Cómo la IA generativa transformará el sector de las telecomunicaciones – y cómo no lo hará

Resulta difícil echar un vistazo a cualquier medio de comunicación y no encontrar titulares sobre inteligencia artificial (IA) generativa. Este tipo de IA tiene el potencial de causar enormes cambios en la economía global. Según Goldman Sachs, podría generar un aumento de 7 billones de dólares en el PIB global y elevar la productividad en un 1,5% en los próximos 10 años. Naturalmente, esta oportunidad se extiende a las empresas del sector de las telecomunicaciones (telcos).

Al igual que en otros sectores, la IA generativa puede ayudar a las telcos a mejorar la eficiencia en varias funciones: por ejemplo, poblando peticiones de oferta, desplegando chatbots para ayudar en el proceso de ventas y personalizando el marketing para cada individuo a gran escala. De hecho, esperamos ver un enorme crecimiento en este segmento. Según Gartner, para 2026 el 95% de las telcos desplegará iniciativas de datos, analítica e IA para mejorar las experiencias de sus clientes y planificación de productos, lo cual representa una subida del 50% con respecto a 2022¹. Sin embargo, existen algunas aplicaciones específicas al sector que, en mi opinión, serán realmente transformadoras.

Mejorar la experiencia del cliente: muchas telcos ya están aprovechando la IA para mejorar las interacciones humanas y la consistencia de la experiencia y tiempo de resolución de incidencias. La IA generativa puede llevar estas actividades un paso más allá, mediante respuestas de voz interactivas; una evolución de los despliegues iniciales de chatbots para ayudar a los clientes a resolver problemas u obtener respuestas a sus preguntas. Además, la IA generativa puede ayudar a analizar las llamadas en tiempo real para proporcionar apuntes y recursos a los agentes que faciliten la resolución de las dudas de los clientes. Los agentes de atención al cliente continuarán desempeñando un rol clave en el proceso, pero la IA generativa puede llegar a reinventar y mejorar todas las aplicaciones y experiencias de usuario.

Simplificar la planificación, instalación, configuración y operaciones de las redes: durante la instalación de los elementos de una red, los ingenieros dependen de manuales y procesos documentados. La IA generativa puede ingerir esta información y proporcionar guías y apuntes interactivos para acelerar y simplificar las tareas de instalación. Los modelos fundacionales también pueden ser entrenados con la topología y datos de configuración de las redes para que ofrezcan sugerencias sobre configuración de elementos de red. Cuando se produzca un fallo en la red, aplicaciones basadas en IA generativa podrán recomendar acciones y procedimientos de resolución a los ingenieros que operen estas redes.

Optimizar el rendimiento de negocio: la IA generativa puede ayudar a las telcos a identificar con mayor facilidad aquellas áreas donde están perdiendo ingresos. Al desplegarla en todos los procesos de negocio, la IA generativa podrá examinar los beneficios, ingresos, diversos planes de consumo, gastos y cargos a clientes para proporcionar recomendaciones sobre cómo hacer evolucionar las ofertas para optimizar los beneficios.

No siempre se necesitará emplear IA generativa. De hecho, existen múltiples ejemplos en los que las formas de IA tradicional, basada en técnicas de aprendizaje supervisado y no supervisado, serán más que suficientes para los procesos de negocio de las telcos. Por ejemplo, la IA tradicional funciona perfectamente a la hora de ayudar a las telcos a predecir la tasa de pérdida de clientes, detectar anomalías en la red o vigilar métricas como el net promoter score. Más allá de estas aplicaciones, existen otras consideraciones importantes que debemos tener en mente.

Coste de desarrollo o entrenamiento de modelos fundacionales: gran parte del capital invertido en los modelos fundacionales (los grandes modelos de IA entrenados mediante cantidades ingentes de datos que impulsan las aplicaciones de IA generativa) se dedican a su entrenamiento. Los modelos públicos se entrenan mediante conjuntos de datos inmensos del dominio público, pero estas herramientas tienen un propósito más generalista y pueden no funcionar muy bien para tareas especializadas. Por otra parte, los modelos creados a medida pueden haber sido entrenados mediante una combinación de datos públicos y específicos de la compañía, proporcionando así aplicaciones más específicas para la organización o sector en cuestión. Crear un modelo desde cero consume mucho tiempo, dinero y requiere de una experiencia especializada, pero para aquellas organizaciones con grandes cantidades de datos, recursos y un caso de uso que requiera conocimientos de un ámbito específico, puede tener sentido desarrollar un modelo fundacional a medida.

Calidad de datos e IA responsable: la IA generativa solo puede llegar a ser tan buena como los datos mediante los que haya sido formada, y siempre existe el riesgo de que se introduzcan sesgos o inexactitudes. Antes incluso de contemplar el uso de IA generativa (o cualquier otra forma de IA), es importante comenzar con datos unificados y de alta calidad. La IA generativa requiere de grandes conjuntos de datos, entrenamiento y supervisión para poder obtener inferencias y respuestas.

Igualmente importante es asegurar que esta tecnología sea implementada de un modo responsable. Algunas de las nuevas herramientas y servicios de IA generativa cuentan con características de IA responsable integradas en el producto, como notificar cuando el código generado se parezca a código abierto ya existente o detectar y eliminar contenido perjudicial en conjuntos de datos de entrenamiento y puntos de filtración que contengan contenido dañino (por ejemplo, incitaciones al odio, blasfemias y violencia).

Seguridad de datos: las empresas requieren enormes conjuntos de datos privados para poder aprovechar la IA generativa para sus objetivos de negocio. Aunque existen opciones públicas en el mercado, estos enfoques introducen nuevas consideraciones relacionadas con la seguridad y privacidad, incluyendo cuestiones relativas a la propiedad intelectual. Los negocios y líderes del sector informático deben colaborar estrechamente con sus equipos legales, de cumplimiento y seguridad para identificar y mitigar estos riesgos, asegurando que la IA generativa sea desplegada de un modo seguro y responsable.

Independientemente de si se trata de IA generativa o procesamiento de lenguaje natural, resulta importante tomar el tiempo necesario para valorar las aplicaciones, discutir una estrategia de organización de datos y estimar el retorno de la inversión antes de desplegar la IA a nivel comercial. Dicho esto, estoy seguro de que la IA será la tecnología más revolucionaria de nuestro tiempo y que la IA generativa ya está desbloqueando unas nuevas y fascinantes posibilidades que todos los negocios deberían explorar.

[1] Gartner, Research Roundup for State of Data and Analytics for CSPs (Resumen de la investigación sobre el estado de los datos y analítica para CSPs), Kameron Chao, 13 de abril de 2023.

Gartner es una marca registrada y de servicio de Gartner, Inc. y/o sus afiliados en EE UU y otros países y se emplea en este contenido con permiso. Todos los derechos reservados.