人工知能の新たな応用分野である生成型AIは、会話、物語、画像、動画、音楽、コードなど、全く新しいコンテンツを生成する可能性があり、世界経済に破壊的な変化をもたらす可能性があります。ゴールドマン・サックスは、生成型AIが10年以内に世界のGDPを7兆ドル増加させ、生産性を1.5%向上させると予測しています。この巨大な機会は通信業界にも広がるでしょう。

通信業界における生成AIの可能性

他の業界と同様に、ジェネレーティブAIは通信会社の事業成長を4つの主要分野で支援します。第一に、提案依頼書（RFP）の作成、営業支援のためのチャットボットの導入、大規模なパーソナライズマーケティングの実施など、様々なサービスの効率向上に役立ちます。Amazon Web Services（AWS）はこの分野で大きな成長を見込んでいます。ガートナーのデータによると、2026年までに通信会社の95%が顧客体験と製品企画の向上を目的としてデータ分析とAIイニシアチブを導入する見込みです。これは2022年にはわずか50%にまで低下します。私たちは、ジェネレーティブAIの特定の業界への応用が、変革をもたらすと考えています。

第二に、顧客体験の向上です。多くの通信会社はすでにAIを活用し、対人関係の改善、顧客体験の一貫性の確保、問題解決の効率化に取り組んでいます。ジェネレーティブAIはさらに進化し、初期のチャットボットから進化したインタラクティブ音声による応答で、顧客の問題解決や回答の発見を支援します。さらに、ジェネレーティブAIはリアルタイムの会話を分析し、カスタマーサービス担当者に顧客の懸念事項への対応を促すヒントを提供することもできます。カスタマーサービス担当者は今後もこのプロセスにおいて重要な役割を果たし続けるでしょうが、ジェネレーティブAIはカスタマーエクスペリエンスを常に変革し、向上させることができます。

第三に、ネットワークの計画、設置、構成、運用を簡素化します。Generative AIは、ネットワークライフサイクルのあらゆる側面において重要な役割を果たすことができます。ネットワーク要素の設置においては、エンジニアはマニュアルやドキュメントに記載されている手順に従う必要があります。Generative AIはこれらのデータをインポートし、エンジニアにインタラクティブなガイダンスとプロンプトを提供することで、ネットワーク要素の設置プロセスを加速します。また、ネットワークトポロジと構成データを使用してベースモデルをトレーニングし、ネットワーク要素の構成に関する提案を提供することもできます。ネットワーク障害が発生した場合、Generative AIベースのアプリケーションは、ネットワーク運用エンジニアにトラブルシューティングの提案を提供できます。

4つ目に、ビジネスパフォーマンスを最適化します。ジェネレーティブAIは、通信会社が収益損失の領域とその原因をより容易に特定するのに役立ちます。ビジネスプロセス全体にわたる展開を通じて、ジェネレーティブAIは利益、収益、ユーザーパッケージ、顧客料金を分析し、製品をさらに調整して利益を最適化する方法に関する提案を提供します。

重要な考慮事項

すべての人工知能（AI）や機械学習のシナリオに生成型AIが必要なわけではありません。実際、教師あり学習と教師なし学習の手法に基づく従来のAIは、通信業界のビジネスプロセスにおいて十分すぎるほどの性能を発揮することが、数多くの事例から実証されています。例えば、従来のAIは、通信事業者の収益チャーン予測、ネットワーク異常の検知、ネット・プロモーター・スコア（NPS）指標の追跡といった点で優れた支援を提供します。さらに、他の重要な要素も考慮する必要があります。

まず、ベースモデルの開発またはトレーニングのコストがあります。ベースモデル（膨大な量のデータでトレーニングされ、生成AIアプリケーションを駆動する大規模なAIモデル）の場合、企業のコストのかなりの部分がモデルのトレーニングに費やされます。公開モデルは、公開されている大量のデータでトレーニングされ、より汎用的ですが、特定のタスクではパフォーマンスが十分でない可能性があります。一方、カスタムモデルは、公開データと独自のデータを組み合わせてトレーニングすることで、特定の業界や企業向けのより具体的なアプリケーションを提供できます。モデルをゼロから構築するには時間と費用がかかり、専門知識も必要ですが、企業が豊富なデータリソースとドメイン固有の知識を持つユースケースを持っている場合は、カスタムベースモデルの開発が理にかなっています。Amazon Web Servicesは、このテクノロジーの参入障壁を下げることに取り組んでおり、お客様が既存のモデルをベースに、独自のデータを使用して特定のタスクにより適したモデルをトレーニングできるようにしています。

2つ目は、データ品質と責任あるAIです。生成AIの品質は、学習に用いるデータに大きく依存します。生成AI（あるいはあらゆる形態のAI）を検討する前に、最も重要なのは高品質なデータです。生成AIは、推論と回答を生成するために、広範なデータセット、学習、そして教師データを必要とします。公開ベースモデルと非公開ベースモデルの両方が「錯覚」を生み出し、一見信憑性があっても不正確なフィードバックを生成する可能性があります。したがって、高い確実性を必要とするタスクに生成AIを適用することは推奨しません。問題自体の独自性や十分な高品質データの不足により、高い確実性を達成することは難しいからです。同様に重要なのは、この技術が責任を持って適用されることです。一部の新しい生成AIツールやサービスには、「責任あるAI」機能が組み込まれています。例えば、既存のオープンソースコードに類似する生成コードをハイライト表示したり、学習データセットから有害なコンテンツを検出して削除したり、有害なコンテンツ（ヘイトスピーチ、冒とく表現、暴力など）を含む記事をフィルタリングしたりする機能です。

第三に、データセキュリティがあります。企業が業務目的で生成AIを適用するには、膨大な量の独自データへのアクセスが必要です。公開データは利用可能ですが、知的財産権の問題など、セキュリティとプライバシーに関する新たな懸念が生じる可能性があります。ビジネスリーダーとITリーダーは、セキュリティ、コンプライアンス、法務チームと緊密に連携し、これらの潜在的なリスクを特定・軽減することで、生成AIの安全かつ責任ある導入を確保する必要があります。さらに、法的規制とコンプライアンスを考慮した計画を策定し、使用するデータの所有権についても慎重に検討する必要があります。

生成AIを適用する場合でも自然言語処理を適用する場合でも、企業は商用AIを導入する前に、アプリケーションの導入を検討し、データ整理戦略を議論し、ROIを評価する時間を取る必要があります。Amazon Web Servicesは、AIが現代において最も変革をもたらすテクノロジーであり、生成AIが刺激的な価値を生み出すと考えています。すべての企業は生成AIテクノロジーを探求し、実験するべきです。