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 TM Forum如何提供帮助 TM Forum是一个全球性的电信和技术公司联盟，致力于引领行业重新定义影响深远的新运营模式、新合作伙伴关系以及先进的软件平台。我们帮助合作伙伴更有效地发掘数据价值，促进其在快速发展的通信行业中捕捉新的发展契机并创造价值。在DTW Ignite、Accelerate和Collaboration活动中，TM Forum为行业变革者提供了一个分享突破性创新、市场发展、产品发布和业务转型历程的平台。我们是唯一将全球十大通信服务提供商和所有主要超大规模云计算商视为活跃战略成员的行业组织。我们拥有800多名合作伙伴，致力于重新塑造电信行业，使其更加灵活、创新、有活力，推动整个数字生态系统发展的重要力量。要了解更多信息，请访问：tmforum.org IBM如何提供帮助 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：ibm.com/industries/telecommunications 序言 如今，电信行业在全企业范围内利用生成式AI进行转型，通信服务提供商（CSP）应迅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，以及增加在生成式AI技术上的投入。然而，通信服务提供商也意识到需要制定明确的战略，确保安全、负责地使用这项强大的技术，并客观地评估投资回报率（ROI）。 IBM商业价值研究院（IBM IBV）的最新研究表明，通信服务提供商的准备程度与这些期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能力仍处于不成熟或初级阶段。 构建坚实数据基础对生成式AI的成功至关重要。正如TM Forum现代数据架构行业合作项目所揭示，要想成功大规模采用生成式AI，不仅需要构建AI驱动的自主流程，还需要集成外部数据，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，并采取灵活的治理和监督方法，以确保能够充分发挥生成AI的潜力。 此外，在生成式AI的采用过程中，通信服务提供商需要采取深思熟虑的战略方式，避免草率决策带来的高成本风险。Bharti Airtel的首席信息官Pradipt Kapoor指出，许多关键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型（LLM）选择之间找到平衡，同时坚持技术开放，遵循TM Forum的开放API和开放数字架构（ODA）等行业标准。 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和成本管理方法。通信服务提供商可以利用其云计算领域的FinOps专业知识和多年的机器学习操作（MLOps）经验来实现大规模、安全可靠的AI部署。借助适当的组织文化和技能，通信服务提供商可以创建和部署可带来可观回报的用例。 TM Forum与IBM IBV开展合作，提出了在生成式AI采用过程中必须谨慎考虑七项关键因素，旨在帮助通信服务提供商更有效地应对这项新技术的实施挑战，并促进行业内合作。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生成式AI的潜力，推动业务的数字化转型与创新。 Nik Willetts TM Forum首席执行官 摘要 “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……” 电信行业对生成式AI的潜力表现出极大兴趣。 随着众多用例的提出，高管们预计这项技术将在未来三年内为行业内外带来机遇。 对准备不足和资源限制的担忧，削弱了高管的期望。 Dena Almansoorie&集团首席人工智能和数据官 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式AI打造差异化企业战略。 电信高管在推进生成式AI过程中必须考虑七个关键因素。 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有成效、创造价值的生成式AI项目。 “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。” Ken Komazawa，NTT IT战略办公室副总裁 通信服务提供商正处于十字路口 电信行业与大多数商业领域一样，对生成式AI的潜力充满期待，认为这项技术能够彻底改变行业未来。在TM Forum最近的一份报告中，通信服务提供商确定了100多个使用生成式AI的用例。1 IBM商业价值研究院（IBM IBV）对300位全球电信行业领导者的调查揭示了他们对生成式AI持乐观态度，但也承认在采用过程中会存在担忧。 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，受访高管也在评估和部署多个关键业务领域中的用例（见图1）。 电信高管对这些用例的潜在业务影响也抱有高预期（见图2）。然而，经过仔细审视，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示已经明确如何通过生成式AI打造差异化企业战略。 NTT的IT战略办公室副总裁Ken Komazawa强调：“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。” 随着众多用例的提出，高管们预计生成式AI将在未来三年内为行业内外带来机遇。 事实上，大多数高管认为其组织尚未做好充足的准备来采用生成式AI：45%的受访高管认为准备程度一般，只有三分之一的受访者认为准备程度良好。受访高管认为资源限制（包括人才和技术）是采用生成式AI的主要障碍之一（见图3）。 IBM商业价值研究院与TM Forum携手合作，提出了电信高管应谨慎考虑的七项关键因素，旨在帮助电信行业克服在生成式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验过渡到富有成效、创造价值的生成式AI项目。 此外，超过半数（56%）的受访者表示其组织没有成熟、明确的方法来采用这项技术。Bharti Airtel首席信息官Pradipt Kapoor担心，通信服务提供商在进行关键决策时缺乏更全面的视野，未能评估不同选择所可能带来的机会和风险。他表示：“大型企业对于所做决策所带来的后果缺乏清晰的认识。”应在何处投资？采购哪些基础设施？使用哪种模型？如何平衡成本与价值？ e&集团首席人工智能和数据官Dena Almansoori说道，“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，确保支持我们的长期目标，并在长远发展中增强市场地位。这意味着要采取AI优先的方法，对业务进行战略转型。” 这意味着要采取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用和部署生成式AI时从谨慎转变为自信。 高管们在权衡生成式AI的价值和可行性。 采用生成式AI的 7项关键因素 1. 选择正确的AI用例 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维，能够识别快速成效和长期机会（请参见“观点：Bharti Airtel联合开发生成式AI解决方案”）。但是，组织应如何选择最有意义的重点领域？ 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创建营销活动内容或总结文档。但真正的挑战在于识别和部署那些可变革运营和客户体验的优质用例。 对于调研受访者来说，决策始于成功的关键标准（见图4）。资源限制、合作伙伴能力不足、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时的主要难题。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价值的用例。 图4 高管们根据六项关键标准来评估生成式AI用例。 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部署的主要业务领域。在这些业务领域中，受访者正在根据价值和可行性评估用例。例如，在客户服务中，配置聊天机器人和增强知识搜索的排名最高（见图5）。 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服务用例。 在考虑用例时，组织应选择那些可跨多个部门和业务领域采用的生成式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/网络运营和信息安全领域的强大用例，也可以应用于人力资源、采购或销售等领域。该用例使用生成式AI算法来改进现有知识库的搜索功能。由于算法会根据与用户互动不断学习，因此搜索结果会更加个性化，用户也会更加积极主动。当集成到组织的平台中时，增强型知识搜索可帮助用户更迅速地找到更准确的信息。2 需探讨的问题 您认为生成式AI能帮助您解决的主要业务问题是什么？ 在评估用例时，NTT的Komazawa建议，跨职能团队至关重要。他指出，“在业务部门，需要销售和工程部门的参与。在管理部门，则需要治理、法律和知识产权部门的参与。“ 该解决方案如何与您的整体战略对接？请考虑短期、中期和长期目标。 当然，我们分析的结果可能并不适用于每个组织。例如，Bharti Airtel的Kapoor提醒通信服务提供商不应将客户服务作为唯一的最佳起点，尽管生成式AI可以带来长远效益，但并不是所有情况下都能产生预期的成本效益。特别是在考虑企业的规模和地区差异时，必须权衡AI的成本与收益。 如何将用例应用于其他类似的业务问题？ Kapoor建议，长期价值通常可以通过更好地映射客户和网络数据来实现，然后基于这些数据构建企业的生成式AI用例。他说道，“这与数据货币化有关，电信企业一直在努力解决这个问题。他们掌握大量数据，但传统上，聚合商能从中获取更多的利润。电信企业还没有解决如何在没有聚合商的情况下互相共享数据的问题。” 观点 Bharti Airtel联合开发生成式AI解决方案3 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团队内，Bharti Artel的首席信息官Pradipt Kapoor提出了一种联合的AI解决方案开发方法。他说道，“在Airtel，我们相信AI和生成式AI的变革力量。与任何新兴技术一样，必须经历一个意识提升、宣传推广和培训的周期。” 他指出，他们对Airtel的每个部门（供应链、财务、营销、人力资源等）都进行了技术普及，通过演示和亲身体验来介绍生成式AI的概念以及可能的应用。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。” 该公司目前拥有28到35个已投入使用或即将投入使用的AI用例，通过生成式AI在多个领域推动价值创造，聚焦提升客户服务、降低成本和效率改进。这些用例包括： –员工聊天机器人允许员工询问诸如“我还有多少假期？”或“育儿政策是什么意思？”等问题。 –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均处理时间，并提升了通话质量。–市场营销部门使用通用的大语言模型（LLM）生成超本地化的内容和优惠。–一些账单的催收电话现在采用了生成式AI驱动的语音机器人呼叫。这项工作已初见成效，将100人的团队的未付款账单支付率从60%提高到语音机器人所处理的64%。–开发人员正在使用生成式AI帮助生成测试用例和代码。 2. 识别和评估数据 可信的高质量数据是生成式AI的命脉。这就要求通信服务提供商同时考虑所需的数据和支持数据的基础设施。 e&集团的Almansoori说道，“电信企业拥有大量的结构化和非结