负责任的人工智能：电信行业的业务要务

在过去十年中，电信行业面临着一个又一个严峻的挑战。电信公司承受着来自快速进入通信、连接和数据传输核心领域的科技公司的持续竞争压力。为了刺激收入增长，电信公司寻求重新发明自己他们创建了新的科技驱动的产品和服务——从物联网（IoT）和软件即服务（SaaS）到视频点播（OTT）流媒体。他们还进入了保险、金融服务和医疗保健等相邻行业，提供新的面向消费者（B2C）和企业对企业（B2B）的服务。其中一些举措取得了一定的成功。但事实是，电信公司仍然难以与更灵活且资本更为充足的科技公司竞争。

AI给电信公司再次提供了重塑自我的机会。目标是成为原生人工智能组织将人工智能融入业务的每一个方面以帮助推动增长和更新。如果电信公司迅速行动，他们可以引领部署双方的步伐。生成式AI利用（生成式AI）来提升客户体验并降低成本，以及使用分析型AI优化其后端运营和基础设施。许多电信公司已经开始了生成式AI的实施，在市场营销、销售和客户服务等领域获得了显著的成本节约。麦肯锡的研究显示，生成式AI可以为电信公司带来显著的EBITDA增长，增量边际回报在两年内增加三到四个百分点，并且在五年内可能达到八到十个百分点。¹生成人工智能如何为电信公司重振盈利能力麦肯锡，2024年2月21日。

然而，电信公司不可能在不敏锐地关注某些方面的情况下将自己转型为以AI原生的公司。负责任的人工智能（负责任的人工智能部署(RAI)），即以道德、安全、透明且符合法规的方式部署人工智能。在高度监管的电信行业，负责制和透明度框架对于赢得消费者信任、保护敏感数据以及防范安全威胁至关重要。所有这些都使得RAI不仅仅是电信公司的伦理实践，它也是商业上的必要要求。

为了展示负责任的人工智能（RAI）的重要性，我们分析了电信公司可以开发的100个关键AI应用场景。对于每个应用场景，我们都指出了考虑到固有风险的最佳RAI成熟度水平。例如，高级别的RAI能够强化管理客户个人信息的应用场景。我们的分析表明，实施最先进RAI实践的电信公司在2040年前部署的应用场景可以共同捕获全球高达2500亿美元的价值，这占该时期AI为整个行业创造的总价值的44%（见图表）。²生成式AI如何能重塑电信行业的盈利能力麦肯锡，2024年2月21日。

RAI如何确切地创造价值？首先，就像所有人工智能部署一样，RAI可以显著改进业务流程并简化技术集成以降低成本。有效的RAI还可以增强品牌声誉，更高的客户获取和留存率通常会推动收入增长。此外，RAI可以帮助在整个组织的人工智能工具和应用程序套件中降低商业和声誉风险，确保它们始终保持最高水平的准确性。例如，RAI实践可以确保公司的客户服务聊天机器人不会使用有偏见、不正确或敏感的语言，并且永远不会推荐竞争对手的产品或服务。

在本文中，我们概述了电信公司如何设计和实施一个能够产生显著底线影响的RAI框架。强大的RAI框架包括电信公司可以用来评估其当前优势和劣势的成熟度模型，以及从基础、演变、新兴到高级阶段实施RAI的最佳实践。随着此类框架的部署，电信公司将明确各自的RAI路线图，包括如何构建和执行治理、技术和运营模式。RAI框架可以确保电信公司的AI部署与收入和业务目标保持一致。

行业标准的RAI框架很少见

电信公司可以从RAI（负责任的人工智能）中获得多方面的益处：更好的业务成果、竞争优势、可持续增长、增加客户信任、提升运营效率、更强的 talent 吸引能力，以及当然不可忽视的财务收益。具有前瞻思维的电信公司认识到，强大的 RAI 管理机制就像是一套“好的刹车系统”，使它们能够“更快地前进”以充分发挥人工智能的全部潜力并降低风险。

根据我们与全球电信公司高级领导人的访谈，目前很少有企业处于RAI（负责任的人工智能）部署的高级阶段，大多数仍处于基础或发展中阶段。电信公司在部署RAI方面面临的最大障碍是缺乏行业标准。尽管电信公司希望部署RAI，但没有一个被广泛接受的框架来帮助它们推进这一进程。因此，电信公司不是主动采用RAI，而是采取被动反应的方式，在出现新的监管要求时逐步增加零散的治理标准。这种做法虽然有助于电信公司避免法律和财务风险，但却无法实现推动创新所需的协调性和战略性RAI部署。

许多政府提出了或通过了确保人工智能部署公平、透明、负责和安全的立法（表1）。国际组织提出了一些关于负责任的人工智能的全球政策，但这些政策尚未在广泛范围内被采纳（表2）。而且，这些法规和政策都不针对电信行业。

虽然电信行业协会在定义RAI标准方面取得了进展，但仍存在短期内取得成功的一些障碍：

• 中央组织领导不足。电信行业协会和标准制定机构可以更多地展示领导力，推进负责任的人工智能（RAI）实践。虽然一些组织积极推广RAI，但很少有组织开发全面的框架或为会员提供明确的指导。这种差距阻碍了电信公司采用最佳实践并实现一致的责任AI标准。
• RAI行业基准有限。在电信行业中缺乏负责任的人工智能（RAI）基准给运营商带来了重大挑战。基准作为参考点，使公司能够根据行业标准评估其表现并确定改进领域。没有这些基准，电信公司缺乏衡量其实施RAI进展的指标。这一差距使得促进透明度的努力变得复杂，因为关键利益相关者——包括监管机构、消费者和合作伙伴——都没有明确的标准来衡量电信公司的AI举措。

电信行业的RAI框架具有四个特点

尽管电信行业缺乏明确的标准，但电信公司强烈希望实施负责任的人工智能（RAI）。在我们的访谈中，大多数领导都表达了创建和部署针对电信行业乃至其各自业务的定制化RAI框架的兴趣。他们中的大多数人希望从成熟度模型开始他们的RAI之旅，这些模型评估他们的现状并定义成为高级用户所需的特定步骤。电信公司认为成熟度模型是一种设定基准的练习，以指导其战略计划。他们希望通过易于使用的建模工具来评分其在RAI准备方面的水平，并将这些发现转化为带有行动呼吁的高管级摘要。不幸的是，我们采访的领导中很少有人表示目前使用RAI成熟度模型，主要是因为此类工具的可用性有限。电信行业组织正在努力定义特定于电信公司的RAI成熟度模型，但这一进程还处于初期阶段。例如，全球移动通信系统协会（GSMA）最近才为电信公司创建了一个用于衡量其RAI成熟度的工具。

电信行业的RAI框架应包括哪些具体特性？根据我们的访谈，针对电信行业的强大RAI框架可能包含四个关键特征：

1. 行业特定成熟度模型。这些工具帮助电信公司评估其在RAI方面的准备情况，并为每个级别定义具体的基准。模型考虑了电信公司在竞争激烈的市场、相互连接的网络以及广泛接触消费者数据的情况下，使用AI的独特目标和挑战。
2. 清晰的RAI指南。这些构建模块提供了关于构成RAI策略的各种元素的全面概述，包括治理、风险管理、数据质量和伦理准则。
3. 最佳实践。这些实用策略展示了电信公司如何有效实施负责任的人工智能（RAI），包括已经由先进电信公司成功采纳和衡量的经验证实践。
4. 进度指标。这些测量指南概述了电信公司可以遵循的实际步骤，以提升其RDI能力并逐步通过每个成熟阶段：基础、发展、执行和先进。注意：RDI可能是原文中的特定术语或缩写，在此处保持不变。如果需要，RDI应替换为正确的中文术语或解释。

行业特定成熟度模型用于评估和目标设定

一个有效的RAI框架应包括一个易于使用的成熟度建模工具，以帮助电信公司全面了解其基础AI准备情况，并识别增长和改进的机会。成熟度模型有助于电信公司在部署的每个阶段捕捉其全部AI潜力。

刚刚开始RAI（负责任的人工智能）旅程的运营者可以使用成熟度模型来建立和衡量基础性要求。这包括采纳核心的RAI原则，定义关键的角色和职责，并设立初步治理结构。基础性要求还包括制定AI行为准则、任命首席AI官以及创建AI治理委员会。处于这一基础阶段的公司在很大程度上希望增强其运营中的特定方面，例如提高操作效率或自动化客户服务等常规任务。

在另一端是处于RAI部署高级阶段的公司。这些电信公司使用AI来创造高影响力的面向客户的应用场景，并将AI深度融入其战略决策过程。示例包括使用AI为客户提供个性化体验，分析大量数据以获取战略性洞察，或推动产品开发中的创新。因此，成熟度模型应整合针对高级用户的基准和最佳实践，包括复杂的风险管理框架、全面的治理模式以及持续监控和改进流程。对于处于高级阶段的公司，成熟度模型也可能包含AI审计过程，以确保透明度和问责制。

明确RAI指导原则以定义总体战略

有效的RAI框架概述了电信公司AI战略和长期路线图的每一步。它包括治理、风险管理、数据质量和伦理的定义，并在RAI成熟度的每个阶段提供推进这些政策的战略性和操作性最佳实践。以下是RAI框架的基本组成部分。

策略。这定义了与组织价值观和战略目标相一致的RAI治理的愿景和原则。以下是稳健策略应包括的内容：

• 愿景。明确阐述RAI对组织的意义以及它如何与公司的整体使命相契合。
• 原则。指导人工智能开发和部署的基础伦理准则，确保公平性、透明度、责任性和包容性
• 对齐确保RAI策略与组织的战略目标一致的指导原则
• 规章制度确保遵守当地和国际标准以降低合规风险的规定

促进因素。这些激活了明确的最佳实践，这些最佳实践是全面的可解释人工智能路线图不可或缺的一部分。关键特性包括以下几点：

• 工具。组织将用于模型验证、偏见检测和可解释性以确保伦理人工智能开发的责任AI工具清单
• 训练。一个持续教育和培训计划，以帮助员工理解人工智能的伦理影响和技术方面。
• 变更管理。组织将采用的一种结构化方法，用于引导个人、团队和组织向RAI实践过渡。
• 通信。清晰、层级分明的沟通渠道，确保组织中的每个人都与RAI战略和原则保持一致。

运营模型。这有助于确保公司拥有正确的人才、治理结构、团队构成和流程，以便在整个业务活动中实施负责任的人工智能（RAI）。关键要素包括以下几点：

• 人才。招募和培养具备人工智能、伦理和治理技能的专业人才
• 治理。稳健的治理结构，定义与RAI相关的角色、职责和决策流程
• 团队结构。跨职能团队的组建，包括数据科学家、伦理学家、法律专家和业务领导人在内的成员组成
• 进程。实现标准化的RAI开发、部署和监控程序，以确保一致性和问责制
• 文化。建立一种关于人工智能的伦理意识和责任的文化，鼓励员工就潜在问题发声。

风险。这强调了主动监控和缓解与人工智能相关的风险的重要性，并包括以下内容：

• 测量。开发用于评估AI系统性能和风险的指标和KPIs
• 监控。通过风险管理和第三方解决方案审计等技术持续观察AI模型是否存在偏见、错误或其他问题。
• 评论。严格实施诸如“红队演习”（模拟攻击以识别漏洞）和“战游演习”（在假设场景下对模型进行压力测试）之类的审查与挑战流程。
• 报告。定期向利益相关者进行文档记录和沟通，以确保透明度并促进知情的人工智能决策制定

在电信行业部署RAI的最佳实践

针对电信行业的RAI框架应为上述四个关键组件提供具体的最佳实践。这些最佳实践可以帮助电信公司以一种承认该行业独特挑战和机遇的方式应用通用的RAI原则，例如利用AI进行网络优化或客户流失预测。一个全面的RAI框架会在每个成熟度级别——基础级、发展中、执行级和高级别——提供最佳实践，从而创建一条帮助电信公司从一个级别过渡到下一个级别的路线图。

以下是一些电信公司在部署负责任的人工智能（RAI）的基础层面可以采用的最佳实践示例，尽管一个完整的框架将提供更多的最佳实践，并且会更具体地针对个别电信公司的具体情况加以定制：

• 策略：
  • 视野。撰写一份高层声明，阐述组织对负责任的人工智能（RAI）的承诺，该承诺与更广泛的使命相一致，并为所有人工智能活动提供指导。
  • 原则。定义早期伦理原则，为rai提供清晰的框架，涉及公平性、透明度、责任和包容性。
  • 对齐制定路线图，将人工智能原则融入组织的整体业务目标。
  • 规章规范开展初步研究，了解国家和国际层面的监管要求。
• 赋能者：
  • 工具。寻找并采用一套RAI工具来帮助进行模型验证、偏见检测和可解释性。
  • 训练。开展初步培训项目，教育员工了解人工智能的伦理影响，提高整个组织对负责任的人工智能实践的认识。
  • 变更管理。启动基本流程以帮助组织适应RAI，例如创建一个简单的路线图来描述过渡过程。
  • 通信。选择渠道——例如新闻通讯、博客、网站或社交媒体平台——来向员工和外部利益相关者传播关于公司的RAI原则的信息。
• 运营模型：
  • 人才。制定一个计划以获取部署RAI所需的人才，包括所需的新人招聘和现有员工技能提升的计划。
  • 治理。建立一个初始治理结构，定义关键利益相关者的角色和职责，并概述基本程序。
  • 团队结构。对现有员工进行高层次的盘点——包括数据科学家、开发人员、IT工作人员、法律专家、产品经理和业务领导等，他们有可能加入跨职能团队以支持人工智能伦理（RAI）倡议。
  • 进程。研究人工智能开发、部署和监控的标准程序，并引入一组初步的统一规程。
  • 文化。创建一个初始的内部沟通活动，介绍RAI的概念。
• 风险：
  • 测量。开发基本指标和KPI，以评估早期RAI系统的性能，并建立初始测量框架。
  • 监控。建立基本流程以持续观察AI模型，检测偏见、错误或其他问题的迹象。
  • 审阅。建立初始的审查和挑战流程，包括红队演练和战争游戏的计划。
  • 报告。建立报告机制以记录和传达RAI的发现，包括基本报告以便让利益相关者了解人工智能项目的状态。

进度指标从基础成熟度级别发展到高级成熟度级别

一个有效的负责任的人工智能（RAI）框架应当为电信公司提供一条结构化的路径，以逐步提高其在负责任人工智能方面的成熟度。在每个成熟度级别上，该框架应包含特定的进展指标，这些指标是电信公司需要满足的要求，以便晋级到下一个水平。

例如，在基础层面，一个进展指标可能是：“通过内部沟通活动将公司的RAI愿景传达给所有员工，并通过反馈机制测试他们对该项目的了解。”在方法改进阶段，一个指标可能是：“完成针对RAI跨职能团队的多部分风险培训计划。”而在执行层面，一个指标可能是：“建立并启动一个RAI创新实验室，以促进持续改进和实验。”

每个电信公司部署RAI的目标不同，因此它们的进度指标将基于各自初始路线图中定义的独特目标而有所不同。

具有结构化RAI（负责任的人工智能）实践的电信公司不仅在道德立场上是领导者；他们还有可能创造数十亿美元的额外价值。投资于RAI可以让今天的困境中的电信公司在下一个十年中获得竞争优势，为它们与科技公司竞争提供新的途径。通过优先考虑RAI，电信运营商可以捕捉到AI为其业务带来的全部潜力，并建立客户信任，从而带来新的创新和收入。强调RAI还可以帮助电信公司吸引和留住最佳人才，培养持续改进的文化。简单来说，负责任地实施人工智能具有良好的商业意义。