《IBM：2025借助生成式AI重塑電信行業：分辨信號與噪聲的7項關鍵策略研究報告（31頁）.pdf》由會員分享，可在線閱讀，更多相關《IBM：2025借助生成式AI重塑電信行業：分辨信號與噪聲的7項關鍵策略研究報告（31頁）.pdf（31頁珍藏版）》請在三個皮匠報告上搜索。

1、IBM 商業價值研究院|研究洞察借助生成式 AI 重塑電信行業 分辨信號與噪聲的 7 項關鍵策略2IBM 通過混合云和 AI 優先的方法，幫助通信服務提供商在整個價值鏈中推動業務和交付轉型，從而釋放新的收入潛力。我們的解決方案有助于優化網絡運營；在客戶、員工、邊緣設備等各個領域提供差異化體驗；以及加強網絡安全。如需了解更多信息，請訪問： 如何提供幫助TM Forum 如何提供幫助TM Forum 是一個全球性的電信和技術公司聯盟，致力于引領行業重新定義影響深遠的新運營模式、新合作伙伴關系以及先進的軟件平臺。我們幫助合作伙伴更有效地發掘數據價值，促進其在快速發展的通信行業中捕捉新的發展契機并創造

2、價值。在 DTW Ignite、Accelerate 和 Collaboration 活動中，TM Forum 為行業變革者提供了一個分享突破性創新、市場發展、產品發布和業務轉型歷程的平臺。我們是唯一將全球十大通信服務提供商和所有主要超大規模云計算商視為活躍戰略成員的行業組織。我們擁有 800 多名合作伙伴，致力于重新塑造電信行業，使其更加靈活、創新、有活力，推動整個數字生態系統發展的重要力量。要了解更多信息，請訪問：tmforum.org1序言如今，電信行業在全企業范圍內利用生成式 AI 進行轉型，通信服務提供商（CSP）應迅速學習如何應對這些變化帶來的商業機會與挑戰，從而積極影響業務。通信

3、服務提供商迫切希望能夠利用生成式 AI 的力量，包括評估多個業務領域的多個用例，以及增加在生成式 AI 技術上的投入。然而，通信服務提供商也意識到需要制定明確的戰略，確保安全、負責地使用這項強大的技術，并客觀地評估投資回報率（ROI）。IBM 商業價值研究院（IBM IBV）的最新研究表明，通信服務提供商的準備程度與這些期望之間存在較大差距，這是一個令人擔憂的問題。只有三分之一的受訪電信高管認為其組織能夠有效利用生成式 AI。而更令人擔憂的是，60%的受訪者承認其組織的數據集成能力仍處于不成熟或初級階段。構建堅實數據基礎對生成式 AI 的成功至關重要。正如 TM Forum 現代數據架構行業合

4、作項目所揭示，要想成功大規模采用生成式 AI，不僅需要構建 AI 驅動的自主流程，還需要集成外部數據，開發現代數據架構。通信服務提供商需要優先建立數據基礎設施，并采取靈活的治理和監督方法，以確保能夠充分發揮生成 AI 的潛力。此外，在生成式 AI 的采用過程中，通信服務提供商需要采取深思熟慮的戰略方式，避免草率決策帶來的高成本風險。Bharti Airtel 的首席信息官 Pradipt Kapoor 指出，許多關鍵決策若沒有經過深思熟慮，可能會影響企業的長遠發展和技術方向，這往往也是通信服務提供商所忽視的。為了降低風險，運營商必須在積極嘗試與慎重考慮架構和大語言模型（LLM）選擇之間找到平衡

5、，同時堅持技術開放，遵循 TM Forum 的開放 API 和開放數字架構（ODA）等行業標準。最后，成功的關鍵在于選擇最具回報的用例，保持正確的心態，并采取穩健的技術決策和成本管理方法。通信服務提供商可以利用其云計算領域的 FinOps 專業知識和多年的機器學習操作（MLOps）經驗來實現大規模、安全可靠的 AI 部署。借助適當的組織文化和技能，通信服務提供商可以創建和部署可帶來可觀回報的用例。TM Forum 與 IBM IBV 開展合作，提出了在生成式 AI 采用過程中必須謹慎考慮七項關鍵因素，旨在幫助通信服務提供商更有效地應對這項新技術的實施挑戰，并促進行業內合作。通過仔細規劃和開展合

6、作，通信服務提供商可以更有效地發揮生成式 AI 的潛力，推動業務的數字化轉型與創新。Nik WillettsTM Forum 首席執行官3電信行業對生成式 AI 的潛力表現出極大興趣。隨著眾多用例的提出，高管們預計這項技術將在未來三年內為行業內外帶來機遇。對準備不足和資源限制的擔憂，削弱了高管的期望。只有不到四分之一的受訪高管表示已經明確如何通過生成式 AI 打造差異化企業戰略。電信高管在推進生成式 AI 過程中必須考慮七個關鍵因素。著眼于這些因素有助于組織快速且審慎地從實驗過渡到富有成效、創造價值的生成式 AI 項目?！巴骄咚俣榷鵁o方向，乃是短視。AI 的真正潛力在于將其深思熟慮地融入到業務

7、的方方面面”Dena Almansoori e&集團首席人工智能和數據官摘要4通信服務提供商正處于 十字路口電信行業與大多數商業領域一樣，對生成式 AI 的潛力充滿期待，認為這項技術能夠徹底改變行業未來。在 TM Forum 最近的一份報告中，通信服務提供商確定了 100 多個使用生成式 AI 的用例。1 IBM 商業價值研究院（IBM IBV）對 300 位全球電信行業領導者的調查揭示了他們對生成式 AI 持樂觀態度，但也承認在采用過程中會存在擔憂。首先是積極方面。通信服務提供商的投資重心正在轉向生成式 AI，生成式 AI 在總 AI 支出中所占比例預計將在未來兩年內增長 37%。此外，受訪

8、高管也在評估和部署多個關鍵業務領域中的用例（見圖 1）?！白兏锏乃俣戎?，令我們難以有足夠的時間進行戰略思考，但戰略思維是不可或缺的?！盞en Komazawa，NTT IT 戰略辦公室副總裁5圖 1通信服務提供商正在評估和部署生成式 AI 在多個業務領域的用例。問：貴組織在以下職能中采用生成式 AI 的情況如何？客戶服務信息技術（包括網絡）信息安全財務風險與合規銷售營銷人力資源評估部署優化47%50%52%44%57%73%70%62%63%73%38%22%22%33%30%21%3%3%3%2%5%1%2%1%6從現有數據中生成新洞察獲取額外數據轉變組織的行業角色擴大客戶覆蓋加速產品/服

9、務開發80%現在未來三年82%80%82%72%82%68%82%拓展新市場66%77%在其他行業創造機會66%79%49%75%電信高管對這些用例的潛在業務影響也抱有高預期（見圖 2）。然而，經過仔細審視，生成式 AI 也給電信行業領導者帶來了挑戰。只有不到四分之一的受訪高管表示已經明確如何通過生成式 AI 打造差異化企業戰略。NTT 的 IT 戰略辦公室副總裁 Ken Komazawa 強調：“變革的速度之快，令我們難以有足夠的時間進行戰略思考，但戰略思維是不可或缺的?！眻D 2隨著眾多用例的提出，高管們預計生成式 AI 將在未來三年內為行業內外帶來機遇。問：AI（包括生成式 AI 和基礎模

10、型）將在多大程度上通過這些領域支持業務模式創新？百分比表示回答“在很大程度上”和“在一定程度上”的總和。7事實上，大多數高管認為其組織尚未做好充足的準備來采用生成式 AI：45%的受訪高管認為準備程度一般，只有三分之一的受訪者認為準備程度良好。受訪高管認為資源限制（包括人才和技術）是采用生成式 AI 的主要障礙之一（見圖 3）。此外，超過半數（56%）的受訪者表示其組織沒有成熟、明確的方法來采用這項技術。Bharti Airtel 首席信息官 Pradipt Kapoor 擔心，通信服務提供商在進行關鍵決策時缺乏更全面的視野，未能評估不同選擇所可能帶來的機會和風險。他表示：“大型企業對于所做決

11、策所帶來的后果缺乏清晰的認識?！睉诤翁幫顿Y？采購哪些基礎設施？使用哪種模型？如何平衡成本與價值？IBM 商業價值研究院與 TM Forum 攜手合作，提出了電信高管應謹慎考慮的七項關鍵因素，旨在幫助電信行業克服在生成式 AI 采用過程中面臨的不確定性。理解并解決這些問題可以幫助組織快速且審慎地從實驗過渡到富有成效、創造價值的生成式 AI 項目。e&集團首席人工智能和數據官 Dena Almansoori 說道，“徒具速度而無方向，乃是短視。AI 的真正潛力在于將其深思熟慮地融入到業務的方方面面，確保支持我們的長期目標，并在長遠發展中增強市場地位。這意味著要采取 AI 優先的方法，對業務進行戰

12、略轉型?！边@意味著要采取 AI 優先的方法，對業務進行戰略轉型。以下關鍵因素可以幫助通信服務提供商在采用和部署生成式 AI 時從謹慎轉變為自信。財務依據/商業論證不足生成式 AI 專業能力不足技術能力有限用于定制模型的專有數據不足對數據準確性或偏見的擔憂39%40%45%41%45%12345圖 3高管們在權衡生成式 AI 的價值和可行性。問：貴組織目前采用生成式 AI 面臨的最大障礙是什么？采用障礙8采用生成式 AI 的7 項關鍵因素4制定商業論證5更新 AI 治理2識別和評估數據3選擇模型并決定所需的訓練7制定監控和調整計劃6評估和解決技能需求81選擇正確的 AI 用例91.選擇正確的 A

13、I 用例通信服務提供商正在探索大量生成式 AI 用例，領先的通信服務提供商則具備戰略思維，能夠識別快速成效和長期機會（請參見“觀點：Bharti Airtel 聯合開發生成式 AI 解決方案”）。但是，組織應如何選擇最有意義的重點領域？一種方法是：從低風險的實驗開始，提升員工效率，例如使用生成式 AI 創建營銷活動內容或總結文檔。但真正的挑戰在于識別和部署那些可變革運營和客戶體驗的優質用例。對于調研受訪者來說，決策始于成功的關鍵標準（見圖 4）。資源限制、合作伙伴能力不足、技術實施的復雜性以及缺乏足夠的技術人才是電信企業在實施生成式 AI 時的主要難題。受訪者還專注于尋找那些能夠根據戰略對齊、

14、財務投資回報率和最終用戶收益提供最大價值的用例。圖 4高管們根據六項關鍵標準來評估生成式 AI 用例。問：貴組織優先選擇生成式 AI 用例的關鍵標準是什么？戰略對齊生態系統合作伙伴成熟度最終用戶獲益財務投資回報率實施復雜度技能可用性101223344低高高生成文檔匯總大型復雜文檔配置聊天機器人增強知識搜索分析客戶互動流程自動化生成個性化回復可行性客服輔助價值如前所述，客戶服務、IT（包括網絡運營）和信息安全已經成為生成式 AI 部署的主要業務領域。在這些業務領域中，受訪者正在根據價值和可行性評估用例。例如，在客戶服務中，配置聊天機器人和增強知識搜索的排名最高（見圖 5）。圖 5通信服務提供商正

15、在根據可能帶來的價值和實際部署的可行性來確定最具前景的客戶服務用例。電信客戶服務用例信息來源：IBM IBV 分析11在考慮用例時，組織應選擇那些可跨多個部門和業務領域采用的生成式 AI 能力。以增強知識搜索為例，我們的分析表明，這不僅是客戶服務、IT/網絡運營和信息安全領域的強大用例，也可以應用于人力資源、采購或銷售等領域。該用例使用生成式 AI 算法來改進現有知識庫的搜索功能。由于算法會根據與用戶互動不斷學習，因此搜索結果會更加個性化，用戶也會更加積極主動。當集成到組織的平臺中時，增強型知識搜索可幫助用戶更迅速地找到更準確的信息。2在評估用例時，NTT 的 Komazawa 建議，跨職能團

16、隊至關重要。他指出，“在業務部門，需要銷售和工程部門的參與。在管理部門，則需要治理、法律和知識產權部門的參與?！爱斎?，我們分析的結果可能并不適用于每個組織。例如，Bharti Airtel 的 Kapoor 提醒通信服務提供商不應將客戶服務作為唯一的最佳起點，盡管生成式 AI 可以帶來長遠效益，但并不是所有情況下都能產生預期的成本效益。特別是在考慮企業的規模和地區差異時，必須權衡 AI 的成本與收益。Kapoor 建議，長期價值通?？梢酝ㄟ^更好地映射客戶和網絡數據來實現，然后基于這些數據構建企業的生成式 AI 用例。他說道，“這與數據貨幣化有關，電信企業一直在努力解決這個問題。他們掌握大量數據

17、，但傳統上，聚合商能從中獲取更多的利潤。電信企業還沒有解決如何在沒有聚合商的情況下互相共享數據的問題?！蹦J為生成式 AI 能幫助您解決的主要業務問題是什么？該解決方案如何與您的整體戰略對接？請考慮短期、中期和長期目標。如何將用例應用于其他類似的業務問題？需探討的問題1112觀點Bharti Airtel 聯合開發生成式 AI 解決方案3 盡管許多運營商傾向于將其 AI 開發和實施的資源和決策集中在一個部門或團隊內，Bharti Artel 的首席信息官 Pradipt Kapoor 提出了一種聯合的 AI 解決方案開發方法。他說道，“在 Airtel，我們相信 AI 和生成式 AI 的變革力

18、量。與任何新興技術一樣，必須經歷一個意識提升、宣傳推廣和培訓的周期?！彼赋?，他們對 Airtel 的每個部門（供應鏈、財務、營銷、人力資源等）都進行了技術普及，通過演示和親身體驗來介紹生成式 AI 的概念以及可能的應用。他繼續說道，“我們還嘗試將創意生成過程模板化，通過提出適當的問題來識別具有業務價值的用例。然后，我們與數字（產品和工程）團隊合作，看看他們根據我們現有的數據和技術能夠做些什么?！痹摴灸壳皳碛?28 到 35 個已投入使用或即將投入使用的 AI 用例，通過生成式 AI 在多個領域推動價值創造，聚焦提升客戶服務、降低成本和效率改進。這些用例包括：員工聊天機器人允許員工詢問諸如“

19、我還有多少假期？”或“育兒政策是什么意思？”等問題。呼叫中心的所有來電都會自動生成通話記錄和摘要，并自動上傳到客戶交互歷史記錄中。進一步對通話進行情感分析。這些舉措顯著縮短了平均處理時間，并提升了通話質量。市場營銷部門使用通用的大語言模型（LLM）生成超本地化的內容和優惠。一些賬單的催收電話現在采用了生成式 AI 驅動的語音機器人呼叫。這項工作已初見成效，將 100 人的團隊的未付款賬單支付率從 60%提高到語音機器人所處理的 64%。開發人員正在使用生成式 AI 幫助生成測試用例和代碼。12132.識別和評估數據可信的高質量數據是生成式 AI 的命脈。這就要求通信服務提供商同時考慮所需的數據

20、和支持數據的基礎設施。e&集團的 Almansoori 說道，“電信企業擁有大量的結構化和非結構化數據，是成功利用第三方生成式 AI 模型的理想選擇。然而，只有擁有合適的工具和人才，才能真正發揮這種數據優勢?！蓖ㄐ欧仗峁┥淌紫葢獧z查是否擁有與每個用例相關的，準確、完整和最新的數據。這需要收集不同領域的數據并進行整合，如客戶互動、網絡性能指標和外部數據提供商。這還可能涉及非運營商數據。例如，天氣和交通數據可以用于預測網絡問題，競爭對手故障的社交媒體數據可以用來推動營銷活動。在評估這些數據時，通信服務提供商必須考慮數據隱私和安全法規，這些法規會影響關于如何使用、保護和存儲客戶數據的決策（例如存儲

21、在本地還是云端）。事實上，71%的高管擔心數據法律會限制他們在生成式 AI 模型中的數據流動和使用。超過三分之一的受訪者（37%）擔心網絡安全黑客會操控他們的生成式 AI 模型，因此他們還需要關注基本的數據安全原則，以保護模型的輸入和輸出。4通信服務提供商還必須防范數據中的潛在偏差。這意味著要追蹤模型中所使用數據的來源，并確保數據代表了不同的客戶、網絡和場景。14需探討的問題最后，通信服務提供商的數據基礎設施對于集成來自不同來源的數據至關重要。遺憾的是，這對于許多通信服務提供商都是一個薄弱環節。Bharti Airtel 的 Kapoor 指出：“我認為，大多數電信企業將數據基礎設施視為一個簡

22、單的數據存儲平臺。數據平臺應當具有更強的能力，不僅僅用于存儲和報告數據，更應支持業務決策和技術創新，但很少有電信企業考慮到這點?！蔽覀兊臄祿€表明，只有 30%的受訪者預計生成式 AI 將在未來三年顯著加速他們與數據和分析平臺的合作。60%的受訪者承認他們的數據集成能力仍處于不成熟或初級階段。這些限制可能會使通信服務提供商難以獲取最符合其生成式 AI 用例的數據。數據織物架構等先進解決方案可以支持多個數據管道和云環境的端到端集成。5Kapoor 說道，“分類明確、易于理解的高質量數據是生成式 AI 和 AI 成功采用的基礎。人們常常忘記這一點。首先應投資數據平臺?！蹦臄祿A設施是否支持集成

23、各種來源的結構化和非結構化數據？您的數據治理政策和程序是否支持在生成式 AI 模型中負責任地使用數據？如何加強數據安全文化？153.選擇生成式 AI 模型并了解模型訓練要求。生成式 AI 模型迅速發展，為通信服務提供商提供了多種選擇。去年，人們的關注點聚焦于多用途的大語言模型（LLM）上，而今年小語言模型（SLM）的發展則更具成本效益和相關性。6 組織可以從大語言模型開始進行實驗，然后在細化用例時轉向小語言模型。通信服務提供商還可以選擇專有模型（如 OpenAI 的 ChatGPT 和 Anthropic 的 Claude），以及開放模型（如 Meta 的 Llama 和 Mistral AI

24、 的 Mixtral）。有些模型是多模態的，能夠處理和生成文本、圖像甚至音頻格式的數據。7 此外，行業特定的基礎模型也在開發中（請參見：“觀點：網絡基礎模型提升網絡性能潛力”）。NTT 的 Komazawa 表示，模型必須滿足日本市場（包括日本組織）的獨特需求，事實上，他們已經構建了自己的大語言模型。他說道，“從地緣政治角度來看，日本是一個獨特的環境，擁有自己的語言和文化?！钡差A測，日本將使用多種大語言模型。選擇一種或多種模型并非易事。最終，通信服務提供商可能需要多種模型，以提供更高的準確性和更多的功能。多模型的選擇和部署雖然能提升 AI 應用的多樣性，但也會帶來更高的成本和復雜性。通信服

25、務提供商需要謹慎管理 AI 技術的投資，避免因過度投入而積累無法有效管理的技術債務。8同時，通信服務提供商在選擇 AI 模型和服務供應商時，應避免依賴單一供應商，以便能夠靈活應對技術進步的快速變化。16需探討的問題在通信服務提供商評估其模型選擇時，還需要考慮如何根據具體需求精確地調整這些模型的功能和參數，以滿足特定需求。使用最廣泛的技術包括：提示工程。這一過程包括設計和測試不同的提示或輸入，了解模型在特定任務中的表現，以找到能夠生成高質量響應的提示。提示工程是一種提升模型在特定任務表現的方法，且成本效益高，但輸出結果僅限于模型在初始訓練時所學到的內容。這項技術并不會為模型添加更多特定的或新的信

26、息。9 檢索增強生成（RAG）。這項技術利用外部數據源提供更多最新的相關信息，但成本高于提示工程，同時需要將模型與持有附加數據的系統進行集成。10 微調模型。這種方法使用少量特定任務的數據來調整預先訓練好的語言模型，從而生成更準確的輸出。這適用于多種自然語言處理任務（如文本分類、輿情分析、問題解答等），可大幅改善模型的性能。微調需要大量的計算資源和時間，而且需要技術技能和精心整理的數據集。盡管微調比構建定制模型便宜，但依然是一項成本較高的技術。11許多通信服務提供商仍在使用傳統技術，如何將生成式 AI 與現有技術有效集成是一項嚴峻的挑戰。e&集團的 Almansoori 指出，“盡管 AI 的

27、優勢顯而易見，但采用 AI 需要在前期妥善處理與傳統系統的互操作性問題。圍繞需求進行戰略規劃、精簡傳統基礎設施以及切實可行的分階段集成方法是關鍵所在?！辟F組織將如何處理來自供應商的模型變更（模型版本控制）？生成式 AI 模型的使用是否會改變工作流程？它將如何融入當前的運營框架？模型決策過程的透明度如何？供應商如何處理數據隱私和安全問題？17觀點網絡基礎模型提升網絡性能潛力12快速發展的 AI 技術正在改變電信行業解決復雜問題的方法。IBM Research 將基礎模型應用于網絡數據，利用未標記的大數據集來推動創新。聯合領先的通信服務提供商，該團隊在優化城市環境中的無線接入網絡(RAN)參數方面

28、取得了突破。通過定制和微調基礎模型，使其與移動網絡數據兼容，電信企業在提高網絡性能的同時，也提升了網絡的覆蓋范圍。概念驗證顯示，這種 AI 驅動方法能夠準確預測下行鏈路吞吐量、提升服務質量，并提高網絡性能評分(NPS)。值得注意的是，該模型的效率優于 XGBoost 等傳統機器學習方法。經過訓練的基礎模型可應用于多種用例，包括：識別性能不佳的基站。生成式 AI 能夠識別性能不佳的基站，有效優化資源分配，提高整體網絡性能。調整最優配置參數。生成式 AI 能夠幫助電信企業根據網絡狀況調整最優配置，確保網絡效率最大化。多變量分析。多變量分析能夠幫助電信企業評估新特性或新功能對網絡性能的影響，從而進行

29、科學決策和優化。網絡模擬器。使用基礎模型預測配置變化的影響，從而迭代調整參數，優化網絡關鍵績效指標。這種模擬驅動的方法將徹底改變通信服務提供商優化網絡性能的方式，利用數據洞察使得決策更加科學，并在市場中保持競爭優勢。17184.制定商業論證生成式 AI 解決方案并不是簡單添加到現有系統中的附加組件，這不僅涉及高昂的成本，還需要技術上的深度整合。這項技術要求通信服務提供商考慮整個解決方案生命周期中的成本。13 具體包括：推理成本。推理成本反映了模型生成響應所需的費用。該過程需要大量計算資源。微調成本。微調成本將根據模型的大小和復雜程度、使用的數據量以及迭代次數而變化。云支出。除了托管生成式 AI

30、 應用的成本，還需考慮應用生成數據的額外存儲成本。還必須重新審視云計算和傳統基礎設施戰略，以確保它們對生成式 AI 解決方案而言具有成本效益。部署成本。部署成本包括在多個地區部署解決方案的費用，例如服務器托管。人才成本。必須考慮短期和長期的人才計劃，包括開發人員、數據管理人員和安全團隊的再培訓和招聘優先事項；加強安全教育，使員工意識到生成式 AI 帶來的風險；以及確定人工反饋在模型訓練中的作用。評估成本效益中的間接回報會更加困難。對于電信行業，生成式 AI 可以通過提高生產力、改善風險管理和提供有吸引力的產品/服務來推動業務價值。例如，IBM 的生成式 AI 解決方案試點顯示，市場營銷內容創作

31、的成本最多可降低 40%，遏制潛在網絡威脅的速度最多可提高 8 倍，自動客戶服務解決方案提供的答案準確率最高可達 95%。1419信息來源：IBM IBV 對標值項目實現盈利性增長增加收入增加有機收入為了更好地了解解決方案的財務價值，通信服務提供商可以使用價值樹來評估該解決方案如何幫助增加收入、管理成本和降低風險。更具體地說，他們需要評估特定指標，如新客戶的百分比、新產品收入的百分比、銷售周期時間、營銷投資回報率以及檢測和響應網絡安全事件的平均時間等（見圖 6）。15 圖 6與關鍵業務績效指標對齊的價值樹有助于識別生成式 AI 解決方案的財務價值。增加客戶數量管理現場服務成本管理產品/服務開發

32、成本管理銷售成本管理 IT 成本增加客戶交易數量管理銷售、一般及行政成本(SG&A)管理網絡安全管理技術風險管理人員風險管理市場營銷成本管理客戶服務成本管理成本降低風險管理聲譽風險管理運營風險20需探討的問題通過價值樹構建有效的商業論證需要技術團隊和財務團隊之間的緊密合作。e&集團的 Almansoori 表示，“技術領導者和財務團隊之間的緊密合作可以將技術愿景和指標轉化為明確的業務效益和投資回報率預測，同時優化投資，確保項目結構合理，最大限度地提高投資回報率?！蹦Ｍㄟ^生成式 AI 用例改善哪些關鍵績效指標？您期望增加收入還是降低成本？實現目標最具成本效益的訓練模型方式是什么？您的技術團隊

33、和財務團隊之間是否建立合作，以指導業務案例開發？若沒有，如何加強合作？215.更新 AI 治理生成式 AI 的成功不僅依賴于技術本身，還取決于企業對其治理的重視。有效的治理能夠確保 AI 安全運行且合乎倫理。AI 的治理框架必須能夠識別和防范技術帶來的風險，例如算法偏見、歧視以及對個人隱私的侵犯。同時，AI 的決策過程需要具備可解釋性，以增強用戶的信任和接受度。16e&集團的 Almansoori 表示，“數據準確性和偏見問題不容小覷。由于電信企業擁有對用戶的個人數字信息流的獨特訪問權限，并充當網絡監管角色，我們觀察到監管機構和客戶，對數據主權、隱私和模型可解釋性問題的關注不斷增加?！盢TT

34、的 Komazawa 同樣強調了治理的重要性。他說道，“曾經有些技術極具變革潛力，飽受期待。但由于治理問題，我們未能做出部署決策?！备吖軅儗鹘y的 AI 治理充滿信心，78%的受訪者表示他們已經建立了明確的組織結構、政策和流程。例如，為保護知識產權，組織需要為員工如何使用生成式 AI 制定準則，并且治理框架應當解決使用基于大量數據預訓練模型可能出現的問題，尤其是在組織對這些數據控制較少的情況下。22需探討的問題通信服務提供商不斷推進生成式 AI 用例，e&集團的Almansoori 建議更新現有的傳統 AI 治理框架，以應對以下問題：加大對可解釋性和透明度的關注。生成式 AI 需要對模型生成內

35、容（如文本、代碼或其他媒體）的方式有清晰的理解。通信服務提供商需要展示生成式 AI 創作背后的推理過程，并減少訓練數據中的偏見。生成式 AI 相關的獨特風險。監管框架和標準不斷發展，以預測惡意用途的深度偽造和其他形式的合成媒體所帶來的風險（請參見“觀點：應對 AI 法規迷宮”）。隨著 AI 技術的發展，將會出臺更多的功能限制和監管要求，通信服務提供商必須確保其 AI 技術符合最新的法規和監管標準。人機協作。隨著 AI 與人類協作的性質不斷演變，通信服務提供商需要制定指導方針，管理人類與 AI 的互動，明確 AI 協助時決策責任的歸屬，并在關鍵任務中保留人類監督。數據隱私和完整性。生成式 AI

36、依賴大量訓練數據，這引發了對偏見以及無意中使用版權數據的擔憂。17 在選擇數據和模型用于特定用例時，通信服務提供商需要評估風險，并明確其在數據隱私方面的責任。遵循負責任的 AI 原則不僅符合道德和法律要求，還有助于提升企業的市場競爭力。Almansoori 表示，“若電信企業從一開始就將透明度、可解釋性、安全性和公平性作為核心，就可以輕而易舉地適應未來的政策變化，并比那些遲遲未采用更合乎道倫理實踐的競爭對手更具優勢。夯實基礎是關鍵?！蹦F有的 AI 治理發展得如何？您的解決方案將部署在哪些國家？這些國家有哪些 AI 相關的法規？您將如何確保生成式 AI 輸出的透明度？23觀點應對 AI 法規迷

37、宮歐盟的人工智能法作為全球首部全面的 AI 法規，將對通信服務提供商更新其治理框架產生重大影響。該法案要求各組織確保被視為“高風險”的 AI 應用是安全、透明的，并嚴格遵守隱私法律。18 但除了歐盟的人工智能法，通信服務提供商還必須管理復雜的 AI 法規網絡，這些法規正在全球范圍內逐步建立，涉及從美國州級法律到國家層面。19 例如，加拿大正在推進人工智能和數據法案，印度提出了數字印度法案，中國推出了多個治理倡議，而澳大利亞則強調現有的 AI 監管結構。20e&集團的 Almansoori 舉例說明了法規將如何適用于通信服務提供商：展示聊天機器人如何生成其響應，避免生成具有欺騙性或誤導性的營銷信

38、息或利用用戶數據，并能夠解釋 AI 系統如何預測網絡流量模式和分配資源。通信服務提供商需要建立法律團隊，跟蹤 AI 法規的演變和影響。技術公司也在將治理和自動化集成到生成式 AI 解決方案中，以幫助組織減輕負擔。23246.評估和解決技能需求受訪高管認為，專業知識不足是采用生成式 AI 的最大障礙之一，但在 e&集團的 Almansoori 看來，這是一個更為深層的問題。她指出，“戰略性的人才招聘和技能提升是一大挑戰，那些行業領先的公司正在積極培養內部卓越的 AI 中心，而不僅僅依賴招聘。他們正在投資于人才的再培訓?！眅&通過建立 AI 能力中心和 Citizen X 項目，確保員工在這些項目

39、中獲得廣泛的培訓機會。除了理論學習，e&還注重實踐經驗的積累。通過結合實際項目，員工能夠更加深入地理解 AI 技術，并具備解決實際問題的能力。e&在 2021 年推出了 AI 畢業生項目，確保所有新招聘的畢業生都能熟練掌握 AI 基礎知識，無論其工作安排或背景如何。同樣，NTT 的 Komazawa 表示，為了激發人們對 AI 的興趣，他們成立了一個 AI 工作委員會，討論生成式 AI 用例、治理和安全問題。與以往的技術（如云或網絡基礎設施）一樣，通信服務提供商可以依靠業務合作伙伴來彌補 AI 技能方面的差距。事實上，我們的受訪者正寄希望于此：74%的受訪者表示當前的生態系統合作伙伴對他們的生

40、成式 AI 創新工作至關重要。76%的受訪者在重新評估生態系統合作伙伴關系，以從生成式 AI 中獲得更多創新價值。技術合作伙伴可以提供專業的 AI 解決方案，無需通信服務提供商徹底改造其傳統基礎設施。然而，Almansoori 再次提醒不要過度依賴合作伙伴。她說道，“過度依賴特定供應商的專有技術和解決方案，會限制組織在動態市場中的長期戰略靈活性和市場競爭力。此外，如果沒有協調一致的內部 AI 能力建設，電信企業可能難以實現所需的規模?！?5需探討的問題一家亞洲移動運營商的董事指出，建設內部專業能力至關重要。他說道，“組織內部的技術能力至關重要。即使我們要求業務合作伙伴完成實際工作，我們也必須具

41、備足夠的技術能力，以理解和管理合作伙伴完成的任務?！彪娦蓬I導者也認識到，員工對 AI 的擔憂可能會對實施造成挑戰。Almansoori 說道，“組織惰性、缺乏優先級劃分以及對變革的抵觸情緒，可能會嚴重阻礙 AI 的采用。這不僅包括技術轉型，還包括改變公司文化，接受數據驅動的決策，重新定義工作角色，并解決員工的期望和對工作流失的擔憂?！盇lmansoori 指出，e&的目標是“確保負責任的過渡，利用生成式 AI 創造新機會，并重塑現有角色。與其將其視為人類與 AI 之間的對立，將其視為互補力量，增強彼此的能力更為準確?！蹦枰趦炔颗囵B哪些能力（如 AI、機器學習、數據科學、提示工程等）？您可以

42、建立哪些類型的再培訓計劃？如何創造一種有利于生成式 AI 發展的文化，讓員工從擔憂轉變為熱情？21業務合作伙伴可以在短期和長期內發揮什么作用，幫助啟動和確保生成式 AI 項目？2526需探討的問題最后，通信服務提供商如何評估其 AI 解決方案是否達到了預期效果？在推進采用生成式 AI 時，通信服務提供商不能忽視這一規劃點。他們需要定期監測業務案例中的關鍵指標，以評估生成式 AI 解決方案的效果。領導者需要對生成式 AI 項目進行回顧性評估，分析項目中的成功和不足，優化未來的實施方案。最重要的是，鑒于生成式 AI 發展迅速，通信服務提供商必須關注技術的前沿進展，及時更新其技術應用，并了解這些進展

43、如何影響當前和未來的用例。NTT 公司的 Komazawa 表示，這對于成功采用生成式 AI 至關重要。他說道，“應該仔細監控生成式 AI 領域中的服務。仔細觀察市場，了解新服務是否安全，并且符合相關的法律和監管要求?！迸c此同時，他鼓勵采取積極開放的心態，勇于接受挑戰。他表示，“只有接受新技術帶來的挑戰，電信企業才能真正提供創新的服務，并在市場中獲得競爭優勢?！?.制定監控和調整計劃您的訓練數據質量是否足夠高？您選擇的生成式 AI 模型是否提供了所需的輸出精度和準確性？您可以建立哪些系統或委員會，以保持對最新生成式 AI 進展、安全風險和法律法規的關注？27Rahul KumarIBM Con

44、sulting 高級合伙人兼副總裁，全球電信和媒體行業負責人 CoughlanIBM 全球電信、媒體和娛樂行業首席技術官 Entertainment industry,IBM Kurien全球電信，媒體和娛樂行業負責人IBM 商業價值研究院 商業價值研究院聯合牛津經濟研究院，針對來自全球 24 個國家的 300 名電信行業高管開展了一項訪談式調研。對象為首席執行官、首席信息官、首席技術官、首席戰略官、首席信息安全官、首席數據官和首席 AI 官。受訪者被要求分別評估各個職能領域中生成式 AI 用例的價值和可行性。IBM IBV 分析了受訪者的回答，并將其映射到兩個維度，從而得出每個職能領域的四象

45、限視圖。本報告采用 IBM 生成式 AI 工具進行分析。訪談2024 年 4 月，我們精心挑選了電信行業領先企業的部分高管，與他們進行了一對一訪談，以更深入地驗證和分析調研結果。他們的專業知識反映在本報告中，本報告也引用了他們的觀點。2728相關報告Telecom 2030:Dial in for a decade of opportunity.In partnership with GSMA.January 2024.https:/ibm.co/telecom-2030電信運營商的盲點：挖掘隱藏商機，推動收入增長。與 GSMA Intelligence 聯合出品。2023 年 9 月 htt

46、ps:/ibm.co/telecoms-revenue-opportunitiesSecuring generative AI:What matters now.In partnership with Amazon Web Services.May 2024.https:/ibm.co/securing-generative-aiIBM 商業價值研究院IBM 商業價值研究院(IBM IBV)成立二十年來，憑借 IBM 在商業、技術和社會交叉領域的獨特地位，每年都會針對成千上萬高管、消費者和專家展開調研、訪談和互動，將他們的觀點綜合成可信賴的、振奮人心和切實可行的洞察。需要 IBV 最新研究成果

47、，請在 上注冊以接收 IBV 的電子郵件通訊。您可以在 Twitter 上關注 IBMIBV，或 通 過 https:/ibm.co/ibv-linkedin 在 LinkedIn 上聯系我們。訪問 IBM 商業價值研究院中國官網，免費下載研究報告：https:/ IBM，我們積極與客戶協作，運用業務洞察和先進的研究方法與技術，幫助他們在瞬息萬變的商業環境中保持獨特的競爭優勢。關于研究洞察研究洞察致力于為業務主管就公共和私營領域的關鍵問題提供基于事實的戰略洞察。洞察根據對自身主要研究調查的分析結果得出。要了解更多信息，請聯系 IBM 商業價值研究院：.29備注和參考資料 1 Building

48、an AI strategy:Telcos put the foundations in place.TM Forum Knowledge Benchmark.March 2024.https:/inform.tmforum.org/research-and-analysis/reports/building-an-ai-strategy-telcos-put-the-foundations-in-place2 Garay,Caroline,Jaden Sibrian,and Victor Alamillo.“Scale knowledge management use cases with

49、generative AI.”IBM Think Blog.July 27,2023.https:/ Interview with Bharti Airtel CIO,Pradipt Kapoor.April 19,2024.4 Rodgers,Clark,Moumita Saha,Dimple Ahluwalia,Kevin Skapinetz,and Gerald Parham.Securing generative AI:What matters now.IBM Institute for Business Value in partnership with Amazon Web Ser

50、vices.May 2024.https:/ibm.co/securing-generative-ai5“What is a data fabric?”IBM website.Accessed May 9,2024.https:/ 6“Generative AI.”AI Business.October 10,2023.https:/ Rouse,Margaret.“Multimodal AI(Multimodal Artificial Intelligence).”Techopedia.July 4,2023.https:/ Building an AI strategy:Telcos pu

51、t the foundations in place.TM Forum Knowledge Benchmark.March 2024.https:/inform.tmforum.org/research-and-analysis/reports/building-an-ai-strategy-telcos-put-the-foundations-in-place9“Prompt Engineering vs Finetuning vs RAG.”MYSCALE.March 26,2024.https:/ Ibid.11 Ibid.12 Based on an interview with IB

52、M Research,April 2024.13 Huang,Hugo.“What CEOs Need to Know About the Costs of Adopting GenAI.”Harvard Business Review.November 15,2023.https:/hbr.org/2023/11/what-ceos-need-to-know-about-the-costs-of-adopting-genai14 Based on IBM internal benchmarks.15 Telecommunications industry value tree.IBM Ins

53、titute for Business Value Benchmark Program.16“What is AI governance?”IBM website.Accessed May 9,2024.https:/ AI Governance.”Centraleyes.Accessed May 9,2024.https:/ The EU Artificial Intelligence Act website.Accessed May 8,2024.https:/artificialintelligenceact.eu/19 Ponomarov,Kostiantyn.“Global AI R

54、egulations Tracker:Europe,Americas&Asia-Pacific Overview.”Legal Nodes.March 20,2024.https:/ and David Strauss.“A look at proposed US state private sector AI legislation.”IAPP.February 28,2024.https:/iapp.org/news/a/a-look-at-proposed-u-s-state-private-sector-ai-legislation/20 Ponomarov,Kostiantyn.“G

55、lobal AI Regulations Tracker:Europe,Americas&Asia-Pacific Overview.”Legal Nodes.March 20,2024.https:/ Bowin,David,Andi Britt,Robert Enright,and Dr.Surlina Yin.HR champions generative AI:Embrace experimentation,empower people.IBM Institute for Business Value.March 2024.https:/ibm.co/hr-generative-ai

56、Copyright IBM Corporation 2024國際商業機器（中國）有限公司 北京市朝陽區金和東路 20 號院 3 號樓 正大中心南塔 12 層 郵編：100020美國出品|2025 年 1 月IBM、IBM 徽 標、 和 IBM Research 是 International Business Machines Corporation 在世界各地司法轄區的注冊商標。其他產品和服務名稱可能是 IBM 或其他公司的商標。以下 Web 站點上的“Copyright and trademark information”部分中包含了 IBM 商標的最新列表： 可能隨時對其進行更改。IBM

57、 并不一定在開展業務的所有國家或地區提供所有產品或服務。本文檔內的信息“按現狀”提供，不附有任何種類的（無論是明示的還是默示的）保證，包括不附有關于適銷性、適用于某種特定用途的任何保證以及非侵權的任何保證或條件。IBM 產品根據其提供時所依據的協議條款和條件獲得保證。本報告的目的僅為提供通用指南。它并不旨在代替詳盡的研究或專業判斷依據。由于使用本出版物對任何企業或個人所造成的損失，IBM 概不負責。本報告中使用的數據可能源自第三方，IBM 并未對其進行獨立核實、驗證或審查。此類數據的使用結果均為“按現狀”提供，IBM 不作出任何明示或默示的聲明或保證。MLKALPYQ-ZHCN-01掃碼關注 IBM 商業價值研究院官網微博微信公眾號