生成式AI如何重振电信公司的盈利能力
内容提要
生成AI（gen AI）有潜力重新点燃电信行业的增长。电信公司已经在开发gen AI解决方案，一些领域如营销活动和呼叫中心生产力已经取得了显著影响。电信公司可以通过gen AI实现重大的EBITDA影响，但行业中存在谨慎和怀疑。电信公司需要拥抱创新，朝着成为AI原生的方向发展，以区分服务并实现可持续增长。电信公司应该专注于客户服务、营销和销售、网络运营、IT和支持功能的gen AI应用案例。电信公司需要建立一个以业务为导向的路线图，提升内部专业知识，协调企业范围内的努力，创建技术蓝图，负责地捕获和管理数据，并通过首席执行官主导的变革管理确保采用和扩展。gen AI的崛起为电信公司提供了扭转停滞增长和推动创新的机会。
延伸解读
早期成果与部署速度
文章指出，部分电信公司的生成式AI应用已取得显著成效：一家欧洲电信公司将营销活动转化率提升40%并降低成本，一家拉美电信公司将呼叫中心代理生产力提高25%。更值得注意的是，这些模型部署仅用了数周时间（分别两周和五周）。这表明生成式AI不仅潜力巨大，还能快速落地，为电信行业带来即时价值。
行业谨慎与怀疑情绪
尽管大多数电信公司都在尝试生成式AI，但调查显示超过85%的高管对于在单个领域实现超过20%的收入或成本节约影响持谨慎态度。这种乐观与克制并存的心态反映了行业面临的关键转折点：既要抓住机遇，又需应对不确定性。电信公司需在创新与风险之间找到平衡。
欧洲运营商在采用上领先
调查发现，欧洲电信运营商在生成式AI采用上正超越北美，尤其在网络运营（71%对58%）和IT（67%对55%）领域。这可能源于欧洲在数据隐私管理上更成熟。同时，中小型运营商与大型运营商在优先事项上看法相似，预示着现有运营商可能面临新的竞争压力。
成功实施的关键要素
文章强调，要规模化生成式AI并实现可持续影响，电信公司需构建六大基石：业务主导的路线图、合适的人才、规模化运营模式、快速创新的技术、高质量且负责任管理的数据，以及变革管理。其中，变革管理应由CEO主导，以确保采用和扩展。这些要素是成为AI原生电信公司的根本。
Q&A
生成式AI如何帮助电信公司提升盈利能力？
生成式AI可以通过提高客户收入（如改善客户生命周期管理）和降低成本来显著提升EBITDA。预计两年内增量利润率可提高3-4个百分点，五年内提高8-10个百分点。具体案例如欧洲电信公司营销活动转化率提高40%并降低成本，拉丁美洲电信公司呼叫中心代理生产力提高25%。
电信公司在哪些领域可以应用生成式AI？
电信公司应专注于客户服务、营销和销售、网络运营、IT和支持功能等领域的生成式AI应用。例如，客户服务中用于聊天机器人和交互总结；营销中用于超个性化；网络运营中优化配置和规划；IT中加速软件开发和减少技术债务；支持功能中自动化内容生成和改善员工生产力。
电信公司成功实施生成式AI需要哪些关键要素？
成功实施生成式AI需要六个核心构建块：1）业务主导的路线图；2）合适的人才；3）可扩展的运营模式；4）为速度和创新构建的技术；5）易于访问且负责任管理的优质数据；6）变革管理以确保采用和扩展。此外，需要CEO主导的变革管理，并建立控制塔来监督所有生成式AI投资和开发工作。
电信公司在采用生成式AI时面临哪些挑战？
挑战包括：行业对生成式AI持谨慎和怀疑态度，超过85%的高管对超过20%的收入或成本影响持谨慎态度；只有约三分之一的电信领导者有员工能力建设计划或投资于变革管理；生成式AI尚未被视为组织优先事项；寻找合适人才和获取优质数据仍是重大挑战；此外，需要应对新的监管、知识产权和数据隐私风险。
电信公司如何管理生成式AI的数据和责任使用？
电信公司需要扩大数据治理计划以处理非结构化数据，建立数据访问流程来验证哪些数据可用于生成式AI用例。例如，一家跨国电信硬件提供商创建了稳健的数据访问流程，由数据所有者、法律和安全专家根据数据重要性、最终用户和错误答案风险等标准验证每个用例，并使用敏捷工具管理流程，每月审查改进。已审查200多个用例，拒绝了一些因知识产权等风险的用例。
生成式AI如何影响电信行业的竞争格局？
生成式AI民主化了强大能力的访问，任何电信公司都可以重塑客户期望和组织效率，从而可能缩小先前不可逾越的竞争优势并推翻长期增长障碍。早期采用者可以更快恢复增长并捕获近1000亿美元增量价值中的更大份额。调查显示，欧洲运营商在生成式AI采用上正领先北美，特别是在网络运营和IT领域，这可能带来新的竞争压力。
