负责任的人工智能：电信公司的业务当务之急

技术、媒体和电信实践负责任的 AI ： 电信公 司的业务要务 使用负责任的 AI 框架的电信公司可以释放新的收入来源并刺激期待已久的增长。 这篇文章由Andrea Travasoni、Benjamim Vieira、Ferry Grijpink和Roger Roberts与McKinsey的科技、媒体与电信实践部门代表Cécile Prinsen和Víctor Trigo共同撰写。 在过去十年中，电信行业接连面临着一个又一个严峻的挑战。电信运营商承受了来自快速进入其核心领域（包括通信、连接和数据传输）的科技公司的持续竞争压力。为了激发收入增长，电信运营商一直在寻求重塑自己. 他们推出了新的以技术驱动的产品组合——从物联网（IoT）、软件即服务（SaaS）到OTT视频流媒体。他们还涉足相邻行业，如保险、金融服务和医疗保健，以提供新的B2C和B2B服务。其中一些举措取得了一定的成功。但事实是，电信公司仍然难以与更为灵活且资本雄厚的科技公司竞争。 为了展示RAI的重要性，我们对电信公司可能开发的100个关键AI用例进行了分析。对于每个用例，我们指出了考虑固有风险后的最佳RAI成熟度水平。例如，高级水平的RAI将增强管理客户个人信息的用例。我们的分析表明，到2040年，实施最先进RAI实践的电信公司可以部署一系列用例，这些用例合计可在全球范围内创造高达2500亿美元的价值，占该期间整个行业中由AI创造的总价值的44%（见图表）。2 RAI究竟是如何创造价值的？首先，就像所有的人工智能部署一样，RAI可以显著改进业务流程并简化技术集成以降低成本。有效的RAI还可以增强品牌声誉，更高的客户获取和留存通常会推动收入增长。此外，RAI可以帮助减少组织全套人工智能工具和应用中商业和声誉风险，确保它们在最高水平的准确性上运行。例如，RAI实践可以确保公司的客户服务聊天机器人不会使用有偏见、不正确或敏感的语言，并且永远不会推荐竞争对手的产品或服务。 AI 为电信公司提供了另一个重塑自我的机会。目标是成为AI 原生组织将AI嵌入业务的每一个方面，以帮助推动增长和 renewal。如果电信运营商迅速行动，它们可以引领部署both的相关工作。创成式 AI 生成式AI（gen AI）用于提升客户体验和降低运 营成本，而分析型AI则用于优化后端操作和基础设施。许多电信公司已经开始实施生成式AI，并在营销、销售和客户服务等领域取得了显著的成本节约。麦肯锡的研究显示，生成式AI有望为电信公司带来显著的EBITDA增长，增量边际回报率在未来两年内可能增加3至4个百分点，在五年内可能增加8至10个百分点。1 在本文中，我们概述了电信运营商如何设计和实施一个能够产生显著底线影响的RAI框架。一个强大的RAI框架包括电信运营商可以用来评估其当前优势和弱点的成熟度模型，以及从基础阶段、发展阶段、新兴阶段到高级阶段实施RAI的最佳实践。随着他们部署这样的框架，电信运营商将明确各自的RAI路线图，包括如何构建和实施治理、技术和运营模式。RAI框架可以确保电信运营商的AI部署与收入和业务目标保持一致。 但是 ， 电信公司无法将自己转变为 AI 原生公司负责任的 AI(RAI)，即通过道德、安全、透明且符合法规的方式部署人工智能。在高度监管的电信行业中，治理问责和透明度的RAI框架对于赢得消费者信任、保护敏感数据以及防范安全威胁至关重要。所有这些使RAI不仅成为电信公司的道德实践，也是商业上的必要条件。 Web <2024> < ResponsibleAI >Exhibit < 1 > 的附件 < 1 > 到 2040 年 ， 使用先进负责任的 AI 实践的电信公司将在全球范围内获得高达 2500 亿美元的价值。 到 2040 年 ， 按成熟度级别划分的电信行业 AI 潜力估计价值为 10 亿美元 麦肯锡公司 行业标准 RAI 框架很少见 没有统一认可的框架来帮助他们推进相关工作。因此，电信运营商采取的是反应性策略，在新的监管要求出现时才逐步引入治理标准。这种做法有助于电信运营商避免法律和财务上的后果，但并不能实现必要的协调一致且战略性的负责任人工智能（RAI）部署，以推动创新。 电信运营商可以从RAI中获得多重益处：更好的商业成果、竞争优势、可持续增长、增加客户信任、提高运营效率、增强人才吸引力，当然还有财务收益。前瞻性思维的电信运营商认识到，强大的RAI治理机制如同一套“良好的刹车系统”，使他们能够“更快地行驶”，从而充分利用人工智能的全部潜力，同时降低风险。 许多政府提出了或通过了相关立法，以确保人工智能部署的公平性、透明度、可问责性和安全性（表1）。国际组织提出了关于负责任人工智能的全球政策，但这些政策尚未广泛采纳（表2）。目前，这些法规和政策并未专门针对电信行业。 基于我们对全球电信运营商高级领导人的访谈，目前很少有公司在RAI部署方面处于advanced阶段，大多数公司仍处于基础或发展阶段。电信运营商在部署RAI方面遇到的最大障碍之一是缺乏行业标准。尽管电信运营商希望部署RAI，但 主要政府已制定或提议相关立法，以促进AI的安全和透明使用。 RAI 成熟度模型，主要是因为这些工具的可用性有限。电信行业组织正在努力定义特定于电信公司的 RAI 成熟度模型，但目前仍处于早期阶段。例如，全球移动通信系统协会（GSMA）最近才为电信公司创建了一个用于衡量其 RAI 成熟度的工具。 尽管电信行业协会在定义RAI标准方面取得了进展，但仍存在阻碍短期内取得成功的问题： —中央组织的领导能力有限。电信行业协会和标准制定机构可以在推动负责 任人工智能（RAI）实践方面发挥更多领导作用。虽然一些组织积极推广RAI，但很少有组织开发了全面的框架或为成员提供了明确的指导。这一差距阻碍了电信公司采纳最佳实践并实现一致的人工智能责任标准。 电信领域的RAI框架应包括哪些具体特点？根据我们的访谈，一个强大的电信行业RAI框架可能涵盖四个关键特点： 1.特定行业的成熟度模型。这些工具帮助电信运营商评估其AI就绪情况，并为每个级别定义具体的基准。模型在高度竞争的市场、互联互通的网络以及广泛的消费者数据暴露背景下，考虑了电信运营商独特的AI目标和挑战。 —RAI 行业基准的可用性有限。电信行业缺乏RAI基准为电信公司带来了重大挑战。基准作为参考点，使公司能够评估其绩效与行业标准的相对水平，并识别改进领域。没有这些基准，电信公司在衡量实施RAI方面的进展时缺乏指标。这一差距使得努力促进透明度变得复杂，因为包括监管机构、消费者和合作伙伴在内的关键利益相关方无法基于明确的标准来衡量电信公司的AI项目。 2.明确 RAI 准则。这些构建模块提供了关于RAI策略的各种要素的全面概述，包括治理、风险管理、数据质量以及伦理准则。 3.最佳做法。这些实用策略展示了电信公司如何有效实施RAI，包括已由先进电信公司成功采纳并测量的成熟实践方法。 电信公司的 RAI 框架具有四个特征 4.进度指标。这些测量指导方针概述了电信运营商可以遵循的实际步骤，以提高其RAI能力并进展到成熟度的每个阶段：基础阶段、发展阶段、表现阶段和高级阶段。 尽管电信行业缺乏明确的标准，电信公司仍强烈希望实施负责任人工智能（RAI）。在我们的访谈中，大多数领导者表达了创建和部署针对电信行业及其各自业务量身定制的RAI框架的兴趣。他们大多数人希望从评估其当前状况并定义成为RAI高级用户所需的具体步骤的成熟度模型开始他们的RAI之旅。电信公司认为，成熟度模型是一种基准设置练习，可以指导他们的战略规划。他们希望能够部署易于使用的建模工具来评分其RAI准备程度，并将这些发现转化为高层管理摘要，提出具体行动呼吁。不幸的是，我们采访的大多数领导者表示目前并未使用 用于评估和目标设定的行业特定成熟度模型 一个有效的RAI框架应包括一个易于使用的成熟度建模工具，以帮助电信公司全面了解其基线AI准备情况，并识别增长和改进的机会。成熟度模型有助于电信公司在部署的每个阶段捕捉其全部AI潜力。 运营商如果刚刚开始其RAI（负责任的人工智能）之旅，可以利用成熟度模型来确立和衡量必要的基础要求。这些基础要求包括采纳核心RAI原则、定义关键角色与职责，以及建立初步的治理结构。基础要求还包括制定人工智能道德规范、任命首席人工智能官，并创建人工智能治理委员会。处于RAI采用初期阶段的公司主要致力于提升运营的特定方面，例如提高运营效率或自动化诸如客户服务等常规任务。 —愿景。清楚地阐明 RAI 对组织意味着什么 ， 以及它如何与公司更广泛的使命保持一致 —原则。奠定伦理指导原则以引导AI的发展和部署，确保公平性、透明度、问责制和包容性。 —对齐。确保 RAI 战略与组织战略目标相一致的准则 —条例。确保遵守本地和国际标准以降低合规风险的规则 在另一端是处于先进阶段的RAI部署公司。这些电信公司利用AI创造高影响、面向客户的用例，并将AI深入整合到其战略决策过程中。例如，使用AI创建个性化客户体验、分析大量数据以获得战略洞察，或在产品开发中推动创新。因此，成熟度模型应整合针对高级用户的最佳实践和基准，包括复杂的风险管理框架、全面的治理模型以及持续的监控和改进流程。对于处于先进阶段的公司，成熟度模型还可能包括AI审计流程，以确保透明度和问责制。 Enablers.这些激活了全面RAI路线图中不可或缺的最佳实践。关键特点包括： —工具。组织将使用的负责任的AI工具库存，用于模型验证、偏见检测和可解释性，以确保伦理的AI开发。 —培训。一个持续教育和培训的计划，以帮助员工理解人工智能的伦理影响和技术方面。 —变更管理。组织将采用结构化方法，推动个人、团队和组织向负责任人工智能（RAI）实践转型。 清晰的RAI指导原则以定义整体策略有效的RAI框架概述了电信公司AI策略和长期路 线图中的每一步。它包括治理、风险管理、数据质量以及伦理方面的定义，并在RAI成熟度的每个阶段提供战略和操作的最佳实践，以推动这些政策的发展。以下是一份RAI框架的核心组成部分。 —通信。确保组织内everyone都与RAI战略和原则保持一致的清晰且层层递进的沟通渠道。 运营模式。这有助于确保公司在所有业务活动中实施负责任的人工智能（RAI）所需的正确人才、治理结构、团队构成和流程均已到位。关键要素包括以下几点： 战略。这定义了与组织价值观和战略目标一致的RAI治理的愿景和原则。一个稳健的战略应包括以下内容： 在电信领域部署 RAI 的最佳实践 —天赋。招聘和发展具有 AI ， 道德和治理方面必要技能的专业人员 一个适用于电信行业的RAI框架应该为上述描述的四个关键组件提供具体的最佳实践。这些最佳实践可以帮助电信公司以承认该行业独特挑战和机遇的方式应用RAI的一般原则，例如使用AI进行网络优化或客户流失预测。一个全面的RAI框架应为每个成熟度级别（基础级、发展级、表现级和高级）提供最佳实践，从而为电信公司制定一条道路，帮助它们从一个级别逐步提升到下一个级别。 —治理。强大的治理结构 ， 定义与 RAI 相关的角色、责任和决策过程 —团队结构。组建跨职能团队 ， 包括数据科学家、伦理学家、法律专家和商业领袖 —Processes.实施标准化的RAI开发、部署和监控程序以确保一致性和可问责性。 —文化。培养一种关于人工智能的伦理意识和责任感的文化，鼓励员工提出潜在的问题。 Risk.这强调了主动监控和减轻与AI相关风险的重要性，并涉及以下方面： —Measurement.制定指标和 KPI 以评估 AI系统的性能和风险 —监测。持续观察AI模型以发现偏差、错误或其他问题，通过风险管理和第三方解决方案审计等技术手段。 •原则。定义早期的伦理原则，为RAI提供一个清晰的框架，涉及公平性、透明度、问责制和包容性。 —评论。实施严格的审查和挑战过程，如“红队演练”（模拟攻击以识别漏洞）和“战