Come molti settori aziendali, l’industria delle tlc sta abbracciando con entusiasmo il potenziale dell’intelligenza artificiale generativa per innovare e costruire la sua rilevanza futura. Ma l’entusiasmo per una tecnologia non si traduce automaticamente nel successo della sua implementazione e nella trasformazione aziendale: le telco devono procedere in base a una precisa strategia che punta sull’individuazione di chiari casi d’uso, sul calcolo del ritorno di business, sulla presenza di talenti interni, sulla gestione dei dati, sulla governance e altri elementi ancora, come evidenzia un’analisi di Ibm Institute for business value (Ibm Ibv) che integra un sondaggio su 300 leader globali delle telecomunicazioni e i dati di un recente rapporto del Tm Forum.
I fornitori di servizi di comunicazione (Csp) hanno identificato più di 100 casi d’uso per l’utilizzo della Gen Ai nelle tlc. E stanno impegnando risorse importanti: la spesa per la Gen Ai, come percentuale della spesa totale per l’Ai, dovrebbe crescere del 37% nei prossimi due anni. Inoltre, i casi d’uso vengono studiati per tutte le principali aree di business. Tuttavia, meno di un quarto degli intervistati di Ibm Ibv afferma di aver definito come questa tecnologia possa differenziare la propria strategia aziendale. E la maggior parte dei dirigenti non considera la propria organizzazione del tutto pronta ad adottare l’Ai generativa a causa, soprattutto di vincoli di budget, carenza di competenze e gap tecnologici.
Di fronte a queste sfide Ibm Ibv insieme a Tm Forum ha isolato sette aspetti chiave dell’adozione dell’Ai generativa che i dirigenti delle telecomunicazioni dovrebbero prendere in considerazione per un’implementazione che porta a risultati concreti.
Indice degli argomenti
Gen Ai per le Tlc: partire dai casi d’uso
Un approccio all’implementazione può essere quello di partire con esperimenti a basso rischio che aumentano l’efficienza dei dipendenti, come l’utilizzo dell’Ai generativa per creare contenuti per campagne di marketing o riassunti dei documenti. Tuttavia, poi occorre andare avanti, selezionando e implementando su scala i casi d’uso che dimostrano di poter trasformare le operazioni e le esperienze dei clienti e che offrono il massimo valore in base all’allineamento strategico e al Roi. Ad oggi il servizio clienti, l’It (comprese le operazioni di rete) e la sicurezza delle informazioni sono le principali aree di business in cui viene implementata l’Ai generativa dalle telco. All’interno di queste aree, i manager delle tlc stanno valutando i casi d’uso in base al valore e alla fattibilità.
Secondo gli analisti, quando si considerano quali casi d’uso perseguire, le organizzazioni dovrebbero identificare le funzionalità della Gen Ai che possono essere sfruttate all’interno di più aree del business. Un esempio è la ricerca di informazioni e estrazione di conoscenza: questa applicazione si estende dal servizio clienti alle operazioni It/di rete alla sicurezza delle informazioni fino alle risorse umane, agli appalti e alle vendite.
Identificare e valutare i dati
I dati affidabili e di alta qualità sono la linfa vitale dell’Ai generativa. Ciò richiede ai Csp di considerare sia i dati di cui hanno bisogno che l’infrastruttura che li supporta. Le società di telecomunicazioni possiedono grandi quantità di dati strutturati e non strutturati, ideali per sfruttare con successo modelli di intelligenza artificiale di terze parti, ma questo vantaggio può essere veramente sfruttato solo se si hanno gli strumenti e le competenze interne. Ovviamente, occorre considerare anche la normativa pertinente sulla privacy e sulla sicurezza dei dati.
Secondo lo studio, bisogna anche andare oltre il data lake per adottare una vera e propria data platform in grado di alimentare il business e i casi d’uso.
Scegliere i modelli e comprendere come addestrarli
L’anno scorso l’attenzione si è concentrata sui modelli linguistici multiuso di grandi dimensioni (Llm), mentre quest’anno cresce l’attenzione verso in modelli linguistici piccoli (Slm), che possono essere molto più convenienti e pertinenti. Le organizzazioni possono iniziare con un Llm per la sperimentazione e poi passare a un Slm mentre perfezionano i loro casi d’uso.
I Csp si trovano anche a dover scegliere tra modelli proprietari, come ChatGpt di OpenAi e Claude di Anthropoc, e modelli aperti, come Llama di Meta e Mixtral di Mistral Ai. Alcuni modelli sono multimodali, progettati per elaborare e generare dati in formato testo, immagine e persino audio.
Anche i modelli fondazionali specifici del settore sono in fase di sviluppo. In definitiva, scegliere uno o più modelli non è semplice e le telco avranno probabilmente bisogno di più modelli, per ottenere maggiore precisione e molteplici funzionalità. Dovranno essere consapevoli che ciò comporta un aumento dei costi e del rischio di accumulare debito tecnico. Ma usare più modelli è consigliabile per evitare di rimanere bloccati con un singolo fornitore, in particolare considerato il ritmo veloce del cambiamento.
Quanto alle tecniche di addestramento, si potrà valutare e scegliere tra il prompt engineering, meno costoso ma meno preciso, il fine-tuning e il Rag (Retrieval augmented generation), che costa di più ma permette di ottenere maggiore pertinenza.
Sviluppare il business case
Per comprendere meglio il valore finanziario di una soluzione, i Csp possono utilizzare un albero dei valori, che aiuta a calcolare come la soluzione può aiutare ad aumentare le entrate, gestire i costi e mitigare i rischi. Più specificamente, le telco devono valutare metriche specifiche come la percentuale di nuovi clienti, la percentuale di entrate da nuovi prodotti, i tempi del ciclo di vendita, i ritorni sugli investimenti di marketing e il tempo medio per rilevare e rispondere a un incidente di sicurezza informatica, solo per citarne alcune.
L’albero dei valori allineato alle principali misure di performance aziendale aiuta a identificare il valore finanziario di una soluzione di intelligenza artificiale generativa, ma richiede un forte lavoro di squadra tra i team tecnologici e finanziari.
Aggiornare la governance dell’AI
La governance affronta i rischi associati all’Ai, come i pregiudizi, la discriminazione e i danni agli individui, oltre a essere in grado di spiegare i risultati. Aggiornare i framework tradizionali di governance dell’Ai è, dunque, un must se si usa l’Ai generativa, perché permette di affrontare questioni chiave come: la spiegabilità e trasparenza, i rischi unici associati alla Gen Ai, la collaborazione Ai-human, e la privacy e integrità dei dati.
Valutare e affrontare la necessità di competenze
L’acquisizione di talenti e l’aggiornamento delle competenze è un’altra grande sfida per le telco che adottano soluzioni di intelligenza artificiale generativa. Molte si affidano ai fornitori, ma il consiglio è di coltivare le competenze interne, non solo assumendo ma creando centri interni di eccellenza dell’Ai e riqualificando i propri talenti.
I partner tecnologici, infatti, possono offrire soluzioni di intelligenza artificiale specializzate che non richiedono ai Csp di revisionare la loro infrastruttura legacy, ma occorre evitare un’eccessiva dipendenza dai partner, perché legarsi a tecnologie e soluzioni proprietarie di fornitori specifici può limitare la flessibilità e il controllo strategici a lungo termine all’interno di mercati dinamici.
Inoltre, senza uno sforzo coordinato per costruire internamente le capacità di intelligenza artificiale, le società di telecomunicazioni potrebbero avere difficoltà a raggiungere la scala necessaria. Costruire competenze tecniche interne è un’attività da mettere in primo piano.
Definire un piano di monitoraggio e adattamento
Infine, come farà un Csp a sapere se la sua soluzione di intelligenza artificiale generativa sta fornendo i risultati previsti? Si può iniziare rivisitando le metriche chiave definite nel business case e controllando continuamente le prestazioni rispetto ai Kpi. I leader dovrebbero prendersi il tempo per condurre una revisione retrospettiva di ciò che è andato bene, di ciò che non ha funzionato e di quali cambiamenti sono necessari.
Soprattutto, data la rapidità con cui l’Ai generativa si sta sviluppando, le telco dovrebbero pianificare aggiornamenti costanti sugli ultimi progressi della tecnologia e capire come queste evoluzioni influenzano i casi d’uso attuali e futuri.
