Drie manieren waarop generative AI de telecomindustrie zal veranderen

Klantervaring verbeteren

Veel telecommunicatiebedrijven maken al gebruik van AI om menselijke interacties te verbeteren. Generative AI kan dit een stap verder brengen met interactieve voice response - een doorontwikkelde chatbot die klanten helpt om problemen op te lossen of antwoorden op vragen te krijgen. Of helpt bij het analyseren van realtime klantgesprekken, en voorstellen en middelen biedt om agenten te helpen bij het oplossen van klantvragen. Agenten blijven zelf de hoofdrol spelen in dit proces, maar generative AI kan klantervaringen en toepassingen opnieuw bezien en verbeteren.

Vereenvoudigen van (uitvoerende) werkzaamheden

Generative AI kan een sleutelrol spelen in alle aspecten van de netwerk lifecycle. Technici vertrouwen doorgaans op handleidingen en gedocumenteerde processen bij het installeren van netwerkelementen. Generative AI kan met deze informatie gevoed worden en zo interactieve begeleiding bieden en voorstellen laten zien om installatiewerkzaamheden te vereenvoudigen en te versnellen. De breed getrainde AI-basismodellen - die generative AI voeden - kunnen ook worden getraind op netwerktopologie en configuratiegegevens om voorstellen te doen voor de configuratie van netwerkelementen. Daarnaast kan generative AI probleemoplossende acties en procedures aanbevelen aan netwerkbeheerders bij netwerkstoringen.

Bedrijfsprestaties optimaliseren

Telecombedrijven kunnen generative AI inzetten om hen te helpen bij het identificeren van gebieden waar ze inkomsten mislopen of waar inkomsten lekken. Toegepast op bedrijfsprocessen onderzoekt generative AI winst, inkomsten, consumentenabonnementen, uitgaven en klanttarieven om aanbevelingen te doen over hoe het aanbod kan worden aangepast om de winst te optimaliseren.

Overwegingen bij het implementeren van Generative AI

Toch zijn er belangrijke overwegingen te maken voor generative AI wordt ingezet. Want traditionele AI voldoet in veel gevallen, zoals bij het detecteren van afwijkingen in het netwerk of het bijhouden van statistieken. Ook is het kostbaar om fundamentele AI-modellen te ontwikkelen en/of te trainen voor het voeden van generative AI. Publieke modellen zijn minder geschikt voor toepassing bij specifieke taken en bedrijfseigen gegevens, en kunnen vragen opwerpen op het gebied van beveiliging, privacy en intellectueel eigendom. Business- en IT-leiders moeten dus nauw samenwerken met beveiligings-, compliance- en juridische teams om deze risico's te identificeren en te beperken, en ervoor te zorgen dat generative AI veilig en verantwoord wordt ingezet.

Daarnaast is bij de output van generative AI altijd een risico op antwoorden die er geloofwaardig uitzien maar onjuist zijn. Generative AI vereist uitgebreide datasets, training en toezicht om gedegen conclusies te trekken en antwoorden te geven. Daarom wordt generative AI niet aanbevolen voor taken die volledige zekerheid vereisen.

Net zo belangrijk is het op verantwoorde wijze implementeren van deze technologie. Sommige nieuwe generative AI-tools en -diensten hebben ingebouwde verantwoorde AI-functies. Zo toont Amazon CodeWhisperer aan wanneer de gegenereerde code lijkt op een bestaande opensource-code en detecteert en verwijdert Amazon Titan schadelijke inhoud in trainingsdatasets. Het is belangrijk om toepassingen binnen het bedrijf dan ook zorgvuldig te overwegen, een strategie voor gegevensorganisatie te bespreken en de ROI te evalueren voordat generative AI commercieel wordt ingezet.