ICTna.ir – اپراتورهای مخابراتی به طور فزاینده‌ای به دنبال هوش مصنوعی برای افزایش بهره‌وری هستند، اما اگر به درستی از آن استفاده نکنند، حرکت به سمت هوش مصنوعی عاملی یا همان agentic می‌تواند با افزایش قابل توجه هزینه‌ها همراه باشد.

به گزارش گروه اخبار خارجی آژانس خبری فناوری اطلاعات و ارتباطات (ایستنا)، این هشداری است از سوی شرکت مشاوره مدیریتی Bain & Company که این هفته گزارش جدیدی منتشر کرد که نشان می‌دهد اگر شرکت‌های مخابراتی تغییرات مناسبی در مدل‌های عملیاتی خود ایجاد نکنند، ممکن است شاهد افزایش هزینه‌های عملیاتی تا حدود ۳۰ درصد باشند، بدون اینکه هیچ افزایشی در بهره‌وری یا رشد حاصل شود.

به عبارت ساده، اضافه کردن هوش مصنوعی به مدل‌های عملیاتی قدیمی، هزینه‌های عملیاتی را افزایش می‌دهد و واضح است که این چیزی نیست که جامعه مخابراتی از هوش مصنوعی به دنبال آن باشد.

شرکت Bain & Company یک مدل عملیاتی عامل‌محور نوظهور را برجسته می‌کند که هزینه‌های عملیاتی سنتی یا قدیمی را ۷۰ تا ۸۰ درصد از کل هزینه‌های یک اپراتور قرار می‌دهد، در حالی که هزینه‌های هوش مصنوعی – از خودکارسازی یا تقویت کار در سراسر فرآیندها – ۲۰ تا ۳۰ درصد را تشکیل می‌دهد. اما خطر این است که هزینه‌های قدیمی می‌توانند باقی بمانند و رقم کلی را افزایش دهند. و اگر شرکت‌های مخابراتی این هزینه‌ها را به درستی مدیریت نکنند، ممکن است شاهد افزایش هزینه‌های ناشی از استفاده از توکن‌ها باشند.

همانطور که در گزارش Bain & Company آمده است، نکته آخر یکی از تله‌های کلیدی هزینه است که اپراتورها ممکن است در آن گرفتار شوند.

در حالی که هزینه مدل‌های هوش مصنوعی در حال کاهش است؛ گزارش نشان می‌دهد که در سال گذشته تقریباً ده برابر کاهش یافته است؛ استفاده از توکن با سرعت بیشتری در حال افزایش است (به نمودار زیر مراجعه کنید) زیرا کارمندان کاربردهای جدیدی را کشف می‌کنند، به ویژه در عملیات شبکه و مراقبت از مشتری. حتی با تقریباً نصف قیمت توکن، افزایش ۴.۵ برابری استفاده به معنای دو برابر شدن کل صورتحساب خواهد بود.

این گزارش توصیه می‌کند که شرکت‌های مخابراتی باید به جای تمرکز صرف بر هزینه هر توکن، به هزینه یک نتیجه تجاری خاص، مانند حل یک مشکل مشتری یا حادثه شبکه، توجه کنند.

این شرکت، AT&T را به عنوان نمونه‌ای از یک شرکت مخابراتی که مسیر درست را در پیش گرفته است، معرفی می‌کند. شرکت Bain & Company توضیح داد که این اپراتور بررسی کرده است که چگونه می‌تواند میلیاردها توکن را در روز به طور کارآمدتری پردازش کند. این شرکت، هماهنگی هوش مصنوعی خود را دوباره طراحی کرد تا «ابرعامل‌ها»ی بزرگ، کار را به مدل‌های کوچک‌تر و تخصصی‌تر واگذار کنند. در این بیانیه آمده است: «به جای کاهش استفاده از هوش مصنوعی، این طرح، قابلیت مدل را با پیچیدگی وظایف هماهنگ کرد که به گفته AT&T، هزینه‌ها را تا ۹۰ درصد کاهش و توان عملیاتی را سه برابر کرد.»

دومین تله هزینه، ادغام هوش مصنوعی در فرآیندهای قدیمی بدون طراحی مجدد نحوه انجام کار است. این امر منجر به یک مدل عملیاتی دوگانه می‌شود که در آن تیم‌های سنتی کارکنان، فرآیندهای موجود را اجرا می‌کنند در حالی که هوش مصنوعی وظایف جداگانه‌ای را در حاشیه انجام می‌دهد. در عوض، شرکت‌های مخابراتی باید گردش‌های کاری را به طور کامل بازطراحی کنند و رهبران باید بپرسند کدام فرآیندها بیشترین سود را از هوش مصنوعی می‌برند، نه اینکه صرفاً به دنبال این باشند که هوش مصنوعی را در کجا می‌توان وارد کرد.

سوم، این گزارش به دام تمرکز بر نمایش‌های کم‌خطر هوش مصنوعی اشاره می‌کند که به‌طور جزئی کارایی را بهبود می‌بخشند اما تأثیر واقعی بر سود و زیان ندارند.

شرکت Bain & Company اعلام کرد: «چت‌بات‌های داخلی، خلاصه‌های خودکار تماس‌های مشتریان، دستیاران کدنویسی و دستیاران بهره‌وری، ارزش ایجاد می‌کنند اما به ندرت اقتصاد یک شرکت مخابراتی را تغییر می‌دهند.»

در این گزارش آمده است: «بزرگترین فرصت در استفاده از هوش مصنوعی برای حل مشکلات مشتریانی نهفته است که قبلاً بسیار کند، دستی یا بسیار پرهزینه بودند. به جای پرسیدن اینکه چگونه هوش مصنوعی می‌تواند هزینه کار موجود را کاهش دهد، رهبران باید در نظر بگیرند که کدام مشکلات مشتریان فقط به دلیل وجود هوش مصنوعی از نظر اقتصادی مقرون به صرفه می‌شوند. این تغییر، گفتمان را به طور کامل تغییر می‌دهد.»

این گزارش نمونه‌هایی از حل خودکار حوادث شبکه، جلوگیری از ریزش مشتری به صورت پیشگیرانه و تجربیات خرده‌فروشی کاملاً سلف سرویس در مکان‌هایی که نمی‌توانستند از فروشگاه‌های سنتی پشتیبانی کنند، ارائه می‌دهد. در مورد نکته آخر، Telia کیوسک‌های سلف سرویس مجهز به هوش مصنوعی را در جوامع روستایی به صورت آزمایشی راه‌اندازی کرد.

شرکت Bain & Company توصیه‌هایی به رهبران شرکت‌های مخابراتی ارائه داد که معتقد است می‌توانند فوراً آنها را اجرا کنند، از جمله اندازه‌گیری هزینه هر وظیفه و عدم تمرکز بر کل هزینه توکن؛ حذف استفاده بی‌فایده از هوش مصنوعی؛ و ایجاد یک بودجه اختصاصی برای محاسبات هوش مصنوعی در شرکت.

همچنین به اپراتورها توصیه کرد که سه گردش کار با ارزش بالا – مانند مراقبت از مشتری، عملیات شبکه یا تحویل نرم‌افزار – را برای طراحی مجدد سرتاسری بر اساس کار واقعی و نه نسخه‌های نمایشی انتخاب کنند. و پیشنهاد داد که یک ساختار مدیریتی ایجاد شود تا کسی مسئول نظارت بر تغییر مدل و خرج کردن توکن باشد.

در نهایت، پیام کلی گزارش این است که هوش مصنوعی عامل‌محور، روش جدیدی برای انجام کارها به اپراتورهای مخابراتی ارائه می‌دهد. خطر، تلاش برای استفاده از این فناوری برای به‌روزرسانی فرآیندهای قدیمی بدون تغییر روش زیربنایی است. اپراتورها می‌توانند بدون حذف کافی لایه هزینه هوش مصنوعی قدیمی، با یک لایه هزینه هوش مصنوعی جدید مواجه شوند.