生成 AI 如何振兴电信公司的盈利能力

技术、媒体和电信实践 生成AI如何振兴电信公司的盈利能力 新技术为该行业提供了扭转其停滞不前的命运的真正机会。但是要抓住它，就需要将创新和敏捷性拥抱到前所未有的程度。 本文由Stephen Creasy，Ignacio Ferrero，Tom á s Lajous，V í ctor Trigo和Benjamim Vieira共同撰写，代表了麦肯锡技术，媒体和电信实践的观点。 在激烈的竞争中和削减成本的电信公司，早期证据表明，在经历了十年的停滞之后，生成人工智能（generative AI）可能是重新点燃增长的催化剂。但这是一个开创性的差异化因素还是简单的赌注？ 通过改进客户生命周期管理来提高客户收入，并果断地降低所有领域的成本。 然而，虽然我们调查的130家电信公司几乎都在使用geer AI做一些事情，但我们的调查结果表明，该行业存在明显的谨慎和怀疑感。超过85%的受访高管谨慎地将超过20%的收入或成本节约影响归因于领域，他们对客户服务的彻底转型抱有最大的热情(图表1)。 该技术已经有望成为该行业的新规范。我们调查的大多数电信领导者1说他们正在开发从试点到全面部署的GeeAI解决方案，AT＆T，SKTelecom和沃达丰等领先的电信公司已经做出了广泛宣传的早期GeeAI承诺并启动了试验。世界各地的一些电信公司已经开始体验到这种技术带来的显著的两位数百分比影响。一家欧洲电信公司最近将营销活动的转化率提高了。 这种乐观和克制的融合凸显了行业面临的关键时刻。抓住genen AI机会来区分服务并实现可持续增长，将需要陷入困境的行业拥抱创新，探索和敏捷性达到前所未有的水平，并从脱钩的AI努力转向整体的AI原生电信。2 40％，同时通过使用gener AI个性化内容来降低成本。一家拉丁美洲电信公司通过使用gener - AI驱动的建议增强座席技能和知识，将呼叫中心座席的生产率提高了25％，并提高了客户体验的质量。 The chance for telcos to make this change has never beenmore accessible. The industry has struggled these last - plusyears to achieve the potential of “traditional ” AI, given thecomplexity and legacy processes involved. In addition toAI可以带来全新的用例和应用程序的重大影响，它能够从大量不同的数据中学习并以接近人类的方式进行交互，这可能是加速更广泛的AI程序和构建块的转折点，使它们成为可能，推动整个公司的转型。 最令人印象深刻的是，这些电信公司在短短几周内就部署了这些模型-第一个在两周内上线，第二个在五个星期内上线。对于一个利用业绩好坏参半的行业减缓创新的新技术和遗留系统，这些早期结果和部署时间说明了gen AI的潜在变革力量。 这些不是一次性的。可以在几天内对用例进行微调的预训练模型随时可用，使组织能够以最少的前期投资将概念验证带入生活，实现外部影响，并扩大他们的努力。我们与客户合作的经验表明，电信公司有可能通过geer AI实现显著的EBITDA影响。在某些情况下，估计表明增量利润率的回报增加了3到。 此外，这种变革的必要性从未如此之大。由于一代人工智能使获得强大功能的机会民主化，任何电信公司— —无论是小型运营商还是大型运营商— —都可以重塑客户的期望和组织效率。通过这样做，他们可能会缩小以前无懈可击的竞争优势，推翻长期的增长障碍。 那些站在这一运动最前沿的人站在自己的位置上，更快地恢复增长，并在近 两年内4个百分点，五年内多达8至10个百分点，由 附件1 麦肯锡公司 GenAI今天在电信行业 1000亿美元的增量价值（图表2）。除此之外，gen AI将在行业中创造1400亿至1800亿美元的生产率增长，而传统AI可以解锁。 Ge AI代表了AI的最新进展，可以说是最重要的之一。该技术能够分析更多和不同类型的数据，如代码、图像和文本，并创建新内容，从而实现新的个性化、性能和客户参与度。借助当今的功能，网络运营，客户服务，营销和销售，IT和支持功能已经可以使用许多用例。 电信领导者如何利用这项技术来推动人工智能转型并释放新价值？他们面临什么挑战？以及这篇文章提供了对这些关键问题的见解，广泛来自我们的研究，行业调查和实施这些技术的第一手经验。 附件2 生成AI对全球电信行业的潜在影响$billion 麦肯锡公司 这些用例既可以增强现有的AI功能（通过包含新的非结构化数据源），又可以提供新的价值来源（通过General AI并与传统AI解决方案相结合），从而在所有关键领域产生重大影响。客户服务和营销和销售目前在总影响中占最大份额（图表3）。 —在营销和销售中，ge AI实现超个性化、更深入的客户洞察和更快的内容生成。一家欧洲电信公司正在使用该技术从客户电话中识别新的销售线索，其试点项目的转化率超过10％。该公司现在还可以创建个性化的消息和视觉媒体，以针对个人客户细分。为了做到这一点，电信公司提供了一个传统的AI模型标准营销信息、客户数据(包括家庭细节、他们使用的电话类型以及他们居住的地方)和认知偏见(例如，客户是否会更容易接受。引起稀缺性的消息，例如限时报价，或强调权威，例如代言，奖励和行业经验）。 基于早期导频的此类用例的示例包括： -在客户服务方面，该技术可以极大地改善客户体验，提高座席生产率并实现完全数字化的交互。一家拉丁美洲电信公司正在增强其客户服务AI聊天机器人，以改善座席支持，预计此举将使成本降低15％至20％。该电信公司还使用gen AI总结语音和书面客户交互在近十几个用例中，预计它可以将相关成本降低高达80%。 —在网络运营中，gen AI可以优化技术配置，提高劳动生产率，从社交媒体中提取客户见解，并通过 附件3 按业务领域划分的影响分布 采购优化，工作场所生产力，内部知识管理,内容生成，HRQ&A 麦肯锡公司 挖掘非结构化数据。一家大型电信公司正在使用该技术，通过分析和构建来自供应商合同的有关网络组件的数据，包括规格和维护信息，来加速网络映射。这将使电信公司能够更准确地评估组件兼容性、维护要求等— —这是一项旨在改进运营规划和优化资本生产率的工作。 资源限制。组织正在应用genen AI来简化整个软件生命周期，从记录最终用户如何感知新产品、功能或服务，到在发布前生成和扫描代码以查找漏洞。麦肯锡的一项研究发现，软件开发人员可以使用gener AI以两倍的速度完成编码任务。3 -在IT领域，该技术可以加速软件迁移和开发。Gen AI为电信运营商提供了一条途径，以减少其不断增加的技术债务，并实现以前因时间和 —In support functions, where gen AI will reduce thecosts associated with background - officeoperations and improve employee production. AEuropean telco uses the technology in a number ofways, including: shordering procurement analysisand negovernational insights from 到几个小时，通过自动筛选和推荐来降低招聘成本，使用内部的AI聊天机器人和副驾驶来提高员工的工作效率，以及自动化大多数内部内容生成。结合起来，该公司预计这些努力将通过以下方式提高员工的工作效率30%。 在证明用例的合理性时遇到困难-明确的信号表明，大部分推动力来自底部，而不是顶部，并且需要更多的工作来将gener AI提升为首席执行官主导的优先事项。此外，寻找合适的人才和获得质量数据仍然是电信公司面临的重大挑战，尽管与今年相比，接受调查的领导者对解决这些问题的信心有所上升到最后。 将内部用例转变为客户的新产品也可能会产生新的价值来源。例如，可以根据需要向寻求提高自己的呼叫中心生产率和服务的小型企业客户提供客户服务解决方案。 最后，调查结果表明，gen AI已经开始影响长期存在的市场动态。尽管欧洲电信运营商传统上在AI和技术转型方面落后，但调查结果表明他们在采用Gene AI方面领先于北美，特别是在网络运营(71%，与58%相比)和IT (67%，与55％）。这种转变可能是数据隐私管理更加成熟的结果。小型和大型运营商报告了关于优先考虑的地方的类似观点，以类似的方式关注客户服务和IT，这表明现任者可能出现新的竞争压力（图表4）。 电信领导者的前瞻：真正的变化和真正的挑战 在他们最初的成功之后，我们调查的商业领袖表示，他们计划在明年维持或将他们的gener AI预算增加一倍，并投资50多名全职员工，以有效地追求他们的gener AI目标。超过一半的人已经在扩大用例。 成功的一代AI旅程的基石 此外，调查结果表明，该技术对所有AI计划也产生了连锁反应。与麦肯锡2022年数字孪生调查的回应相比，我们看到希望投资并更多关注数据和分析的商业领袖增加了30个百分点。 为了实现上述影响，组织将需要摆脱概念验证的迷宫并扩展技术。与任何数字或AI计划一样，我们发现这样做没有捷径。同样的核心构建块是必要的，即（1）业务主导的路线图，（2）合适的人才，（3）规模的运营模型，（4）技术构建 然而，尽管机会和兴趣（和需求）的程度很大，但我们的调查发现，很少有人遵循大规模成功所需的整体方法。只有大约三分之一的电信领导者表示，他们为Geeral AI的员工制定了能力建设计划，或者正在投资于变革管理工作— —这是建立创新文化和测试学习思维的两个核心组成部分。类似的份额表示，Gee AI尚未被视为组织的优先事项，并且经常是该技术的支持者。 对于速度和创新，（5）以负责任和负责任的方式易于访问和管理的高质量数据，以及（6）变更管理以确保采用和扩展。4这些是有效扩展用例并在迈向AI原生电信公司的过程中从GeneAI获取可持续影响的基本支柱。 麦肯锡公司 然而，虽然需要同样的整体方法，但Ge AI的独特功能— —从看似无关的数据中揭示新见解的能力，对第三方供应商的大型语言模型的依赖，以及对角色和工作的变革性影响— —提出了新的挑战，需要更大的敏捷性和额外的监督。接下来，我们概述主要差异，并提供有关电信公司如何最好的建议。解决他们。 从头开始的基础模型(我们分别称为“接受者”、“整形者”和“制造者”方法)。 每个用例都适合不同的用例，并且有自己的成本，要求领导者不仅要制定明确的愿景和策略来追求哪些用例，还要制定如何追求。我们看到一些电信公司的一个错误是从头开始构建通用的Geeral AI解决方案-例如，内容生成器或呼叫摘要解决方案-当当今市场上有近十几种来自Geeral AI初创公司的开箱即用选项或SaaS供应商将Geeral AI功能注入现有解决方案时。只有三分之一的受访电信公司领导人表示他们购买现成的产品，这表明许多电信公司继续采用自己动手的模式。这一举动很可能。 策略：确定何时构建、购买或微调解决方案 与任何AI计划一样，领导者将需要在愿景，价值和路线图上保持一致，评估风险和机遇，并传达整个组织使用的指南。在构建路线图时，电信领导者将面临一个选择：如果存在，则使用商用的现成解决方案，微调现有的大型语言具有内部数据的模型，或构建和训练新的 创新缓慢，分散人才对更多差异化用例的注意力，就像过去其他技术一样。 相反，领导者应该强烈考虑与Geeral AI解决方案提供商和企业软件供应商合作，寻找不是非常复杂或电信特定的解决方案。在实施中的任何延迟都会使它们对已经利用这些服务的竞争对手不利的情况下，这一点尤其关键。少数解决方案领导者可以专注于塑造或制造自己，使他们能够区分其产品