生成式AI變革電信行業(yè)的有所為與有所不為

關(guān)于生成式AI的新聞層出不窮，生成式AI作為一種新的人工智能應(yīng)用，可以生成全新的內(nèi)容，包括對話、故事、圖像、視頻、音樂和代碼等。生成式AI有可能給全球經(jīng)濟(jì)帶來顛覆性的變化，根據(jù)高盛公司預(yù)測，它將在10年內(nèi)推動全球GDP增長7萬億美元，讓生產(chǎn)效率提升1.5%。同時，這個機(jī)遇也延伸到了電信行業(yè)。

生成式AI在電信行業(yè)中的應(yīng)用潛力

與其他行業(yè)一樣，生成式AI可以幫助電信公司在多種服務(wù)上提高效率：例如，準(zhǔn)備需求建議書(RFP)、部署聊天機(jī)器人以協(xié)助銷售，以及進(jìn)行大規(guī)模的個性化營銷。亞馬遜云科技預(yù)計這一領(lǐng)域?qū)⒊霈F(xiàn)大幅增長。Gartner數(shù)據(jù)顯示，到2026年，95%的電信公司都將部署數(shù)據(jù)、分析和AI等舉措，以增強(qiáng)客戶體驗并改進(jìn)產(chǎn)品規(guī)劃，而2022年這一比例僅為50%。然而，我們認(rèn)為有一些特定行業(yè)的應(yīng)用將是真正具有變革意義的。

增強(qiáng)客戶體驗：許多電信公司已經(jīng)在利用AI來增強(qiáng)人際互動、提高客戶體驗的一致性、以及提升解決問題的效率。而生成式AI能夠更進(jìn)一籌，通過交互式語音響應(yīng)——也就是在早期聊天機(jī)器人基礎(chǔ)上進(jìn)一步演進(jìn)，幫助客戶解決問題或者查找答案。此外，生成式AI還可以分析實(shí)時對話討論，為客服人員提供提示和資源，幫助解決客戶的問題。客服人員仍將在這一過程中繼續(xù)發(fā)揮關(guān)鍵作用，但生成式AI可以重塑并改善每一次客戶體驗和應(yīng)用。

簡化網(wǎng)絡(luò)規(guī)劃、安裝、配置和運(yùn)營：生成式AI可以在網(wǎng)絡(luò)生命周期的各個方面發(fā)揮關(guān)鍵作用。在網(wǎng)元安裝過程中，工程師需要依賴手冊和文檔上記載的步驟。生成式AI可以導(dǎo)入這些數(shù)據(jù)，提供交互式的指導(dǎo)和提示，來加快和簡化安裝任務(wù)?；A(chǔ)模型也可使用網(wǎng)絡(luò)拓?fù)浜团渲脭?shù)據(jù)進(jìn)行訓(xùn)練，對網(wǎng)元的配置提出建議。當(dāng)網(wǎng)絡(luò)出現(xiàn)故障時，基于生成式AI的應(yīng)用程序可以向網(wǎng)絡(luò)運(yùn)營工程師提供故障排除的操作和步驟建議。

優(yōu)化業(yè)務(wù)績效：生成式AI可以幫助電信公司更便捷地定位哪些領(lǐng)域有收入流失或?qū)е铝耸杖肓魇?。通過跨業(yè)務(wù)流程部署，生成式AI可以核查利潤、收入、各種用戶套餐、開支和客戶費(fèi)用，就如何進(jìn)一步調(diào)整產(chǎn)品、優(yōu)化利潤提供建議。

主要考量因素

并非每一個人工智能或機(jī)器學(xué)習(xí)場景都需要應(yīng)用生成式AI。事實(shí)上，有很多例子表明，對電信業(yè)務(wù)流程而言，基于監(jiān)督和無監(jiān)督學(xué)習(xí)技術(shù)的傳統(tǒng)形式AI已經(jīng)綽綽有余。例如，傳統(tǒng)AI很擅長幫助電信運(yùn)營商預(yù)測收入流失、檢測網(wǎng)絡(luò)異常情況或跟蹤凈推薦值等指標(biāo)。除此之外，還有其他的重要因素需要一并考慮。

開發(fā)或訓(xùn)練基礎(chǔ)模型的成本：對于基礎(chǔ)模型，也就是通過大量數(shù)據(jù)訓(xùn)練并驅(qū)動生成式AI應(yīng)用的大型人工智能模型，大部分資金都花在了訓(xùn)練上。公共模型是根據(jù)大量公開可獲得的數(shù)據(jù)進(jìn)行訓(xùn)練的，它們更具通用性，但可能無法很好地執(zhí)行專門任務(wù)。另一方面，自定義模型可以組合公共數(shù)據(jù)和企業(yè)專有數(shù)據(jù)進(jìn)行訓(xùn)練，為特定行業(yè)或企業(yè)提供更為具體的應(yīng)用。從零開始構(gòu)建模型，既耗時又昂貴，而且需要專業(yè)知識;但如果企業(yè)擁有大量數(shù)據(jù)、資源和具有特定領(lǐng)域知識的用例，那么開發(fā)定制的基礎(chǔ)模型將是有意義的。同時，亞馬遜云科技也在努力降低這項技術(shù)的使用門檻，讓客戶以現(xiàn)有模型為起點(diǎn)，使用客戶專有數(shù)據(jù)對它進(jìn)行進(jìn)一步訓(xùn)練，促使模型更加適合特定任務(wù)。

數(shù)據(jù)質(zhì)量和負(fù)責(zé)任的AI：生成式AI的優(yōu)劣取決于它所訓(xùn)練的數(shù)據(jù)，而且也往往存在偏見或不準(zhǔn)確的風(fēng)險。在考慮采用生成式AI(或任何形式的AI)之前，最重要的就是要有高質(zhì)量的、統(tǒng)一的數(shù)據(jù)。生成式AI需要廣泛的數(shù)據(jù)集、訓(xùn)練和監(jiān)督，才能形成推理和答案。無論公共還是私有基礎(chǔ)模型，都可能會出現(xiàn)“幻覺”，產(chǎn)生看似可信但并不正確的反饋。因此，不建議將生成式AI用于需要高度確定性的任務(wù)上，由于問題自身特性或者缺乏足夠的高質(zhì)量數(shù)據(jù)，做到高確定性是不太可能的。

同樣重要的是，需要確保以負(fù)責(zé)任的方式應(yīng)用這項技術(shù)。一些新的生成式AI工具和服務(wù)在產(chǎn)品中內(nèi)置了負(fù)責(zé)任的AI功能，例如當(dāng)生成的代碼與現(xiàn)有開源代碼相似時突出顯示，或者在訓(xùn)練數(shù)據(jù)集中檢測和刪除有害內(nèi)容，以及過濾包含有害內(nèi)容(如仇恨言論、褻瀆和暴力)的文章。

數(shù)據(jù)安全：對于企業(yè)來說，以經(jīng)營為目的利用生成式AI，需要大量的專有數(shù)據(jù)。雖然市場上有公開數(shù)據(jù)可供選擇，但會引發(fā)關(guān)于安全和隱私的新顧慮，例如知識產(chǎn)權(quán)的相關(guān)問題。業(yè)務(wù)和IT領(lǐng)導(dǎo)者應(yīng)與安全、合規(guī)和法律團(tuán)隊密切合作，以識別和降低這些潛在風(fēng)險，確保以安全和負(fù)責(zé)任的方式部署生成式AI，此外還應(yīng)圍繞合規(guī)性和法律法規(guī)制定計劃范圍，并仔細(xì)考慮所使用數(shù)據(jù)的歸屬權(quán)。

無論對于生成式AI還是自然語言處理，在部署商用AI之前，都應(yīng)花時間思考應(yīng)用程序的部署、討論數(shù)據(jù)的組織戰(zhàn)略以及評估投資回報率。盡管如此，亞馬遜云科技相信AI是這個時代最具變革的技術(shù)，生成式AI正在釋放令人振奮的全新可能性，每家企業(yè)都應(yīng)該進(jìn)行探索和嘗試。