Глобальный рынок телекоммуникаций генерирует выручку порядка 2,3–2,5 трлн долл. США в год, при этом число активных мобильных подключений оценивается в 6–7 млрд, а с учётом мульти‑SIM и IoT‑устройств — до 8 млрд подключений.
Редко какая отрасль порождает столько данных: каждый звонок, сообщение, переданный байт и переключение сети генерируют данные телеметрии, не говоря уже о данных «интернета вещей» который порождает на порядки больше данных. Теоретически, отрасль связи должна представлять собой «информационной клондайк» и быть одним из самых аналитически развитых секторов экономики.
На практике же отрасль связи постепенно теряет прибыль на протяжении десятков лет. Чистая прибыль у многих операторов сокращается, а рост доходов отстает от роста прибыли, что указывает на снижение маржинальности даже при формальном росте бизнеса. Это обусловлено, в т.ч., насыщением рынка мобильной связи, распространением услуг связи через Интернет, а также необходимостью инвестиций в технологическое обновление, например, в развитие сетей 5G.
Именно здесь есть место для ИИ. Операторы, внедрившие технологии оптимизации сети на основе ИИ, предиктивное техническое обслуживание базовых станций, прогнозирование оттока абонентов, автоматизированное обслуживание клиентов и обнаружение мошенничества, о снижении операционных расходов до 15–30%, снижении оттока абонентов на 10–15% и снижении затрат на обслуживание клиентов более чем на 40%.
Почему отрасль связи имеет уникальное положение для внедрения ИИ
Отрасль связи обладает структурными характеристиками, которые делают ее идеальной площадкой для ИИ: огромные объемы структурированных операционных данных, сложные многодоменные сети (сети радиодоступа, транспорт, опорные сети, ИТ-системы), высокая стоимость обслуживания абонентской базы, необходимость повышения отдачи от операционных затрат и значительные ограничения, связанные с регулированием и требованиями безопасности.
Согласно исследованию McKinsey о цифровой отрасли связи, разрыв между лидерами и отстающими в ИИ для сетей связи сейчас шире, чем в любой другой отрасли. Операторы, занимающие верхние позиции по внедрению ИИ, достигают на 4-7 % более высокой маржинальности EBITDA, чем усредненные показатели всех операторов, при этом аналогичные различия наблюдаются в показателях удовлетворенности абонентов и уровне оттока. Причем эта разница увеличивается, а не уменьшается.
Восемь областей, где ИИ обеспечивает быструю окупаемость инвестиций в отрасли связи
Не все приложения ИИ приносят одинаковую отдачу в отрасли связи. Ниже показаны восемь областей, составляющих более 85% задокументированных успешных случаев внедрения ИИ в отрасли.
1. Эксплуатация сети и прогнозирование технического обслуживания
Ежегодные потери крупных операторов в мире от потери связи абонентами превышают 700 млн долл. Модели реактивного обслуживания (устранение произошедшего отказа) оставляют без внимания от 30 до 45% возможных отказов, которые можно предотвратить заранее.
Модели машинного обучения ИИ могут обрабатывать огромные массивы телеметрических данных сетей радиодоступа, транспортах сетей и инфраструктуры электропитания объектов сети. Они могут прогнозировать отказы оборудования с точностью 92,7% (причем, для сетей радиодоступа, которые составляют до 80% сетевой инфраструктуры, – до 94,7%), за среднее время до отказа 18,3 дня. Внедрение подобных систем может снизить времени простоя сети на 43%, затраты на техническое обслуживание на 37% по сравнению с традиционными подходами.
2. Прогнозирование оттока и удержание абонентов
Отток абонентов в отрасли связи в мире составляет 1,5 – 4% в месяц, что эквивалентно потере от 15 до 35 процентов клиентской базы ежегодно. Стоимость привлечения нового клиента мобильной связи составляет от 300 до 700 долл., в то время как удержание существующего клиента может составлять 15-30% от этой суммы. Реактивное удержание (звонки клиентам, которые уже запросили отмену подписки) позволяет вернуть менее чем 12% клиентов.
Прогностические модели ИИ, использующие историю транзакций абонентов, режим использования, взаимодействие со службой поддержки, аномалии в выставлении счетов, показатели качества сети и данные конкурентного рынка, позволяют выявлять клиентов, подверженных риску оттока, за 1-3 месяца до этого. После чего ИИ запускает персонализированные предложения по удержанию через наиболее подходящий канал (SMS, электронная почта, приложение, звонок агенту) в оптимальное время. Результаты применения таких систем ИИ у крупных операторов показывает снижение оттока клиентов на 10–15%, с окупаемостью инвестиций за 6–10 месяцев.
3. Автоматизация обслуживания клиентов
По данным отраслевых исследований контакт‑центров и открытых кейсов операторов связи, затраты на обслуживание обращений абонентов обычно составляют не более 10% от операционных расходов, среднее время обработки звонка — несколько минут, а стоимость одного контакта — несколько долларов. При первом обращении FCR (First Call Resolution) обычно удаётся решить 65–75%, запросов от клиентов сектора B2C оператора.
При использовании разговорных ИИ-помощники (голосовые и чат-помощники) они обрабатывают от 60 до 85 процентов рутинных запросов клиентов автономно: вопросы по выставлению счетов, изменению тарифных планов, техническому обслуживанию, активации услуг. Люди-операторы обрабатывают сложные случаи, поддерживаемые ИИ-помощниками, которые предоставляют необходимую информацию, предлагают ответы и автоматизируют документирование после звонка.
Исследования открытых данных мировых операторов показывает, что при использовании ИИ-помощников, происходит снижение затрат на обслуживание абонентов на 25–45 %, улучшение показателя решения проблем при первом обращении FCR на 8–18 процентных пунктов, повышение показателей удовлетворенности клиентов на 0,3–0,8 балла по 5-балльной шкале. Презентация одного из поставщиков голосовых ИИ‑ассистентов для колл‑центров показывает «до 50% экономии расходов на обслуживание контакт‑центра» и «до 80% автоматизации обращений».
4. Оптимизация энергопотребления сети
По данным отраслевых материалов и отчётов крупных операторов, расходы на электроэнергию и энергоснабжение сетевой инфраструктуры составляют значимую долю операционных затрат (несколько % OPEX), а для операторов первого уровня достигают сотен млн долл. в год.
Алгоритмы обучения ИИ с подкреплением динамически корректируют параметры радиосвязи (мощность передачи, спящие режимы, агрегация несущих, конфигурации MIMO) на основе нагрузки трафика в реальном времени и требований SLA. Они могут отключать неиспользуемые ресурсы сети радиодоступа в часы низкой нагрузки, балансируют нагрузку между ячейками и координируют работу с системами питания.
Вендоры оборудования (Huawei, ZTE, Ericsson, Nokia и др.) и операторы в совместных пресс‑релизах с поставщиками по экономии энергопотребления радиосети заявляют, что динамическое отключение и/или усыпление несущих на базовых станциях, адаптивный выбор мощности и пр. дают до 20–30% снижения энергопотребления радиосети.
5. Выявление мошенничества и обеспечение возврата доходов
Объем потерь мировой отрасли связи от действий мошенников, по различным оценкам, составляет от $18 до $52 млрд. в год. Крупнейшими категориями являются мошенничество с распределением доходов международной связи, мошенничество с SIM-боксами, мошенничество с подписками. Традиционные методы обнаружения мошенничества на основе правил выявляют лишь 50-70% случаев, при этом высок процент ложных срабатываний, что вызывает недовольство добросовестных клиентов.
Модели обнаружения аномалий на основе ИИ анализируют данные о вызовах в режиме реального времени, данные платформы биллинга, поведение IMSI/IMEI и данные профиля клиента для выявления признаков мошенничества. Самообучающиеся модели постоянно обновляются для обнаружения новых схем мошенничества. Интеграция с системами обеспечения возврата доходов позволяет выявлять утечки в счетах и ошибки сверки.
В сравнительном исследовании технологий ИИ для обнаружения мошенничества сообщается, что методы ИИ могут привести к увеличению обнаружения мошенничества до 70%, а также к снижению ложных срабатываний на 92%, и повышению общей точности модели до 88–94%, со значительным повышением скорости обнаружения новых схем мошенничества.
6. Планирование мощностей и оптимизация инвестиций в сеть
Капитальные расходы на строительство и модернизацию сетей составляют примерно 12–18% выручки, а глобальная капиталоёмкость отрасли находится в пределах 14–16%, с прогнозом стабилизации около 15% к концу десятилетия для всего сектора, при этом для чисто беспроводной связи прогноз — 12–13%. Неправильное распределение капитальных затрат (избыточное строительство в районах с низким трафиком, недостаточное строительство в зонах быстрого роста) обходится операторам в 8–15 процентов от общей эффективности инвестиций в сеть.
Прогностические модели на основе ИИ объединяют прогнозы роста трафика, данные о сегментации клиентов, модели мобильности, динамику конкурентного рынка и экономические показатели для оптимизации распределения капитальных затрат между базовыми станциями, волоконно-оптическими линиями и транспортной инфраструктурой. Непрерывная реоптимизация корректирует планы по мере поступления новых данных, а также повышает эффективность капитальных затрат на 15–25%, сокращение невостребованных инвестиций на 20–35%, более быстрая окупаемость инвестиций в новые проекты.
7. Персонализация и динамическая оптимизация предложений
На зрелых рынках абонент получает суммарно десятки маркетинговых сообщений в месяц по различным каналам (SMS, push, мессенджеры), при этом от одного оператора связи частота собственных кампаний обычно составляет от 1-2 до нескольких сообщений в неделю в зависимости от сегмента и согласий абонента на коммуникации. Средний процент отклика составляет от 3 до 5%, что указывает на значительную нерелевантность.
Системы рекомендаций на уровне клиента на базе AI объединяют данные об использовании устройства абонентом, историю платежей, предпочтения каналов и контекстные сигналы (местоположение, время, жизненные события) для генерации персонализированных предложений в режиме реального времени. Динамические модели ценообразования оптимизируют структуры тарифных планов по сегментам, каналам и конкурентной среде. А также дают улучшение показателей конверсии дополнительных продаж на 10-30%, снижение маркетинговых расходов на одного привлеченного клиента до 15–30%, увеличение среднего дохода на пользователя на 5–12% для операторов, внедривших услугу.
8. Безопасность сети и обнаружение угроз
Сети связи все чаще становятся мишенью для сложных кибератак, включая компрометацию цепочек поставок и утечки данных клиентов. По данным отраслевых исследований, средний ущерб российских компаний от одной утечки информации оценивается примерно в 11,5 млн руб. для широкого круга отраслей, а по оценке экспертов — до 23 млн руб. в среднем и максимум до 140 млн руб. для крупных инцидентов, плюс штрафы регулирующих органов и ущерб репутации (это данные для экономики страны в целом, а не только отрасли связи, однако она имеет значительную долю в общем объеме и косвенное влияние на него).
Платформы сетевой безопасности на основе ИИ обнаруживают аномальные шаблоны трафика, выявляют уязвимости нулевого дня с помощью поведенческого анализа, автоматизируют рабочие процессы реагирования на угрозы и расставляют приоритеты в работе аналитиков безопасности по наиболее рискованным событиям. Интеграция со специфическими для телекоммуникаций протоколами (SS7, Diameter, GTP) позволяет выявлять атаки на сигнальном уровне, невидимые для традиционных инструментов безопасности.
Использование ИИ-аналитики сокращает среднее время обнаружения инцидентов безопасности на 40-60 %.
Телекоммуникации — одна из самых насыщенных данными отраслей в мире.
Каждый звонок, сообщение, переданный байт, переадресация вызова и смена узла обслуживания в сети генерируют телеметрию, которая, теоретически, должна сделать телекоммуникации одним из самых аналитически развитых секторов экономики. На практике же отрасль теряет прибыль уже более десяти лет. Согласно прогнозам Deloitte на 2026 год в сфере технологий, медиа и телекоммуникаций, традиционные телекоммуникационные операторы сталкиваются со снижением маржинальности на 2–4% в год, вызванным насыщением рынка мобильной связи, конкуренцией со стороны гиперскейлеров (Google, Яндекс и пр.), предоставляющих услуги через интернет, и агрессивными инвестиционными циклами, связанными с развитием сетей 5G и оптоволоконной связи.
Именно здесь на сцену выходит ИИ для телекоммуникаций, причем не виде фантастических обещаний, а как проверенное средство повышение эффективности операционной деятельности операторов.
При подготовке статьи использовались материалы сайта https://www.tommasomariaricci.com/
Telecom & IT 