Da telco a techco: ovvero, da società di telecomunicazioni a società tecnologiche. Secondo un recente white paper del World Economic Forum, dal titolo “Artificial Intelligence in Telecommunications“, realizzato in collaborazione con Accenture, il 66% dei professionisti dell’AI nel settore delle telecomunicazioni ha pianificato di aumentare i propri budget per l’AI nel 2024, mentre il 90% sta valutando, testando o utilizzando l’AI in produzione.
L’AI tradizionale, che comprende l’apprendimento automatico e l’AI predittiva, ha già posto le basi per miglioramenti dell’efficienza e automazione. L’emergere dell’AI generativa sta amplificando queste capacità, suscitando un rinnovato entusiasmo nel settore.
Gli operatori di telecomunicazioni stanno utilizzando l’AI per gestire la crescente complessità operativa, come la gestione di architetture multi-vendor, la difesa contro attacchi informatici basati sull’AI e la fornitura di servizi self-service personalizzati.
L’AI si sta dimostrando un elemento critico nella reinvenzione del settore, consentendo l’automazione della gestione della rete e della tecnologia per ridurre i costi di servizio, migliorare l’efficienza dei lavoratori attraverso la democratizzazione dei dati e strumenti di condivisione delle conoscenze, e trasformare il servizio clienti con capacità di linguaggio naturale.
Tuttavia, per realizzare appieno questo potenziale, gli operatori devono sviluppare una strategia coesa per una trasformazione a livello aziendale, incluso un chiaro modello di prioritizzazione basato sul valore, fondamenta di dati e architettura tecnica appropriate, capacità della forza lavoro e principi di AI responsabile.
Sfide e imperativi dell’industria delle telecomunicazioni
Il settore delle telecomunicazioni si trova ad affrontare sfide significative che richiedono un’adozione strategica dell’AI per rimanere competitivi. La commoditization dei servizi di comunicazione ha portato a una stagnazione dei ricavi globali, con un tasso di crescita annuale composto (CAGR) previsto dello 0,3% dal 2024 al 2027. Nonostante le iniziative di efficienza dei costi abbiano aiutato a mantenere margini EBITDA costanti (32% nel 2019 vs 32,5% nel 2024), l’industria fatica a migliorare i margini a causa di persistenti venti contrari sui ricavi e un’intensa concorrenza.
Gli investimenti in infrastrutture, in particolare nel 5G e nella fibra, hanno limitato la capacità di investimento in nuove iniziative di crescita e contribuito a un aumento del rapporto debito/patrimonio netto (147,6% nel 2024, in aumento del 13,5% dal 2019).
Di conseguenza, le capitalizzazioni di mercato degli operatori sono cresciute solo del 7% dal 2018, rispetto al 230% delle piattaforme digitali e al 172% dello S&P 500.
Per invertire queste tendenze e tornare alla crescita, l’industria si sta concentrando su quattro imperativi chiave:
- ridurre i costi di servizio,
- guidare la crescita del business,
- differenziare l’esperienza del cliente
- garantire operazioni sicure e affidabili.
L’AI emerge come un fattore abilitante critico per affrontare queste sfide e sbloccare nuove opportunità di crescita. Gli operatori stanno esplorando nuovi modelli di business, come la transizione da telco a techco – fornitori di servizi digitali agili e centrati sulla tecnologia che vanno oltre la connettività per offrire soluzioni digitali avanzate e personalizzabili.
Questa transizione richiede un ripensamento del modello di business e operativo e dello stack tecnologico, con alcuni operatori che riportano fino al 31% di diversificazione dei ricavi, dimostrando il potenziale di questa evoluzione strategica.
Adozione dell’AI: scenari attuali e futuri
L’adozione dell’AI nel settore delle telecomunicazioni sta accelerando rapidamente, ma con vari gradi di maturità. Mentre la maggior parte degli operatori ha costruito sulla propria esperienza con l’AI tradizionale per esplorare il potenziale dell’AI generativa, in pratica, molti casi d’uso sono ancora in fase di proof-of-concept a causa di dati frammentati, architetture legacy e rischi di responsabilità.
Tuttavia, i prossimi 12-18 mesi vedranno un significativo aumento di soluzioni basate sull’AI in tutte le funzioni del settore.
Nelle vendite e nel marketing, l’AI generativa sta consentendo la creazione di campagne di marketing altamente personalizzate e percorsi dei clienti alimentati da modelli predittivi che anticipano i comportamenti individuali.
Nei prodotti e servizi, l’AI supporta la configurazione del servizio in tempo reale, adattando dinamicamente le impostazioni di rete o le configurazioni del servizio per migliorare l’esperienza del cliente.
Nel servizio clienti, gli assistenti virtuali alimentati dall’AI generativa offrono interazioni simili a quelle umane e supportano la risoluzione avanzata dei problemi.
Nelle operazioni di rete, l’AI e l’AI generativa stanno trasformando ogni fase della gestione della rete, dalla progettazione al deployment, all’ingegneria, all’orchestrazione e alle operazioni.
Guardando al futuro, si prevede che l’AI abiliterà nuove opportunità trasformative. Queste includono
- la monetizzazione dei dati potenziata dall’AI, con gli operatori che vendono dati e analisi avanzate ai clienti B2B,
- l’AI sovrana, con gli operatori che si posizionano come fornitori di infrastrutture e capacità AI nazionali, e concierge personali basati sull’AI che offrono un’esperienza di servizio clienti proattiva e predittiva su tutti i canali.
- Inoltre, si prevede lo sviluppo di reti veramente autonome che offrono un’esperienza “Zero X” – zero attesa, zero tocco, zero problemi – attraverso l’auto-gestione, l’ottimizzazione, la configurazione e la sicurezza abilitate dall’AI.
Trasformazione dei modelli di business e operativi
L’AI sta catalizzando una profonda trasformazione dei modelli di business e operativi nel settore delle telecomunicazioni. Gli operatori stanno sfruttando l’AI per reinventarsi come aziende tecnologiche (techcos), passando da fornitori di connettività a fornitori di servizi digitali avanzati. Questa transizione richiede un ripensamento completo del modello di business, del modello operativo e dello stack tecnologico. L’AI gioca un ruolo primario in questa transizione, consentendo agli operatori di prevedere e rispondere dinamicamente e precisamente alle esigenze degli utenti.
Ad esempio, i clienti B2B possono configurare una suite di servizi digitali come chatbot o soluzioni di sicurezza, con algoritmi di AI che analizzano i modelli di utilizzo e i dati storici per raccomandare il mix di servizi ottimale.
Per i consumatori B2C, l’AI generativa assicura esperienze senza soluzione di continuità ottimizzando i servizi di rete come la qualità del servizio 5G (QoS), la velocità e la latenza per lo streaming o le applicazioni interattive. Questa personalizzazione in tempo reale migliora la soddisfazione e sblocca nuovi flussi di ricavi.
Gli operatori stanno anche esplorando nuove opportunità di crescita offrendo modelli di AI-as-a-Service (AIaaS) sviluppati internamente per piccole e medie imprese e clienti del mercato medio. Impacchettando le loro capacità di AI in soluzioni accessibili, gli operatori forniscono strumenti per automatizzare il servizio clienti o abilitare strategie di vendita, consentendo alle PMI con risorse limitate di adottare tecnologie avanzate in modo economicamente vantaggioso.
Dal punto di vista operativo, l’AI sta rivoluzionando la gestione della rete. Le reti autonome alimentate dall’AI possono trasformare ogni fase della gestione della rete, dalla progettazione al deployment, all’ingegneria, all’orchestrazione e alle operazioni. Questo consente un’automazione di livello superiore, con interventi manuali riservati solo alle decisioni strategiche e alla supervisione dei processi.
Il TM Forum ha identificato sei livelli di automazione della rete, con il livello più alto che offre “capacità di automazione a ciclo chiuso su più servizi, domini (inclusi domini partner) e l’intero ciclo di vita tramite auto-adattamento cognitivo”. Il potenziale valore di questa automazione avanzata è stato stimato in 794 milioni di dollari annui per un operatore medio.
Miglioramento dell’esperienza cliente attraverso l’AI nelle telco
L’AI sta rivoluzionando l’esperienza del cliente nel settore delle telecomunicazioni, offrendo nuove opportunità per differenziare i servizi e arrestare il declino dei ricavi. Nonostante la diffusa commoditization, solo il 34% dei clienti delle telecomunicazioni si sente soddisfatto del proprio servizio, e il 70% è frustrato dalla mancanza di un’esperienza coerente tra i canali.
L’AI tradizionale ha già migliorato le interazioni con i clienti analizzando i dati degli utenti e raccomandando le “prossime migliori azioni”, come abbinare i clienti con offerte adatte, guidare gli agenti dei call center o implementare semplici chatbot linguistici. Tuttavia, l‘AI generativa sta trasformando queste capacità con strumenti conversazionali avanzati, come chatbot in linguaggio naturale e assistenti retail alimentati dall’AI.
Questi agenti superano i chatbot statici basati su alberi decisionali offrendo interazioni simili a quelle umane e consapevoli del contesto che apprendono e si adattano continuamente in base al comportamento del cliente in tempo reale e ai dati organizzativi.
Forniscono interazioni personalizzate senza soluzione di continuità adattandosi alle mutevoli esigenze dei clienti, utilizzando segnali e integrando dati strutturati e non strutturati in tempo reale da tutti i punti di contatto con il cliente. Di conseguenza, gli operatori stanno aumentando significativamente i tassi di adozione al punto che questi sono ora tra i tre principali canali preferiti dai clienti.
L’AI generativa migliora anche l’efficienza e gli standard di servizio dei canali assistiti dall’uomo sfruttando e democratizzando la conoscenza. Questo consente ai lavoratori di diventare “super agenti” capaci di supporto interfunzionale, riducendo i tempi di gestione delle chiamate, abbassando i costi del servizio e sbloccando opportunità di vendite incrementali. Man mano che l’automazione intelligente avanza e le fondamenta dei dati si evolvono per integrare i dati dei clienti tra vendite, marketing e servizio, il tradizionale contact center può essere reinventato. Può diventare un hub di servizio unificato, proattivo e predittivo che integra tutti i canali, migliorando la fedeltà dei clienti, guidando le vendite in-life e supportando la crescita del business.
In futuro, si prevede che l’AI abiliterà concierge personali sempre attivi e in tempo reale che forniscono un servizio 24/7, riferendo problemi complessi agli agenti umani quando necessario. Questa trasformazione rappresenta un cambiamento strategico nella reinvenzione del marketing, delle vendite e del servizio clienti, passando da un modello di servizio reattivo incentrato sui costi a un centro di valore proattivo, predittivo e centrato sul cliente che migliora la fedeltà dei clienti.
Sicurezza e affidabilità delle operazioni con l’AI nel settore delle telco
L’AI sta giocando un ruolo fondamentale nel garantire operazioni sicure e affidabili nel settore delle telecomunicazioni, in un contesto di minacce alla sicurezza in rapida evoluzione. La dipendenza dell’AI da vasti set di dati in ambienti di calcolo e archiviazione su larga scala crea una superficie di attacco complessa e attraente, rendendo la difesa sempre più impegnativa. Le reti con interfacce aperte e le tecnologie IT tradizionali come il cloud, il protocollo HTTP e le API espongono l’infrastruttura di rete a una più ampia gamma di minacce, mentre i componenti legacy, spesso mantenuti a causa di vincoli di capitale, amplificano le vulnerabilità.
Gli operatori gestiscono dati sensibili degli utenti, come informazioni sulla posizione e contenuti delle comunicazioni, che sono obiettivi primari per attaccanti sponsorizzati dagli stati e criminali informatici.
Inoltre, l’AI generativa viene utilizzata per implementare codice malevolo su larga scala, consentendo danni più rapidi ed estesi. Per gestire questi rischi, sono necessarie capacità di AI avanzate.
L’AI può identificare e correggere le vulnerabilità e analizzare vasti set di dati operativi in tempo reale per rilevare incidenti di sicurezza e prevenire frodi. Automatizzando i compiti più pesanti, l’AI consente ai team di sicurezza di concentrarsi su attività che coinvolgono le loro competenze di sicurezza umana, creatività e lavoro di squadra.
Le tecniche chiave di AI per la sicurezza delle operazioni includono
- la pianificazione della rete,
- il test avversario,
- la valutazione del modello,
- il pattern matching
- l’analisi del comportamento degli utenti.
Nel campo della gestione delle vulnerabilità, l’AI aiuta gli operatori a identificare e dare priorità all’esposizione della rete alle minacce, consentendo una tempestiva riparazione attraverso il patching, la riprogettazione o altre misure. L’AI può automatizzare le risposte a vulnerabilità note, come l’applicazione di controlli compensativi (ad esempio, la segmentazione della rete) fino all’implementazione delle patch. In caso di violazione, l’AI può eseguire il rilevamento, l’analisi e la risposta automatizzata agli incidenti, minimizzando l’impatto sull’infrastruttura e sul servizio.
All’interno della sicurezza di rete, l’AI è fondamentale per il rilevamento delle minacce in tempo reale, l’analisi dei modelli di traffico e la risposta automatizzata agli incidenti. Un assistente del Security Operations Center (SOC) basato sull’AI identifica le anomalie, mitiga i rischi e salvaguarda i dati sensibili, riducendo lo sforzo manuale, rafforzando la postura di sicurezza e generando rapporti completi sugli incidenti.
Le reti autonome con rilevamento avanzato delle minacce e misure di sicurezza automatizzate forniscono una robusta difesa contro le minacce informatiche in evoluzione. L’AI supporta anche la prevenzione delle frodi analizzando il comportamento dei clienti in tempo reale e segnalando attività sospette, incluso il blocco di comunicazioni spam e truffe.
Sfide nell’implementazione dell’AI nelle telco
Di fronte a queste opportunità, le organizzazioni richiedono una strategia coesiva, con l’approvazione dei dirigenti e piani di investimento a lungo termine. Fondamentalmente, i CSP devono stabilire le loro ambizioni e la loro visione dell’AI. Vengono illustrati quattro esempi di approcci, ognuno dei quali richiede livelli crescenti di investimento
- Adozione non differenziata: adottare servizi di AI di terze parti con una progressione misurata attraverso un modello di maturità dell’AI.
- Differenziazione abilitata dall’AI: addestrare i modelli di modelli di AI esistenti con dati e asset proprietari.
- Basi su misura: costruire LLM modelli linguistici di piccole dimensioni (SLM) che sono specializzati per le esigenze e i servizi dei CSP.
- Fornitura di servizi di AI: creare casi d’uso dell’intelligenza artificiale e applicazioni per i clienti finali. Questa articolazione aiuta a definire i criteri di successo, che a sua volta informa un chiaro modello di prioritizzazione delle iniziative e i conseguenti requisiti di risorse, capacità e investimenti.
Sulla base di questi requisiti, i CSP sono attrezzati per adottare un approccio globale alle sfide e ai fattori abilitanti, tra cui le risorse tecniche, le capacità della forza lavoro e i principi dell’intelligenza artificiale responsabile.
Il livello di ambizione determinerà anche la loro strategia di partnership con l’ecosistema.
AI responsabile
La tecnologia AI si sta evolvendo rapidamente e, mentre le autorità di regolamentazione svolgono un ruolo cruciale, i CSP devono autogovernarsi
utilizzando i propri principi di AI responsabile e tassonomia fino a quando non matureranno normative più ampie e maggiori casi d’uso. Il Forum economico mondiale delle telecomunicazioni sottolinea l’imperativo di mantenere la conformità normativa, credenziali di fiducia e affidabilità del servizio. Dove l’implementazione dell’AI ha un impatto sulla loro capacità di fornire servizi di comunicazione critici, si trovano ad affrontare il rischio di gravi sanzioni e danni alla reputazione.
I rischi legati all’AI riguardano tutte le funzioni aziendali e proprietà intellettuale (IP), errori nei dati nel processo decisionale automatizzato, risultati inadeguati (ad esempio, nelle risposte automatizzate al servizio clienti) e rischi di riservatezza o privacy.
Per gestire questi rischi, occorre una chiara comprensione e il controllo dei dati che guidano le previsioni e l’automazione dell’AI sono essenziali.
Sostenibilità e autogoverno
Anche gli standard e le aspettative specifiche di ogni regione, con definizioni diverse di “dati sensibili”. L’uso di LLM introduce ulteriori sfide, come garantire l’inclusività sociale
grazie alle capacità multilingue, all’accessibilità e la sostenibilità.
La sostenibilità è particolarmente urgente. Le relazioni pubbliche sulla responsabilità sociale d’impresa mostrano che il 68% dell’industria globale (in base al fatturato) deve ridurre in modo significativo le emissioni entro il 2030 per raggiungere gli obiettivi. L’aumento dell’uso di energia da parte dei LLM deve essere considerato attraverso questa ottica, bilanciando i casi d’uso a risparmio energetico e le SLM per ridurre i costi energetici e di calcolo.
Per favorire l’autogoverno, gli enti del settore hanno hanno messo a disposizione risorse come Amazon Web Service (AWS) e lo strumento interattivo di Generative AI Maturity Interactive Tool e The GSMA Responsible AI Maturity Roadmap.
Questi strumenti aiutano i CSP a identificare e ad affrontare le attuali lacune. Il Digital Trust Framework del World Economic Forum del Forum Economico Mondiale può essere utilizzato per considerare la sicurezza, l’affidabilità, la responsabilità, supervisione e uso etico delle tecnologie digitali.
