Ishwar Parulkar，亞馬遜云科技電信和邊緣云首席技術專家

北京2023年7月14日 /美通社/ -- 關于生成式AI的新聞層出不窮，生成式AI作為一種新的人工智能應用，可以生成全新的內容，包括對話、故事、圖像、視頻、音樂和代碼等。生成式AI有可能給全球經濟帶來顛覆性的變化，根據高盛公司預測，它將在10年內推動全球GDP增長7萬億美元，讓生產效率提升1.5%。同時，這個機遇也延伸到了電信行業。

生成式AI在電信行業中的應用潛力

與其他行業一樣，生成式AI可以幫助電信公司在多種服務上提高效率：例如，準備需求建議書（RFP）、部署聊天機器人以協助銷售，以及進行大規模的個性化營銷。亞馬遜云科技預計這一領域將出現大幅增長。Gartner數據顯示，到2026年，95%的電信公司都將部署數據、分析和AI等舉措，以增強客戶體驗并改進產品規劃，而2022年這一比例僅為50%。然而，我們認為有一些特定行業的應用將是真正具有變革意義的。

增強客戶體驗：許多電信公司已經在利用AI來增強人際互動、提高客戶體驗的一致性、以及提升解決問題的效率。而生成式AI能夠更進一籌，通過交互式語音響應——也就是在早期聊天機器人基礎上進一步演進，幫助客戶解決問題或者查找答案。此外，生成式AI還可以分析實時對話討論，為客服人員提供提示和資源，幫助解決客戶的問題。客服人員仍將在這一過程中繼續發揮關鍵作用，但生成式AI可以重塑并改善每一次客戶體驗和應用。

簡化網絡規劃、安裝、配置和運營：生成式AI可以在網絡生命周期的各個方面發揮關鍵作用。在網元安裝過程中，工程師需要依賴手冊和文檔上記載的步驟。生成式AI可以導入這些數據，提供交互式的指導和提示，來加快和簡化安裝任務。基礎模型也可使用網絡拓撲和配置數據進行訓練，對網元的配置提出建議。當網絡出現故障時，基于生成式AI的應用程序可以向網絡運營工程師提供故障排除的操作和步驟建議。

優化業務績效：生成式AI可以幫助電信公司更便捷地定位哪些領域有收入流失或導致了收入流失。通過跨業務流程部署，生成式AI可以核查利潤、收入、各種用戶套餐、開支和客戶費用，就如何進一步調整產品、優化利潤提供建議。

主要考量因素

并非每一個人工智能或機器學習場景都需要應用生成式AI。事實上，有很多例子表明，對電信業務流程而言，基于監督和無監督學習技術的傳統形式AI已經綽綽有余。例如，傳統AI很擅長幫助電信運營商預測收入流失、檢測網絡異常情況或跟蹤凈推薦值等指標。除此之外，還有其他的重要因素需要一并考慮。

開發或訓練基礎模型的成本：對于基礎模型，也就是通過大量數據訓練并驅動生成式AI應用的大型人工智能模型，大部分資金都花在了訓練上。公共模型是根據大量公開可獲得的數據進行訓練的，它們更具通用性，但可能無法很好地執行專門任務。另一方面，自定義模型可以組合公共數據和企業專有數據進行訓練，為特定行業或企業提供更為具體的應用。從零開始構建模型，既耗時又昂貴，而且需要專業知識；但如果企業擁有大量數據、資源和具有特定領域知識的用例，那么開發定制的基礎模型將是有意義的。同時，亞馬遜云科技也在努力降低這項技術的使用門檻，讓客戶以現有模型為起點，使用客戶專有數據對它進行進一步訓練，促使模型更加適合特定任務。

數據質量和負責任的AI：生成式AI的優劣取決于它所訓練的數據，而且也往往存在偏見或不準確的風險。在考慮采用生成式AI（或任何形式的AI）之前，最重要的就是要有高質量的、統一的數據。生成式AI需要廣泛的數據集、訓練和監督，才能形成推理和答案。無論公共還是私有基礎模型，都可能會出現"幻覺"，產生看似可信但并不正確的反饋。因此，不建議將生成式AI用于需要高度確定性的任務上，由于問題自身特性或者缺乏足夠的高質量數據，做到高確定性是不太可能的。

同樣重要的是，需要確保以負責任的方式應用這項技術。一些新的生成式AI工具和服務在產品中內置了負責任的AI功能，例如當生成的代碼與現有開源代碼相似時突出顯示，或者在訓練數據集中檢測和刪除有害內容，以及過濾包含有害內容（如仇恨言論、褻瀆和暴力）的文章。

數據安全：對于企業來說，以經營為目的利用生成式AI，需要大量的專有數據。雖然市場上有公開數據可供選擇，但會引發關于安全和隱私的新顧慮，例如知識產權的相關問題。業務和IT領導者應與安全、合規和法律團隊密切合作，以識別和降低這些潛在風險，確保以安全和負責任的方式部署生成式AI，此外還應圍繞合規性和法律法規制定計劃范圍，并仔細考慮所使用數據的歸屬權。

無論對于生成式AI還是自然語言處理，在部署商用AI之前，都應花時間思考應用程序的部署、討論數據的組織戰略以及評估投資回報率。盡管如此，亞馬遜云科技相信AI是這個時代最具變革的技術，生成式AI正在釋放令人振奮的全新可能性，每家企業都應該進行探索和嘗試。