来自市场研究公司Omdia的最新报告写到，生成式人工智能（GenAI）使人们对将人工智能（AI）应用于电信业务的兴趣重新燃起。无论是在技术合作伙伴提供的产品中，还是在电信运营商自己为车队管理和欺诈检测等业务构建的管理系统中，AI在电信业已经得到了很好的应用。生成式AI在创建书面和视觉内容领域以及作为自然语言接口来查询迄今为止难以利用的非结构化数据集方面提供了新的机会。

生成式AI在电信业最明显的应用是为聊天机器人生成更有用的响应，为客服代理生成更有用的脚本。今年到目前为止的运营商公告表明，他们还看到了应用生成式AI解决网络优化和故障管理问题的机会。同时，需要强有力的AI治理来减轻模型偏差、AI幻觉和Prompt injection等风险。企业和组织还应确保基于生成式AI的系统仍然受到人工监督。总的来说，Omdia首席分析师Roz Roseboro和Omdia实践负责人James Crawshaw认为，我们应该将生成式AI视为可以提高员工生产力的副驾驶（辅助），而不是取代员工的自主代理。

生成式AI抓住了时代精神

(资料图片仅供参考)

ChatGPT及其同类服务（例如Google Bard）的推出，导致人们今年重新燃起对AI的兴趣。这一点同样适用于电信业和其他行业。自从AI这个词在20世纪50年代首次被创造出来以来，它已经经历了好几个炒作周期。最近一轮是在2016年，当时Google DeepMind在围棋游戏中击败了世界上最优秀的人类选手，人们普遍对此感到非常兴奋。

在接下来的四年里，这导致了很多关于电信业AI的讨论，以及供应商对AI的大量洗牌。我们很难区分什么是利用AI的真正创新，什么是简单地伪装成新事物的现有统计分析。

电信业从业人员多年来一直在使用机器学习来解决工作负载调度和异常检测等问题，一方面，他们很高兴自己开始在公司内部得到更多的认可，另一方面，他们又对这些大惊小怪感到有点困惑。

正如AT&T首席数据官Andy Markus在最近一篇博客中指出的那样，“AI嵌入了AT&T的各个部门。客户服务是一个主要的受益领域。AI在幕后优化了我们现场技术人员驾驶卡车的日常路线，以服务更多的客户，并以更少的油耗处理更多的维修需求。并且，AI帮助我们近乎实时地识别和阻止网络中的欺诈行为，从而大大减少客户收到的垃圾电话数量。”

在十年更替之际，电信业对AI的热议逐渐消退，但在去年11月，ChatGPT重新推动了这一热潮。对于数百万尝试过这项服务的人来说，这是AI民主化的分水岭时刻。与之竞争的生成式AI服务很快推出，开源社区也纷纷开发了自己的模型和工具。

如图1所示，Omdia在6月调查的几乎所有通信服务提供商（CSP）专业人士都表示，他们的组织或者已经使用生成式AI（21%），或者正在实验室中进行测试（20%），或者在调查可能的用例（56%）。这些调查结果来自于Omdia即将发布的报告：AI和分析在客户体验管理中的作用（The Role of AI and Analytics for Customer Experience Management）。

图1：您的组织对生成式AI（例如ChatGPT）的立场是什么？注: n=39.

资料来源：Omdia对CSP专业人士的调查，2023年6月。

AI受到关注

ChatGPT利用的科学突破可以追溯到Google Brain的一个研究小组2017年发表的一篇学术论文，名为《Attention is all you need》。该论文介绍了Transformer概念——一种基于神经网络的深度学习模型。与传统的循环神经网络不同，Transformer采用了一种叫做“自注意力”（self-attention）的概念，这使其能够同时处理大量文本，而不是一次处理一个单词。这允许更多的并行化，从而减少训练时间。这使得OpenAI能够使用包含大量网络、维基百科、数字化书籍、arXiv、GitHub和Stack Exchange的大型数据集来生成模型。

但在一些组织中，除了乐观和兴奋之外，生成式AI也引发了担忧。一些公司禁止其员工使用ChatGPT。一些国家禁止其公民使用ChatGPT。一个名为“Center for AI Safety”的组织发动数百名科学家和“知名人士”签署了一份声明，称“减轻AI带来的灭绝风险，应该与流行病和核战争等其他社会规模的风险一起，成为全球优先事项。”

虽然公司和政府有可能禁止像ChatGPT这样的特定服务，但他们无法禁止使生成式AI成为可能的基础数学和计算机科学。生成式AI究竟应该、能够以及将如何监管，可以参考Omdia的另一份报告“Reining in generative AI: A fractious regional perspective unfolds”。在本文中，Omdia探讨了生成式AI如何在电信行业中得到利用。

生成式AI在电信行业中的示例

生成式AI在电信领域的大多数用例与在任何其他行业中的用例都是相同的：

·为销售和营销生成书面和视觉内容；

·总结书面和口头内容（报告、会议等）；

·帮助生成计算机代码：

·客户服务虚拟助理。

生成式AI在电信业最明显的应用是为聊天机器人生成更有用的响应，为客服代理生成更有用的脚本。AI在这些领域的应用已有多年时间，但这些系统所依赖的知识基础很狭窄。基于电信运营商呼叫中心收集的数据（电话通话记录、聊天信息对话等）创建专有的大型语言模型（LLM），并将其与OpenAI的GPT-4等基础模型相结合，将能够更智能地响应客户查询，并为客服代理提供更好的建议。虽然大部分讨论通常围绕生成式AI在这种情况下的潜在效率提升展开，但从创收的角度来看，即时提供个性化服务的能力也具有一定前景。

支持自治网络是生成式AI的另一个主要用例。正如AWS电信和边缘云首席技术专家Ishwar Parulkar最近在Light Reading的一篇文章中所写的那样，生成式AI可以取代工程师在安装网络元件时传统上使用的帮助手册，并“提供交互式指导和提示，以加快和简化安装任务”。它还可以用于提出故障排除建议，并协助进行网络规划和设计。

生成式AI在客户服务和网络运营方面的应用只是AI增强知识管理的更广泛机会的两个例子。有大量的制度性知识埋藏在电子邮件、文件和员工的头脑中。随着人们退休，这些知识有丢失的风险。保留这些知识并使其他员工可以很容易地获取它，也许是生成式AI可以给所有行业（而不仅仅是电信业）带来的最大好处。

表1展示了电信运营商表示将如何利用生成式AI的示例。其中一些用例是面向外部的，例如为客户服务应用程序提供聊天机器人。有些是通用的工作场所活动，例如总结会议。其他涉及网络优化和故障管理。可以理解的是，这些公告背后的细节是模糊的，因为尽早采用生成式AI可能会给这些运营商在各自市场带来竞争优势。

一方面，电信运营商会从将生成式AI应用到自己的数据集中获得巨大价值，同时，他们也将看到生成式AI被嵌入到他们用于运营业务的许多商业软件系统中。它们将主要充当现有应用程序（如计费、订单管理、网络设计和安全）的助手。此外，CSP将需要帮助来基于其内部数据开发、培训和部署大语言模型，这将为网络设备制造商、独立软件供应商、咨询公司和超大规模企业（hyperscaler）创造机会。例如，今年6月，领先的CSP咨询公司埃森哲宣布，计划在未来三年内投资30亿美元，以扩大其数据和AI业务。代表CSP管理网络的公司也在考虑基于网络生成并存储在运营支持系统（OSS）和BSS（业务支持系统）中的数据开发大语言模型。

表2提供了一些活跃在电信行业的供应商的生成式AI公告示例。

表2：电信供应商生成式AI公告。资料来源：Omdia。

使用生成式AI的风险

使用基于大语言模型的生成式AI的风险与传统形式AI的风险大致相同。在最近Microsoft Build 2023活动发表的演讲中，Andrej Karpathy从他的角度概述了存在的主要风险。Andrej Karpathy拥有斯坦福大学机器学习博士学位，曾在Google DeepMind工作，后来成为OpenAI的创始成员之一，他曾在特斯拉担任计算机视觉方面的AI高级主管，现在又回到了OpenAI。

·模型可能存在偏差。如果训练数据存在偏差（对于大多数网络内容来说都是如此），那么模型将继承这种偏差。当使用AI选择求职者时，可以看到这种偏见的一个例子，其中训练数据中的人类偏见在AI候选人选择器中根深蒂固。

·模型可能会伪造信息。ChatGPT的输出是如此令人信服且自信地呈现，以至于我们倾向于作为事实接受它。当它给出答案时，用户必须批判性地思考并搜索源材料。

·模型可能存在推理错误。这些模型将统计分析应用于大量文本；它们不是逻辑引擎。

·模型存在知识盲区。训练大模型需要大量的时间和算力（因此也需要大量资金）。因此，模型仅能够定期更新。例如，ChatGPT对2021年9月之后的世界一无所知。

·模型容易受到Prompt injection、数据中毒攻击等的影响。Prompt injection是指模型被诱骗去做一些意想不到的事情（例如编写滥用性的答案）。数据中毒攻击是指创建网站和维基百科条目等虚假内容，然后将其用于生成式AI数据集并污染其输出。

建议

Omdia首席分析师Roz Roseboro和Omdia实践负责人James Crawshaw指出，电信运营商应该寻找机会，将生成式AI应用于目前存在于员工电子邮件和数字文件中的庞大企业知识库以及他们收集的客户数据中。为了安全地做到这一点，他们应该采用基础模型（如OpenAI的GPT-4或来自Meta的开源LLaMA模型），并在安全的环境中使用自己的数据对其进行微调，以防止意外泄露和黑客攻击。

总的来说，Omdia分析师认为，我们应该把生成式AI作为灵感的来源：对我们自己的思维的补充，而不是替代。生成式AI可以提供建议，人类可以将其用作自己工作的起点，而不是作为自己工作的替代方案。

生成式AI应始终与人工监督相结合。例如，在向客户发送由AI生成的电子邮件之前，精明的销售人员应该首先对其进行阅读，以确保它是合乎逻辑的，并且不会造成尴尬。

正如AT&T首席数据官所指出的那样，“我们正在训练Ask AT&T（一种员工工具）……这样我们就可以确保系统回应是有用的、准确的，也许最重要的是，它是负责任的响应。生成式AI工具并非是魔法，也不是万无一失的。Ask AT&T用户要负责检查结果是否准确和适当。”

Omdia分析师表示，我们应该将生成式AI视为可以提高员工生产力的副驾驶（辅助），而不是取代员工的自主代理。例如，生成式AI可以为客服代理提供支持，使他们的工作更轻松，并改善他们提供的服务。

生成式AI将改变工作世界，电信业也不例外。公司必须谨慎地平衡实施生成式AI不当的风险与行动过慢和处于竞争劣势的风险。通过适当的数据治理和人工监督，生成式AI的风险可以得到遏制。通过将生成式AI整合到运营商使用的商业软件系统（BSS/OSS）中，也可以降低行动缓慢的风险。但是，如果要最大程度地利用生成式AI，电信公司应该寻求开发自己独特的用例，使他们能够在客户体验、网络质量和运营效率方面实现差异化。

【注：Omdia由Informa Tech的研究部门（Ovum、Heavy Reading和Tractica）与收购的IHS Markit技术研究部门合并而成，是一家全球领先的技术研究机构。】