Le aziende di telecomunicazioni sono sedute su una miniera d’oro. Nell’era del 5G, dell’IoT e della connettività pervasiva, nessun settore genera un volume di dati così vasto e granulare sui comportamenti dei clienti.
Sanno dove siamo, quali app usiamo, quanto navighiamo e i pattern delle nostre comunicazioni. Eppure, la maggior parte dei loro progetti di Intelligenza Artificiale fallisce. Questo è il grande paradosso delle TLC.
Studi recenti, inclusa un’analisi dell’MIT, hanno evidenziato tassi di fallimento sbalorditivi: si stima che fino al 95% dei progetti pilota di AI nel settore telco non riesca a passare alla fase di produzione o a generare un ROI misurabile. Sono “fabbriche di dati”, ma faticano enormemente a trasformare quei dati in valore.
La causa non è quasi mai la tecnologia. L’infrastruttura (con una copertura 5G e fibra tra le più capillari d’Europa) è pronta; i tool di AI sono accessibili. Il fallimento è altrove. È strategico e culturale.
Indice degli argomenti
La trappola dei KPI: ottimizzare il passato invece di predire il futuro
Il primo blocco è l’inerzia strategica. Per decenni, il successo di una Telco è stato misurato da KPI “ingegneristici”: uptime della rete, efficienza operativa (OpEx), Average Revenue Per User (ARPU) e costi di manutenzione. L’AI, di conseguenza, viene applicata per ottimizzare questi parametri.
Si usa l’AI per la manutenzione predittiva delle antenne o per ottimizzare i flussi di rete. Compiti utili, certo, ma che relegano l’AI a un centro di costo evoluto. È un’ottimizzazione del passato; è come usare un motore Ferrari per far andare meglio un carrello della spesa.
L’errore fatale è non capire che l’AI non serve a ottimizzare i vecchi KPI; serve a creare KPI completamente nuovi.
Dai KPI di reporting ai KPI predittivi
La vera rivoluzione è usare l’AI per passare da KPI di reporting (cosa è successo?) a KPI predittivi (cosa sta per succedere?).
In un settore con un tasso di abbandono (churn) annuo che può raggiungere cifre devastanti, stimate da Tridens nel 2024 tra il 20% e il 50%, la sfida non è avere una rete leggermente più efficiente. La sfida è impedire ai clienti di andarsene.
La tecnologia per farlo esiste ed è matura: studi accademici pubblicati su piattaforme come MDPI e Semantic Scholar hanno dimostrato come i moderni modelli di AI possano predire il churn con un’accuratezza che supera il 96%, e in alcuni casi raggiunge persino il 99%. Eppure, questa potenza predittiva rimane in gran parte inutilizzata.
Finché l’AI viene usata per limare i costi di manutenzione invece che per salvare i clienti, spostando il focus dall’ARPU (dato del passato) al Customer Lifetime Value (previsione sul futuro), il suo potenziale strategico è azzerato.
Il blocco culturale: l’AI delegata all’IT
Il secondo blocco è la leadership. Nella maggior parte delle Telco, l’AI è un progetto delegato al dipartimento IT o ai tecnici di rete. Il C-Level (CEO, CMO, CFO) lo tratta come un tool tecnologico, non come il cervello strategico del business. Ma l’adozione dell’AI non è un aggiornamento software; è un change management profondo.
Silos, comunicazione e talento: il nodo irrisolto
Questo approccio a “silos” crea un muro invalicabile. L’IT sviluppa modelli predittivi brillanti che, però, il Marketing non sa come usare (perché ragiona ancora per campagne massive) e il Sales non capisce (perché è focalizzato sugli incentivi a breve termine).
È un dato di fatto: le principali barriere all’adozione dell’AI su larga scala nelle Telco sono proprio i “data silos” (dati frammentati in sistemi legacy) e la mancanza di talento e competenze. Questo non significa che manchino i tecnici; significa che manca una cultura del dato diffusa a livello strategico, guidata dai business owners.
Senza una leadership “AI-Driven” che imponga una visione unica e costringa i dipartimenti a parlare un linguaggio comune (quello dei dati predittivi), l’AI rimane un esercizio accademico confinato nei server.
Come sbloccare il valore: dalla raccolta dati all’azione
Per le Telco, la via d’uscita da questo paradosso non richiede più tecnologia, ma più strategia.
Primo, è necessario rivoluzionare i KPI. Il C-Level deve imporre il passaggio dai KPI di rete ai KPI predittivi sul cliente. I leader di settore, come evidenziato da un report di GSMA Intelligence, danno già priorità all’esperienza cliente (CX) rispetto ai risparmi OpEx con un rapporto di quattro a uno.
L’obiettivo dell’AI non è “efficienza”, ma “crescita” e “nuovi modelli di business”, come evidenziato da un’analisi di McKinsey.
Leadership e team cross-funzionali
Secondo, serve una leadership centrale. L’AI deve essere un tema del CEO, non del CIO. Il 95% dei fallimenti dei piloti è un fallimento di scaling, e lo scaling non è un problema tecnico: è un problema strategico di leadership. Servono team cross-funzionali (IT + Marketing + Sales) che rispondano a obiettivi comuni, come la riduzione del churn predittivo.
Da collezionisti ad attivatori di dati
Infine, le Telco devono smettere di essere “collezionisti” di dati e diventare “attivatori” di dati. L’AI serve a creare servizi iper-personalizzati in tempo reale, anticipare i bisogni del cliente prima che li esprima e, infine, smettere di competere sul prezzo e iniziare a competere sul valore predittivo. La tecnologia è pronta. La vera sfida, ora, è costruire la cultura e la strategia per usarla.
