Телекоммуникации с искусственным интеллектом: радикальное преобразование для процветания в неспокойные времена

Искусственный интеллект (ИИ) открывает возможности для использования, которые преобразуют отрасли в широком спектре мировой экономики. От инфраструктуры, которая "самовосстанавливается", до радикально переосмысленного (и бесконтактного) обслуживания клиентов; от масштабной гиперперсонализации до автоматически создаваемых маркетинговых сообщений и изображений с использованием инструментов генеративного ИИ, таких как ChatGPT - все это уже сегодня реальность. Эти решения ИИ могут мощно дополнить, а иногда и радикально превзойти большинство традиционных бизнес-функций.

Эффект от этих решений становится очевидным. Лидеры в области ИИ - верхний квинтиль компаний, прошедших оценку McKinsey Analytics Quotient - показали пятилетний годовой рост доходов в 2,1 раза выше, чем аналогичные компании, а общий доход акционеров в 2,5 раза больше.

Учитывая многочисленные проблемы, с которыми столкнулась телекоммуникационная отрасль в последние годы, такие как падение доходов и рентабельности инвестиций, можно было бы предположить, что отрасль уже полностью перешла на эту технологию. Однако, исходя из нашего опыта работы с операторами по всему миру, телекоммуникационные компании еще не полностью приняли ИИ и менталитет, ориентированный на ИИ. Вместо этого модели разрабатываются один раз и не совершенствуются по мере развития бизнес-контекста. Машинное обучение (ML) существует только в названии, что ограничивает способность системы улучшаться на основе опыта. К большому сожалению, инвестиции в ИИ часто не согласуются с приоритетами руководства высшего уровня; в отсутствие такой поддержки внедрение ИИ тормозится, инвестиции в технический персонал ослабевают, а технология остается незрелой.

Противопоставьте такое разрозненное положение дел организации, ориентированной на ИИ. Здесь ИИ рассматривается как ключевая компетенция, которая обеспечивает принятие решений во всех отделах и на всех уровнях организации. Инвестиции в ИИ необходимы для реализации большинства приоритетов на уровне руководителей, таких как более персонализированные рекомендации для клиентов и более высокая скорость ответа в центрах обработки вызовов. Топ-менеджеры выступают в роли проводников важнейших инициатив в области ИИ. Данные и возможности ИИ управляются как продукты, созданные для масштабируемости и повторного использования. Менеджеры по продуктам ИИ, даже те, кто работает над основополагающими продуктами, отмечаются за преимущества, которые они генерируют для организации.

Достижение такого уровня зрелости ИИ - задача не из легких, но она, безусловно, под силу телекоммуникационным компаниям. Действительно, с учетом всего того давления, с которым они сталкиваются, широкомасштабное внедрение ИИ и переход к организации, основанной на ИИ, может стать ключом к росту и обновлению. Те операторы связи, которые начинают понимать, что это не подлежит обсуждению, наращивают инвестиции в ИИ по мере того, как материализуется влияние технологии на бизнес.

Хотя изолированное применение технологии может помочь отдельным отделам улучшить работу, именно ИИ, подключенный комплексно на всех уровнях и во всех отделах, станет ключом к защите основного дохода и стимулированию роста маржи даже в самых сложных условиях. Представьте себе следующие не столь отдаленные сценарии:

Важно рассмотреть, как эти возможности могут стать реальностью, особенно учитывая, что большинство телекоммуникационных компаний в настоящее время внедряют ИИ ограниченными способами, которые не приведут к устойчивому, широкомасштабному успеху.

Факторы, поддерживающие этот шаг для телекоммуникационных компаний, включают следующее:

Для получения наибольшей отдачи этот сдвиг требует от телекоммуникационных компаний принятия концепции организации, основанной на ИИ - структуры, в которой технология глубоко внедрена в структуру всего предприятия.

В течение последнего десятилетия телекоммуникационные компании испытывали неустанное давление, поскольку традиционные факторы роста разрушались, а экономическая ценность все больше переходила к технологическим компаниям. Используя ИИ в полной мере, операторы могут защитить свой основной бизнес от дальнейшей эрозии, одновременно повышая маржу.

По мере того как отрасль стремится использовать возможности ИИ, мы видим, что на основе нашего опыта работы с телекоммуникационными компаниями по всему миру в стратегических повестках дня преобладают шесть тем.

Используя широту и глубину имеющихся в их распоряжении данных на уровне пользователя, операторы все больше инвестируют в персонализацию с помощью искусственного интеллекта и управление каналами.

Например, гиперперсонализированная рекомендация тарифного плана и устройства для каждого владельца линии может использовать гранулированные поведенческие данные, такие как количество установленных приложений, их активность и использование функций устройства, для создания индивидуальных рекомендаций тарифного плана (более высокая скорость сети или дополнительные услуги потокового вещания), рекламных акций ("Получите неограниченные предоплаченные данные для использования в службе потокового вещания музыки всего за $5 в месяц") и сообщений для конкретных устройств, мест и событий ("Обновите новейшее устройство со встроенным VR"). Впоследствии, используя инструменты сегментации аудитории, можно направлять клиентов к каналам, которые предлагают увлекательный опыт и обеспечивают наиболее выгодные результаты продаж для телекоммуникационной компании. Например, абонент с низкой склонностью к цифровым технологиям3 , высоким ARPU и высоким риском оттока, живущий в нескольких милях от магазина, может стать хорошим кандидатом для того, чтобы подтолкнуть его к обновлению устройства в магазине, что приведет к улучшению потребительского опыта и потенциально повысит лояльность оператора. Или рассмотрим другой сценарий: этот абонент пользуется передовой сетью 5G в Нью-Йорке и является постоянным пользователем фитнес-приложений, который часто путешествует за пределами страны. В результате ее оператор предлагает индивидуальную рекомендацию тарифного плана с превосходным доступом к сети, лучшими преимуществами подписки на фитнес-приложения и привлекательным международным планом передачи данных.

Пример из практики: Оператор Азиатско-Тихоокеанского региона, запустивший комплексную трансформацию управления ценностью клиента на основе ИИ (с персонализацией в основе), добился более чем 10-процентного сокращения оттока клиентов и 20-процентного роста перекрестных продаж.

Более ранние инвестиции в цифровую инфраструктуру в сочетании с возможностями предиктивного и предписывающего ИИ позволяют операторам разработать персонализированный опыт обслуживания, основанный на автономном разрешении проблем и проактивной информационно-разъяснительной работе.

Например, при полностью автономном решении проблем система может предсказать и устранить потенциальные источники недовольства клиентов еще до того, как они возникнут. Заметив, что клиент начисляет плату за роуминг во время поездки за границу, система искусственного интеллекта автоматически применяет оптимальный пакет услуг роуминга к его ежемесячному счету, чтобы минимизировать расходы. Затем она высылает персональное пояснение к счету с подробным описанием оптимизации пакета и полученной экономии для клиента, что приводит к неожиданному и положительному моменту CX.

Операторы также изучают возможность перепроектирования цифровых сервисных маршрутов с помощью ассистентов ИИ, выполняющих функции цифровых консьержей. Технологии генеративного ИИ, включая такие инструменты, как ChatGPT, имеют потенциал для улучшения существующих ботов за счет лучшего понимания более сложных намерений клиента, более эмпатичного общения и лучших возможностей подведения итогов (например, когда боту необходимо передать взаимодействие с клиентом сотруднику). Единый унифицированный помощник ИИ, вероятно, также будет представлять собой шаг вперед в скорости, точности и вовлеченности по сравнению с сегодняшними интерактивными системами голосового ответа.

Организация обслуживания на основе ИИ - ключевой компонент для высвобождения всего потенциала специализированных представителей для высокоценных взаимодействий и улучшения общего клиентского опыта - одного из ключевых полей битвы для телекоммуникационных компаний по всему миру.

Пример из практики: Ожидается, что ведущая телекоммуникационная компания добьется примерно 10-процентного снижения количества звонков по устранению неисправностей устройств благодаря проактивной системе искусственного интеллекта, которая учитывает вероятность звонка клиента и серьезность проблемы, чтобы решить, следует ли направить наиболее эффективное решение через SMS. Этот проактивный механизм также является ключевым элементом стремления оператора иметь самые высокие показатели удовлетворенности клиентов среди конкурентов.

В розничной торговле искусственный интеллект совершает революцию в дизайне и управлении магазинами, оптимизируя операции и повышая качество обслуживания покупателей.

Некоторые телекоммуникационные компании уже используют виртуальных розничных ассистентов, отображаемых на экранах на различных поверхностях, для проведения многочисленных операций с клиентами, включая пополнение баланса на предоплаченном счете и продажу предоплаченных карт и ТВ-подписок. Одна из ведущих европейских телекоммуникационных компаний использует инструменты искусственного интеллекта для более точной оценки устройств и обмена в магазине. Магазин ближайшего будущего включает в себя следующие компоненты:

Пример из практики: Азиатская телекоммуникационная компания запустила виртуального розничного помощника 5G в беспилотных поп-ап магазинах. Цифровой человек общается с клиентами в индивидуальной и дружественной манере, используя привлекательную мимику и язык тела. Она поддерживает клиентов при совершении множества операций, начиная с покупки предоплаченных карт и заканчивая заменой SIM-карты.

Телекоммуникационная компания, использующая ИИ, будет использовать технологии для оптимизации принятия решений на всех этапах жизненного цикла сети - от планирования и строительства до эксплуатации и обслуживания. Например, на этапах планирования и строительства ИИ может использоваться для определения приоритетности инвестиций в пропускную способность на уровне участка на основе детальных данных, таких как оценка опыта работы сети на уровне клиентов.

На этапах эксплуатации ИИ может определять приоритеты при отправке аварийных бригад на основе потенциальной потери доходов или влияния на качество обслуживания клиентов. ИИ также может обеспечить самовосстанавливающуюся сеть, которая автоматически устраняет неисправности - например, автоматически переключает клиентов с одной частоты оператора на другую, поскольку ожидалось, что первая будет забита. Это высвобождает инженерные ресурсы для деятельности с более высокой добавленной стоимостью.

Пример из практики: Оператор связи разработал оптимизированный с помощью ML показатель качества обслуживания (QoE) для обоснования решений о развертывании. QoE - это составной показатель, объединяющий несколько сетевых метрик. ИИ используется для оптимизации веса, придаваемого каждой сетевой метрике, чтобы корреляция между QoE и коммерческими показателями (такими как отток клиентов) была максимальной. После использования QoE для развертывания инвестиций в сеть - "что" и "где" строить - оператор значительно улучшил отток клиентов.

Телекоммуникационная компания, ориентированная на ИИ, также использует инструменты с поддержкой ИИ для оптимизации планирования трудовых ресурсов и инструктажа передовых сотрудников в различных командах, включая полевой персонал, службу поддержки клиентов и сотрудников розничной торговли.

Для планирования трудовых ресурсов инструменты ИИ улучшают традиционные приложения, прогнозируя показатели спроса и предложения на месячные, ежедневные и внутридневные временные горизонты с более высокой точностью, большей детализацией и полной автоматизацией. Интеллектуальное планирование соответствует спросу и предложению, например, сотрудники колл-центра требуются в особенно напряженные периоды, чтобы соответствовать целевым показателям уровня обслуживания и ожиданиям клиентов.

Действуя в качестве интеллектуального коуч-менеджера, механизм подталкивания с поддержкой ИИ предоставляет сотрудникам и их руководителям персонализированные поощрения и подталкивания к улучшению работы (Рисунок 1). В сочетании с достижениями в области генеративного искусственного интеллекта влияние ИИ-двигателя подталкивания может стать еще более значительным, например, моделируя реакцию клиентов в различных сценариях для обучения представителей.

Пример из практики: Телекоммуникационный оператор развернул решение для планирования и обучения технического персонала, обслуживающего медных и оптоволоконных клиентов, с поддержкой ИИ. Результатом стало повышение эффективности на 10-20 процентов и улучшение показателей удовлетворенности клиентов.

Аналитика на основе ИИ будет способствовать принятию решений во всех бизнес-функциях, не ограничиваясь автоматизацией стандартизированных или малосложных задач. Например, в финансовой сфере ИИ может отмечать счета-фактуры с отклонениями от нормы для дальнейшей проверки, а в сфере дебиторской задолженности он может предсказывать вероятность невыполнения обязательств клиентами, инициируя действия по смягчению последствий. В сфере управления персоналом ИИ может помочь выявить сотрудников с высоким риском отсева или прогулов и соответствующие причины, а также помочь определить неформальных авторитетов, которые могут возглавить работу по управлению изменениями. Генеративные решения ИИ могут помочь в разработке маркетинговой копии продукта, обобщении отзывов клиентов в исследовательских целях или даже позволить бизнес-пользователям писать простой код для быстрой настройки ИТ-приложений.

В целом, вовлечение ИИ в процесс принятия и исполнения решений приводит к повышению скорости и согласованности. Его преимущества можно ощутить повсюду: от управления контрактами и поиска поставщиков до внедрения и обслуживания ИТ.

Пример из практики: Британская транспортная компания применила искусственный интеллект для выявления основных причин выбытия сотрудников и прогулов. Затем компания разработала целевые мероприятия для каждого из этих факторов, что позволило сократить расходы на оплату больничных листов и отсев сотрудников на 20-25%.

В этом путешествии относительно легче понять, что именно нужно сделать, чтобы стать "родным" для ИИ; более сложной задачей является то, как воплотить эти возможности в жизнь. Работая над многолетними проектами с операторами по всему миру, мы выявили важнейшие передовые методы в трех областях, которые являются отличительными признаками успешной трансформации на базе ИИ: создание ИИ, управление им и стимулирование его внедрения.

Для разработки преобразующего ИИ требуется тщательно выверенный подход, который следует следующим основным принципам:

Поддержание и совершенствование возможностей ИИ зависит от экспериментального, итерационного мышления, ориентированного на инновации в области продуктов и технологий.

Комплексный подход, сфокусированный на том, что входит в модели и выходит из них, имеет решающее значение для стимулирования растущего использования ИИ:

Во многих отраслях компании используют ИИ для повышения эффективности своей деятельности, существенного улучшения качества обслуживания клиентов и, в конечном счете, для более быстрого вывода на рынок инновационных продуктов и услуг. Операторы могут перенять опыт этих отраслей и инвестировать в ИИ для повышения своей конкурентоспособности в предстоящие годы экономической неопределенности и конкурентных потрясений. Многие операторы уже начали это делать.

Организации, которые говорят о внедрении ИИ, но двигаются медленными темпами, надеясь, что несколько инновационных проектов, разработанных на периферии организации и в изолированных подразделениях, соберутся вместе, чтобы создать эффект снежного кома для целостного изменения того, как технология обеспечивает принятие бизнес-решений, скорее всего, потерпят неудачу.

В конечном счете, крупнейшим фактором внедрения ИИ станет спонсорство на уровне генерального директора и полная согласованность действий руководителей на протяжении всей трансформации AI-native. Искусство возможного с помощью технологии уже давно превзошло то, что компании смогли воспринять. Без активной поддержки на высшем уровне, направленной на активное преодоление организационной инерции, донесение увлекательной истории изменений, моделирование нового поведения, содействие наращиванию потенциала и принятие обязательств по необходимым долгосрочным технологическим инвестициям, усилия по преобразованию AI-native не увенчаются успехом.

Путь к внедрению искусственного интеллекта потребует от операторов создания стратегического видения и дорожной карты, которая воодушевит и мобилизует организацию, создания приоритетных возможностей искусственного интеллекта, чтобы набрать обороты, и объединения всех усилий для обеспечения того, чтобы операционная модель и управление изменениями были настроены на внедрение. За этим последует широкомасштабное внедрение ИИ в организации.

Этот путь долог и требует самоотдачи, но операторы, которые встанут на путь внедрения ИИ, скорее всего, станут лидерами на следующем этапе трансформации.

В статье использованы материалы исследований отчётов McKinsey & Company