“Alexa，启动 Netflix！”
电信行业不再局限于提供基本的电话和互联网服务，而是在物联网（IoT）时代，以移动和宽带服务为首，成为技术发展的集中地。这种增长趋势还将持续。Technavio 预计，到 2020 年，全球电信物联网市场的年复合增长率（CAGR）将达到 42%。是什么驱动着这一增长趋势？人工智能（AI）。
今天，通信服务提供商（CSP）面临着日益增长的客户需求，要求更高质量的服务和更好的客户体验。电信公司通过利用多年来从庞大的客户群中收集的大量数据来抓住机遇。这些数据是从设备、网络、移动应用程序、地理位置、详细的客户简介、服务使用情况和计费数据中挑选出来的。
电信公司正在利用人工智能的力量来处理和分析这些海量数据，以便从中提取有效的信息，以提供更好的客户体验，改善操作，并通过新产品和服务来增加收入。
Gartner 报道，到 2020 年，全世界范围内将有 2004 亿设备互相连接，越来越多的 CSP 正在追赶这股热潮，认识到了人工智能在电信行业的应用价值。
有前瞻性的服务商（CSP）将精力集中在四个主要领域：网络优化、预见性维护、虚拟助理和机器处理自动化（RPA）。AI 已经在这些领域取得了重大进展。
人工智能对于帮助 CSP 建立自优化网络（SON）是很重要的。在自优化网络中，运营商有能力根据区域和时区的流量信息自动优化网络质量。通信中的人工智能使用先进的算法来查找数据中存在的模式，使电信网络能够检测和预测网络异常，从而让运营商在客户受到负面影响之前主动地解决问题。
IDC 表示，63.5% 的电信公司正在投资 AI 系统以改善其基础设施建设。一些流行的电信 AI 解决方案是 ZeroStack 的 ZBrain 云管理（Cloud Management），它通过分析私人云的遥测存储和使用来改进容量规划、升级和通用管理。Aria Networks，一个基于 AI 的网络优化解决方案，越来越多的一级制造供应商正成为它的客户。以及 Sedona Systems 的 NetFusion，它优化了支持 5G 服务（AR、VR）的流量路由和速度交付。诺基亚推出了自己的基于机器学习的 AVA 平台，一个基于云的网络管理解决方案，以更好地管理容量规划，并可以提前 7 天预测蜂窝站点的服务退化现象。
人工智能驱动的预测分析通过利用数据、复杂的算法和机器学习技术来基于历史数据预测未来的结果，帮助电信服务商提供更好的服务。这意味着电信服务商可以使用数据驱动的方法来监控设备的状态，基于模式预测故障，并主动地修复通信硬件的问题，例如蜂窝塔、电力线、数据中心服务器，甚至客户家中的机顶盒。
在短期内，网络自动化和智能化能够从根源上提供更好地问题分析和问题预测。从长远来看，这些技术将支持更多的战略目标，如创造新的客户体验和有效地处理业务需求。AT&T 的一个创新解决方案是使用人工智能来支持其维护过程：该公司正在测试用无人机扩展其 LTE 网络覆盖范围，并通过分析无人机捕获的视频数据，为蜂窝塔和基础设施维护提供技术支持。
预见性维护不仅对网络有效，对客户也是有效的。荷兰电信 KPN 通过分析其呼叫中心代理生成的注释，并使用分析结果对交互式语音响应（IVR）系统进行更改。KPN 还在客户的许可下跟踪和分析家庭内部的客户行为，例如交换调制解调器上的频道，这可能意味着 Wi-Fi 问题。一旦确定，KPN 就积极跟进，推动技术团队取得更大的成功。
会话式人工智能平台（也称为虚拟助手）已经学会了如何有效地自动和扩展一对一会话，预计在未来五年内它们可以削减高达 80 亿美元的商业开支。电信业也已开始启用虚拟助理，以帮助应对大量的安装、设置、故障排除和维护支持请求，这些请求常常会让客户支持中心忙的不可开交。使用人工智能，电信商可以实现自助服务，指导客户如何安装和操作他们自己的设备。
沃达丰推出了新的聊天机器人 TOBi 来处理一系列客户服务的问题。聊天机器人对简单的客户查询进行分级响应，从而满足客户的速度需求。诺基亚的虚拟助手 MIKA 提出了解决网络问题的方案，使首次解决率从 20% 提高到 40%。
语音助理，例如 Telefónica 的 Aura，它被设计用来降低电话查询产生的客户服务成本。Comcast 还引入了一种语音遥控器，让客户可以通过自然语言与 Comcast 系统交互。类似地，DISH 网络与亚马逊的 Alexa 合作，允许客户通过声音而不是遥控来搜索或购买媒体内容。在 IVR 中集成的视觉支持进一步提供了对时间的有效利用：减少平均处理时间（AHT）和客户等待时间，并最终带来更好的客户体验。
服务商都有大量的客户和无穷无尽的日常事务，而每个事务都容易出现人为错误。机器处理自动化（RPA）是一种基于 AI 的业务处理自动化技术。RPA 让电信商可以更容易地管理其后台操作和大量重复的、基于规则的处理任务，为电信工作带来更高的效率。通过将复杂、劳动密集和耗时的任务简化执行，如计费、数据录入、劳动力管理和履行订单。RPA 使 CSP 员工从这些简单的工作中解放出来，去完成附加值更高的工作。
根据 Deloitte 的一项调查，40% 的电信商、媒体和技术高管表示，他们从认知技术中获得了“实质性”的好处，25% 的人已经在这项技术上投资了 1000 万美元甚至更多。超过四分之三的人预计认知计算将在未来三年内“实质性地改变”他们的公司。
Celaton 帮助电信业精简入站数据，如电子邮件、网络表单和帖子，从信件中提取关键数据，验证它，并向客户服务代表提出对应的建议，客户服务代表随后在回复客户之前修改消息。Kryon 协助电信部门确定自动化的关键流程，以支持智能和人工客服实现最佳处理效率。
电信业中的人工智能应用不仅帮助了 CSP 的管理、优化和维护基础设施，而且还帮助了客户服务。网络优化、预测性维护、虚拟助理和 RPA 是 AI 对电信行业产生影响、增强客户体验以及为企业整体增值的示例。技术已经是电信行业的重要组成部分，随着大数据工具和应用变得更好获得、更成熟，可以预期人工智能在这个领域将继续发展。
