部AI能力建设，电信企业可能难以实现所需的规模。”电信领导者也认识到，员工对AI的担忧可能会对实施造成挑战。Almansoori说道，“组织惰性、缺乏优先级划分以及对变革的抵触情绪，可能会严重阻碍AI的期望和对工作流失的担忧。”Almansoori指出，e&的目标是“确保负责任的过渡，利用生成式AI创造新机会，并重塑现有角色。与其将其视为人类与AI之间的对立，将其视为互补力量，增强彼此的能力更为准确。”您需要在内部培养哪些能力（如AI、机器学习、数据科学、提示工程等如何创造一种有利于生成式AI发展的您需要在内部培养哪些能力（如AI、机器学习、数据科学、提示工程等如何创造一种有利于生成式AI发展的文化，让员工从担忧转变为热情？21业务合作伙伴可以在短期和长期内发挥什么作用，帮助启动和确保生成式AI25您选择的生成式AI模型是否提供了所您可以建立哪些系统或委员会，以保持对最新生成式AI您选择的生成式AI模型是否提供了所您可以建立哪些系统或委员会，以保持对最新生成式AI进展、安全风险和法式AI解决方案的效果。领导者需要对生成式AI项目进最重要的是，鉴于生成式AI发展迅速，通信服务提供他说道，“应该仔细监控生成式AI领域中的服务。仔律和监管要求。”真正提供创新的服务，并在市场中获得竞争优势。”26作者/in/1rahulk/Entertainmentindustry,IBMeoin.coughlan@/in/eoincoughlan/priya.kurien@/in/priya-kurien球24个国家的300名电信行业高管开展了一项访谈式受访者被要求分别评估各个职能领域中生成式AI用例的价值和可行性。IBMIBV分析了受访2024年4月，我们精心挑选了电信行业领先企业的部2728IBM商业价值研究院(IBMIBV)成立二十年来，凭借IBM在商业、技术和社会交叉领域的独特地位，每年需要IBV最新研究成果，请在/ibv上注册以接收IBV的电子邮件通讯。您可以在Twitter上关注@IBMIBV，或通过https://ibm.co/ibv-li访问IBM商业价值研究院中国官网，免费下载研究报告：/ibv/cnhttps://ibm.co/telecom-2030https://ibm.co/telecoms-revenue-opportunitieshttps://ibm.co/securing-generative-ai研究洞察致力于为业务主管就公共和私营领域的关键问调查的分析结果得出。要了解更多信息，请联系IBM研究方法与技术，帮助他们在瞬息万变的商业环境中保291BuildinganAIstrategy:Telcosputthefoundationsin/research-and-analysis/reports/building-an-ai-strategy-telcos-put-the-foundations-in-place2Garay,Caroline,JadenSibrian,andVictor“ScaleknowledgemanagementusecaseswithgenerativeAI.”IBMThinkBlog.July27,2023.https:///blog/scale-knowledge-management-use-cases-with-generative-ai/3InterviewwithBhartiAirtelCIO,PradiptKapoor.April19,2024.Whatmattersnow.IBMInstituteforBusinessValueinpartnershipwithAmazonWebSerhttps://ibm.co/securing-generative-ai5“Whatisadatafabric?”I2024./topics/data-fabric6“GenerativeAI.”AIBusiness.October10,2023.https:///nlp/how-smaller-llms-could-slash-costs-of-generative-ai7Rouse,Margaret.“MultimodalAI(MultimodalArtificialIntelligence).”Techopedia.July4,2023.https://www./definition/multimodal-ai-multimodal-artificial-intelligence8BuildinganAIstrategy:Telcosputthefoundationsin/research-and-analysis/reports/building-an-ai-strategy-telcos-put-the-foundations-in-placeMarch26,2024./blog/prompt-engineering-vs-finetuning-vs-rag/10Ibid.11Ibid.12BasedonaninterviewwithIBMResearch,AprNovember15,2023./2023/11/what-ceos-need-to-know-about-the-costs-of-adopting-14BasedonIBMinternal15Telecommunicationsindustryvaluetree.IBMInstitute16“WhatisAIgovernance?”IBMwebsite.Acc2024./topics/ai-governance9,2024./generative-ai-govern