É difícil olhar para as notícias e não se deparar com manchetes sobre inteligência artificial (IA) generativa – um tipo de IA que pode criar novos conteúdos, inclusive conversas, histórias, imagens, vídeos, músicas, códigos e muito mais. Essa forma de IA tem o potencial de provocar mudanças radicais na economia global. De acordo com o Goldman Sachs, ela poderia gerar um aumento de US$ 7 trilhões no PIB global e elevar o crescimento da produtividade em 1,5% em um período de 10 anos. E essa oportunidade se estende ao setor de telecomunicações.
Como em outros setores, a IA generativa pode ajudar as empresas de telecomunicações a aumentar a eficiência em muitas funções: por exemplo, preencher RFPs, implementar chatbots para ajudar nas vendas e personalizar o marketing em escala. De fato, esperamos ver um enorme crescimento nessa área. Até 2026, 95% das empresas de telecomunicações implantarão iniciativas de dados, análise e IA para aprimorar a experiência do cliente e melhorar o planejamento de produtos, em comparação com 50% em 2022, de acordo com o Gartner. No entanto, há alguns aplicativos específicos do setor que acreditamos serem realmente transformadores.
Muitas empresas de telecomunicações também já utilizam a IA para aumentar as interações humanas e melhorar a consistência da experiência e a velocidade de resolução de problemas. A IA generativa pode levar essas atividades um passo adiante, com resposta de voz interativa – uma evolução das primeiras implementações de chatbots para ajudar os clientes a resolver problemas ou obter respostas a perguntas. Além disso, a IA generativa pode ajudar a analisar chamadas em tempo real e fornecer avisos e recursos aos agentes, ajudando a resolver as dúvidas dos clientes. Os agentes de atendimento ao cliente continuarão desempenhando um papel fundamental no processo, mas acreditamos que a IA generativa pode reinventar e melhorar cada experiência.
Outra possibilidade é simplificar o planejamento, a instalação, a configuração e as operações da rede. A IA generativa pode desempenhar um papel fundamental em todos os aspectos do ciclo de vida da rede. Durante a instalação de elementos de rede, os engenheiros dependem de manuais e processos documentados. A IA generativa pode ingerir esses dados e fornecer orientação interativa e prompts para acelerar e simplificar as tarefas de instalação. Os modelos fundamentais também podem ser treinados na topologia da rede e nos dados de configuração para sugerir a configuração dos elementos da rede. Quando há uma falha, os aplicativos baseados em IA generativa podem recomendar ações e procedimentos de solução de problemas aos engenheiros operacionais da rede.
A IA generativa também pode ajudar as empresas de telecomunicações a otimizar o desempenho dos negócios e identificar mais facilmente as áreas em que estão perdendo receita ou incorrendo em vazamento de receita. Implementada em todos os processos de negócios, a IA generativa pode examinar lucros, receitas, planos de consumo, despesas e cobranças de clientes para fornecer recomendações sobre como evoluir as ofertas para otimizar os lucros.
Principais considerações
Não fará sentido usar a IA generativa em todas as instâncias de IA/ML atuais. De fato, há muitos exemplos em que as formas tradicionais de IA, baseadas em técnicas de aprendizado supervisionadas e não supervisionadas, são mais do que suficientes para os processos de telecomunicações. Por exemplo, a IA tradicional é excelente para ajudar as empresas de telecomunicações a prever a rotatividade, detectar anomalias na rede ou rastrear métricas como a pontuação do net promoter score. Além disso, há outras considerações importantes que devem ser levadas em conta.
Entre elas, o custo para desenvolver ou treinar modelos básicos. Grande parte do capital gasto em modelos básicos – os grandes modelos de IA treinados em enormes quantidades de dados que alimentam os aplicativos de IA generativa – vai para o treinamento deles. Os modelos públicos são treinados com grandes quantidades de dados disponíveis publicamente, mas são de uso mais geral e podem não funcionar bem em tarefas especializadas. Os modelos personalizados, por outro lado, podem ser treinados em uma combinação de dados públicos e específicos da empresa, fornecendo aplicativos mais direcionados para o setor ou a organização.
A criação de um modelo a partir do zero é demorada, cara e requer conhecimento especializado, mas para organizações com dados e recursos significativos e um caso de uso que exija conhecimento de domínio específico, pode fazer sentido desenvolver um modelo básico sob medida. Também há esforços para democratizar o acesso a essa tecnologia, permitindo que os clientes tomem um modelo existente como ponto de partida e o treinem de forma privada usando os dados proprietários, tornando o modelo mais adequado para uma tarefa específica.
A qualidade dos dados e IA responsável são outro aspecto. A IA generativa é tão boa quanto os dados em que é treinada, e sempre há o risco de viés ou imprecisões. Antes mesmo de considerar a IA generativa (ou qualquer forma de IA), é importante começar com dados unificados e de alta qualidade. A IA generativa requer conjuntos de dados extensos, treinamento e supervisão para fazer inferências e respostas. Às vezes, os modelos fundamentais, tanto públicos quanto privados, podem sofrer "alucinações", criando respostas imprecisas que podem parecer críveis, mas estão incorretas. Por esse motivo, a IA generativa não é recomendada para tarefas que exigem certeza, o que pode não ser possível devido à natureza do problema ou à falta de dados suficientemente grandes e de alta qualidade.
Igualmente importante é garantir que essa tecnologia seja implementada de forma responsável. Algumas novas ferramentas e serviços de IA generativa têm recursos de IA responsável incorporados ao produto, como a detecção de quando o código gerado se assemelha ao código-fonte aberto existente ou a detecção e remoção de conteúdo prejudicial em conjuntos de dados de treinamento e filtragem de resultados que contêm conteúdo prejudicial (por exemplo, discurso de ódio, palavrões e violência).
E por último, segurança de dados. Para que as empresas aproveitem a IA generativa para fins empresariais, são necessários grandes conjuntos de dados proprietários. Embora existam opções públicas no mercado, essas abordagens introduzem novas considerações sobre segurança e privacidade, inclusive sobre propriedade intelectual. Os líderes de negócios e de TI devem trabalhar em estreita colaboração com as equipes de segurança, conformidade e jurídica para identificar e mitigar esses riscos, garantindo que a IA generativa seja implantada de forma segura e responsável. Além disso, planeje o escopo em relação à conformidade e às regulamentações e pense cuidadosamente sobre quem é o proprietário dos dados usados.
Independentemente de se tratar de IA generativa ou processamento de linguagem natural, é importante reservar um tempo para considerar as aplicações, discutir uma estratégia de organização de dados e avaliar o ROI antes de implantar comercialmente a IA. Dito isso, acreditamos que a IA é a tecnologia mais transformadora do nosso tempo, e a IA generativa está revelando novas e empolgantes possibilidades que todas as empresas devem procurar explorar e experimentar.
* Ishwar Parulkar é diretor de tecnologia do setor de telecomunicações da AWS. As opiniões expressas nesse artigo não necessariamente refletem o ponto de vista de TELETIME.
