”Så kan AI effektivisera den svenska telekombranschen”

Den svenska telekombranchen har genomgått betydande förändringar under de senaste åren. Utöver att ha skapat nya typer av tjänster, har man också blivit fundamentet för flera olika sektorer, från transport till hälsa. Enligt PwC kommer den globala datanvändningen via telekomnätverk att nästan tredubblas, från 3,4 miljoner petabyte år 2022 till imponerande 9,7 miljoner petabyte år 2027.

Denna data ger större möjligheter för bättre insikter som, när de används på rätt sätt, gör det möjligt för telekomföretag att erbjuda en bäst-i-klassen-service till sina kunder och till samhället i stort.

En central del för att faktiskt dra nytta av denna data på ett optimalt sätt, är användningen av artificiell intelligens (ai) och automatisering – något som redan görs inom telekombranschen. Att kombinera automatiseringen och ai är grunden för att driva förbättringar inom flera områden från kundupplevelse (cx) och att snabbare avhjälpa fel på fältet till att hjälpa till att uppnå hållbarhetsmål.

Kundservice när den är som bäst

En betydande fördel med ai och automatisering inom telekom är deras potential att utveckla och förbättra kundupplevelsen (cx). Både samhället och teknikens ständiga utveckling har visat sig ha en påverkan på kundernas förväntningar, prioriteringar och beteenden i grunden. Enligt ny forskning förväntar sig hela 81 procent av kunderna snabbare service i takt med att tekniken utvecklas. Det är ett område där generativ ai och stora språkmodeller (LLM) kommer att ha stor betydelse för att kunna möta deras behov.

LLM möjliggör ett snabbare, mer effektiva sätt att komma åt data. Om en kund har en fråga och behöver kontakta sin telekomleverantör gör LLM det möjligt för dem att enkelt och lätt hitta den information de behöver, även när frågorna är av en komplex eller personlig karaktär. Detta är något som tidigare varit tidskrävande att hantera och ofta krävt komplexa lösningar, vilket ofta har lett till en negativ kundupplevelse.

Det samma gäller för supportpersonal, som med hjälp av LLM får verktyg att använda för att lösa kunders problem snabbare, vilket är något som förväntas. Smarta lösningar som använder sig av LLM för att bättre använda data kommer därför att spela en alltmer avgörande roll för att möta kunders behov.

Att jobba datadrivet i alla led

För affärsanvändare kan det ofta vara väldigt komplex och utmanande att arbeta med data. Men tack vare generativ ai och LLM så är det enklare för icke-tekniska användare att komma åt och tolka data. Möjligheten att ställa frågor mot data på samma sätt som man frågar en person, ger affärsanvändare tillgång till information på ett helt nytt sätt. Detta hjälper företag att bli datadrivna på riktigt, utan att bara behöva förlita sig på experter som ska ta fram analyserna.

Det är också vanligt att använda sig av ai för att ta beslut runt stora infrastrukturinvesteringar, men det kan också vara ovärderligt när man behöver ta snabba beslut ute på fältet. Om till exempel ett träd fallit ner och skadat en mobilmast, kan det vara svårt för ansvariga, som inte har tillgång till all data, att ta beslut om lämplig åtgärd utan att skicka ut personal för att inspektera på plats.

Här kommer LLM och dess förmåga att snabbt sålla ut rätt data till nytta, vilket gör det enklare att få fram all relevant data som behövs för att ta ett beslut snabbt. LLM gör det möjligt att använda data från geospatiala och platsbaserade tjänster i kombination med satellitbilder och hjälper ansvariga att få en tydligare bild av situationen på platsen. På så sätt kan de skicka ut rätt personal vid rätt tidpunkt och agera effektivt, även i kritiska situationer.

Ökat tryck från konsumenter och myndigheter

När det gäller effektivitet blir detta allt mer viktigt när man överväger telekomföretags hållbarhetsmål. Företag inom telekombranschen står inför ökande tryck från konsumenter, investerare och myndigheter att minska sitt koldioxidavtryck och uppnå nollutsläpp. Samtidigt står telekomorganisationer inför ökande efterfrågan på sina tjänster, utlöst av initiativ som fjärrarbete, digitalisering och molnbaserade lösningar.

Energieffektiva tekniker som autonoma nätverk kommer att spela en avgörande roll i det globala arbetet för att minska koldioxidutsläppen. Ai och maskininlärning (ML) kan automatisera nätverkshanteringsuppgifter, vilket leder till betydande besparingar, snabbare svar på nätverksproblem, förbättrad upplevelse för kunder och viktigt nog minskad energiförbrukning.

Genom att fortsätta investera i ai och automatisering, samtidigt som vi fokuserar på hållbara och energieffektiva lösningar, kan telekombranschen inte bara möta de växande kraven från kunder och samhälle utan också spela en avgörande roll i att främja en mer hållbar och ansluten framtid för alla.

Mats Stellwall är Principal Architect AI/ML på Snowflake