過去十年中，全世界智能手機用戶數量猛增，未來恐怕也將如此。另外，大多數業務功能現在都可以在移動設備上執行了。不過，盡管移動業務激增，但全世界電信運營商的利潤仍然不高，平均凈利潤率徘徊在17%左右。利潤率不高的主要原因，是大量市場競爭對手服務于相同的客戶群體，還要承擔與該行業相關的高昂管理費用。通信服務提供商(CSP)需要更多地以數據為導向，降低此類成本，自動地提高利潤率。在電信運營過程中更多地融入AI，這將讓電信公司能夠無縫地從僵化的、基礎設施驅動的運營模式，轉向數據驅動的運營模式。

讓AI融入電信功能領域，這將會從許多方面影響通信服務提供商的利潤水平，企業可以為此目的使用機器學習和AI的各種技術及應用。

AI和預測分析：優化全世界電信網絡

不斷擴張的互聯網領域中，移動互聯網是主要的組成部分之一。如上所述，而今大量互聯網用戶和業務運營已經開始移動化，加之5G和邊緣應用的出現，以及即將到來的元宇宙，都會增加對高性能電信網絡的需求。標準的自動化技術和相關人員，很可能會被高速網絡連接和移動電話帶來的無情壓力壓得喘不過氣來。

在電信運營中采用AI，可以把那些表現不佳的移動網絡轉變為自我優化的網絡(SON)。電信企業可以通過AI驅動的預測分析，來監控網絡設備并預測設備故障。另外，AI工具讓通信服務提供商可以通過監控區域到區域的流量等關鍵性能指標，來保持網絡質量的始終如一。除了監控設備的性能水平之外，機器學習算法還可以持續運行模式識別，同時掃描網絡數據以檢測出異常情況。另外，基于AI的系統可以執行補救措施，亦或向網絡管理員和工程師發出有關檢測到異常區域的通知，這將讓電信公司能夠在網絡問題對客戶產生不利影響之前，從源頭上解決這些問題。

網絡安全是電信運營商關注的另一個領域。近期，電信網絡中不斷突顯的安全問題，已經成為全世界通信服務提供商關注的一個問題。基于AI的數據安全工具，讓電信公司能夠持續監控網絡的健康狀況。機器學習算法對全世界數據網絡和歷史安全事件進行分析，從而對現有網絡漏洞做出關鍵預測。換句話說，基于AI的網絡安全工具讓電信企業能夠提前預防未來的安全問題，并主動采取預防措施來應對這些問題。

最終，AI將從許多方面改善電信網絡。機器學習算法通過提高通信服務提供商網絡的性能、異常檢測和安全性，幫助電信公司客戶增強用戶體驗。從長遠來看，這將推動此類公司客戶群的增長，進而提高利潤。

網絡行為監控：簡化欺詐管理

歐洲刑警組織將電信行業歸類為特別容易受到欺詐影響的一個行業。電信欺詐涉及犯罪分子濫用電信系統(比如手機和平板電腦)從通信服務提供商那里竊取資金。根據近期的一項研究，電信欺詐造成的損失為401億美元，約占電信運營商總收入的1.88%。電信欺詐的常見類型之一是國際收益分享欺詐(IRSF)。這類欺詐行為是指犯罪分子與國際保費號碼(IPRN)提供商聯系，使用機器人撥打大量長期國際電話，從電信公司非法獲取資金，而且這類電話很難追蹤。另外，電信公司無法為此類付費電話向客戶收費，因為連接是具有欺詐性的。故此，電信運營商最終要承擔此類呼叫的損失。IPRN和犯罪分子之間分享獲利。除此之外還有vishing(語音呼叫和網絡釣魚攻擊的組合)，是一種惡意實體欺騙電信公司客戶以提取資金和數據的行為。而電信運營采用AI技術將讓通信服務提供商能夠檢測和消除此類欺詐行為。

機器學習算法可幫助電信網絡工程師檢測非法訪問、虛假呼叫者資料和克隆實例。為了實現這一點，算法對通信服務提供商的全世界電信網絡進行行為監控，流經這些網絡的流量都將被密切監控。AI算法的模式識別功能再次發揮作用，讓網絡管理員能夠識別可疑的場景，比如從欺詐號碼撥打多個電話，亦或從可疑來源反復撥打空號(網絡釣魚的一般指標)。電信公司運用數據分析進行欺詐檢測和預防的比較突出的例子之一，是沃達豐與數據公司Argyle Data展開合作，分析沃達豐這家電信巨頭的網絡流量，以實現智能的、數據驅動的欺詐管理。

檢測和消除電信欺詐是提高通信服務提供商利潤率的主要舉措，正如你看到的，AI在電信運營中發揮的作用，對于實現這一目標具有重要意義。

機器人流程自動化：用于改進后臺流程

為了向數百萬的客戶提供可靠服務，電信公司需要擁有一支能夠高效處理日常后端運營的龐大員工隊伍。與如此大量的客戶打交道可能會產生一些人為錯誤。

電信公司可以使用認知計算——一個基于機器人技術的領域，涉及自然語言處理(NLP)、機器人流程自動化(RPA)和規則引擎——對那些基于規則的流程實施自動化，比如發送營銷電子郵件、自動填寫電子表格、記錄數據、執行某些可復制人類行為的任務。在電信運營中采用AI，可以提高后臺運營的準確性。根據德勤進行的一項研究顯示，電信、媒體和科技行業的多位高管都認為，將認知計算用于后端運營為他們的企業帶來了“實質性”和“變革性”的好處。

聊天機器人、虛擬助手、情緒分析：提高客戶服務質量

客戶情緒分析囊括為了解客戶而執行的一系列數據分類和數據分析任務，這讓電信公司可以根據原始情緒來評估他們的客戶是否喜歡他們提供的服務。營銷人員可以使用自然語言處理和AI功能，從客戶的文本、電子郵件亦或帶有電信公司名稱的社交媒體帖子中，感知客戶的“情緒”，這種情緒分析會突顯出客戶遇到問題的確切服務領域。比如，假如客戶很不滿他們的電話經常掉線，并向電信公司的客戶服務團隊寫了一封冗長且語無倫次的電子郵件，用于情緒分析的機器學習算法仍然可以自動確定他們的情緒(憤怒)和問題(通話掉線率)。

除了情緒分析之外，電信公司還受益于日漸興起的聊天機器人和虛擬助手，通過此類基于機器學習的工具和應用解決針對網絡設置、安裝、故障排除、維護問題的服務請求。虛擬助手讓電信公司的CRM團隊能夠輕松管理大量客戶，通過這種方式，通信服務提供商可以成功地管理客戶服務和情緒分析。

總體上用戶普遍認為，他們的電信客戶服務質量是不盡人意的。電信用戶經常因為等待客服過于漫長、投訴電子郵件沒有得到答復、通信服務提供商處理申訴方式不當等問題而感到憤怒。糟糕的CRM對電信公司來說可不是什么好兆頭，因為這會損壞電信公司的聲譽，削弱股東們的信心。而電信公司通過對CRM實施機器學習技術，可以有效地解決這些問題。

與其他行業的任何企業一樣，電信公司也需要提高利潤以實現長期生存和業務多元化。如開頭所述，許多因素阻礙了他們創造利潤的機會。走數據科學路線是克服這些挑戰的新方法之一，通過讓AI參與到電信業務的運營中，通信服務提供商可以更好地管理他們的數據，并將資源用于實現收入的最大化。

盡管AI可以帶來各種積極的影響，但目前已經采用AI技術來實現利潤最大化的電信企業比例仍然非常有限，未來預計這個百分比會逐漸上升。