生成式AI蓬勃发展,各行各业都在积极探索人工智能在业务创新中的应用。比如电信行业正在采用AI来改善客户体验、实现流程自动化、提高生产力并优化网络运营。
AI技术带来的机遇,正为电信行业带来翻天覆地的改变。然而,面对这些机遇,从战略规划到投资决策,再到技术部署,各个环节都需要深思熟虑和精心准备。
机遇与挑战并存
当前行业客户对于AI有着非常高的期待,并期待给自身的业务带来改变。AI将使采用AI的人能够在市场上获得竞争优势。 这在竞争激烈的电信行业非常重要。
生成式AI和大型语言模型(LLM)是年度突破性AI技术。2022年的调查并未提及生成式AI。但在2023年的调查中,43%的受访者表示他们正在投资这项技术,这清楚地表明电信行业正热情地接受生成式AI浪潮,以满足各种业务需求。
其实,电信行业拥有众多的场景可以应用AI。在投资AI的调查对象中,有57%的调查对象使用生成式AI来改善客户服务和支持,57%的调查对象使用生成式AI来提高员工生产力,48%的调查对象使用网络运营和管理,40%的调查对象使用网络规划和设计,32%的调查对象使用营销内容生成。
尽管迄今为止AI和生成式AI取得了成功,但仍然存在一些挑战,阻碍其在行业中的广泛应用。在2023年的调查中,缺乏或是找到合适的技术力是AI(34%)和生成式AI(55%)面临的最大挑战。第二个最大挑战是建立具有明确投资回报率的稳健商业案例。总体而言,33%的受访者表示难以量化投资回报率。
AI投资持续增长
电信公司对AI的投资在增长,这些投资都集中在AI基础架构和模型上面,使电信公司能够将其传统基础架构转变为AI就绪型平台,或部署AI以满足业务需求。
在2023年的调查中,43%的受访者表示2022年在AI方面的投资超过100万美元,52%的受访者表示2023年的投资相同,66%的受访者表示2024年AI基础设施的预算将增加。这些数字表明,与2022年的调查结果相比,数字呈稳步上升趋势。
除了投资客户体验优化,电信公司还在投资客户体验以外的其他AI用例。安全性(42%)、网络预测性维护(37%)、网络规划和运营(34%)和现场运营(34%)是其他值得注意的用例。
电信公司对AI理解的提高和不确定性的降低 (例如,在投资回报率方面),热衷于从概念验证(PoC)和试点转向实施AI驱动的应用程序。对于50%投资AI的受访者而言,这是AI投资的主要驱动力。到目前为止,已有41%的受访者完成了这一转变,目前正处于实施阶段。
加速AI在电信行业的采用
AI成为电信公司的主流,选择用于运行AI的平台变得更具战略性。总体而言,混合使用云和本地基础设施的混合配置仍然是主要的托管模式。进入2024年后,49%的受访者表示他们将保持混合,33%将在云端,18%将在本地。
在2023年的调查中,44%的受访者表示,与合作伙伴共同开发是其公司开发AI解决方案的首选方法。约28%的受访者更喜欢使用开源工具,而25%的受访者更喜欢AI即服务方法。
在投资AI技术时,寻求与第三方合作以加速AI采用成为受访者的首要任务。合作伙伴关系还为电信公司创造了机会,使其能够以较低的投资为客户创建新的服务,并能够快速扩展。99%的受访者表示,他们为内部和外部用户开发了AI解决方案。
对于生成式AI,40%的受访者使用生成式AI功能增强现有解决方案,并根据自己的数据训练AI模型。相比之下,只有29%的受访者与合作伙伴一起构建或定制模型。 对于具有严格数据保护规则的电信行业而言,这是可以理解的。
结语
AI在电信行业中的作用正在凸显。AI技术的采用对于电信公司非常重要,因为AI可以推动技术创新、开发新产品和服务、实现基础设施现代化、提高卓越运营水平以及为行业利益相关者提供盈利能力。
随着采用率的增长,AI(尤其是生成式AI)将逐渐成为电信行业技术和投资路线图中不可或缺的一部分。
更多AI在电信业的新机遇,等你来探索!点击获取白皮书,了解“电信行业AI现状:2024年趋势”更多内容。
预约观看2024 NVIDIA GTC大会线上演讲,了解各路电信业专家对AI如何助力改善客户体验、提升网络运营效率、构建AI工厂,以及加速6G研究进展等话题的深入探讨与解读。
好文章,需要你的鼓励
Genspark推出超级智能体,将"氛围编程"概念扩展至企业工作流程,实现"氛围工作"模式。该系统采用9个大语言模型的专家混合架构,配备80多种工具和10多个数据集,通过规划-执行-观察-回溯循环运行。系统能自主处理复杂业务任务,甚至代替用户拨打电话。45天内实现3600万美元年收入,展现了自主智能体平台的商业可行性,挑战传统企业AI架构理念。
北京大学和百度VIS联合研发的MV-AR技术,首次让AI学会像人类一样逐步观察物体,通过自回归方式生成多视角一致图像。该技术解决了传统方法在处理大视角差异时的一致性问题,支持文字、图像、形状等多种输入,在3D内容创作、机器人视觉等领域具有广阔应用前景。
医疗保健已成为AI应用的热点领域,在疾病诊断、康复监测和新药开发方面证明了其价值。然而,行业仍面临临床人员短缺、人口老龄化等挑战。AI智能体作为下一波AI变革浪潮,相比现有AI工具,能够执行更复杂的任务并减少人工干预。它们不仅能被动提供信息,还能主动采取行动,如自动分诊调度、辅助临床决策、远程患者监护等,有望在十年内彻底改变医疗服务的提供、管理和体验方式。
Microsoft和Georgia Tech研究团队开发了SlimMoE技术,能将超大AI模型压缩到原来的10-20%大小而性能基本不变。该技术采用多阶段渐进式压缩,保留所有专家模块但精简内部结构,成功将419亿参数的模型压缩为76亿和38亿参数版本,让原本需要企业级硬件的AI能力可在普通电脑上运行,大大降低了AI技术使用门槛。