Nel racconto-saggio Esame dell’Opera di Herbert Quain, Borges descrive la trama di un romanzo scritto da Quain, autore immaginario di testi sperimentali. In quest’opera in tredici capitoli sono narrati diversi scenari futuri di una banale situazione comune (il dialogo di alcuni sconosciuti seduti su una panchina) a partire dalla quale si ramificano sviluppi narrativi molto diversi tra di loro, ciascuno di essi plausibile rispetto al punto di inizio del romanzo. Il racconto di Borges è frutto della sua ossessione per le infinite biforcazioni che potenzialmente si sviluppano nel tempo e forse servirebbe la fantasia metafisica dello scrittore argentino per raccontare oggi i possibili sviluppi dell’intelligenza artificiale in un settore come quello delle telecomunicazioni
Telecomunicazioni, scenario di crisi e trasformazione
Il Rapporto sulla Filiera delle Telecomunicazioni in Italia presentato da Asstel lo scorso dicembre, fornisce la fotografia di un mercato che attraversa una crisi strutturale causata da diversi fattori tra cui i prezzi bassi dei servizi rispetto al mercato UE, gli ingenti investimenti in infrastrutture e nelle frequenze 5G, l’elevata frammentazione del mercato con l’ingresso di attori virtuali o provenienti da altre industry (es. utilities, media company, over the top) ed elevati costi energetici.
Lo scenario è quello di un settore in profonda trasformazione sollecitata dalle sfide tecnologiche e da un mercato fortemente competitivo, e che vede di una riduzione degli investimenti, i quali hanno tuttavia un impatto crescente sulla marginalità. Alcuni numeri possono aiutare a sintetizzare la situazione: nel 2010 il settore disponeva di 10 miliardi euro come differenza tra Ebitda – Capex (pari al 21% dei ricavi), nel 2024 tale valore è diminuito del 77%, arrivando a 1,2 miliardi di euro (pari al 4% dei ricavi).
Tenendo conto di questa analisi, da un lato si potrebbe pensare che il futuro degli investimenti in AI, che la maggior parte delle aziende di telecomunicazioni dichiara di volere sostenere nei prossimi anni, possa concentrarsi su soluzioni quick-win (o comunque determinati dal budget disponibile di volta in volta), dall’altra l’AI potrebbe essere visto come un potenziale magic bullet, la panacea in grado di risollevare le sorti delle aziende di telecomunicazioni, incrementare i ricavi e ridurre i costi in un periodo ragionevolmente breve.
Di fronte a questi rischi forse è opportuno dare un sintetico sguardo alla situazione attuale, su come le principali aziende di telecomunicazioni nel mercato europeo e nordamericano stanno implementando l’AI a supporto delle loro attività tecniche e commerciali. Uno studio del 2024 – State of AI in Telecommunications Trends – racconta che il 56% delle aziende di telecomunicazioni si dice convinta dell’importanza dell’AI per il successo futuro dell’azienda stessa, un numero in crescita rispetto all’anno precedente. Non solo. L’anno successivo (edizione 2025 su rilievi 2023-2024), la stessa ricerca segnala che l’interesse nell’adozione dell’AI cresce ancora e le aziende continuano ad adottare misure per integrarla in infrastrutture e linee di business.
Nel complesso, il 97% degli intervistati dichiara che la propria azienda è impegnata nell’AI, in aumento rispetto al 90% del 2023, con gli intervistati divisi in termini di implementazione e valutazione attive dell’AI, con il 49% che la utilizza attivamente e un altro 49% in una fase di valutazione di sperimentazioni o progetti pilota. Mentre gli intervistati che dichiarano di non utilizzare o pianificare di utilizzare l’AI sono scesi dal 10% nel sondaggio del 2023 a quasi il 2% l’anno dopo.
Ambiti di implementazione dell’AI
Al di là della dichiarazione di interesse, va notato che nel 2024 si aveva il 41% di aziende che utilizzava l’AI e il 48% stava considerando seriamente l’implementazione, quindi solo un 11% delle aziende di telecomunicazioni sembrava non interessata all’AI.
E già qui si potrebbe fare una prima riflessione: se l’89% delle aziende aveva implementato soluzioni AI o stava valutando di farlo, ma solo il 56% considerava l’AI strategico, perché impegnare tempo e risorse in progetti di questo tipo? Una risposta potrebbe essere che evidentemente un buon numero dei progetti di AI avevano costi contenuti e impatti non significativi sull’organizzazione aziendale, per cui potevano passare come “normali” evoluzioni delle piattaforme informatiche, pur fregiandosi dell’attrattiva etichetta di “intelligenza artificiale”. Tutt’altra impresa, nonostante l’enfasi che viene posta sull’intelligenza artificiale, è convincere gli stakeholder che il ritorno dell’investimento di significativi progetti di AI sia accettabile e che l’AI una volta implementata costituisca un fattore competitivo sul mercato.
Cerchiamo di capire se questa risposta può essere quella giusta, dando uno sguardo all’attuale utilizzo dell’AI nella filiera delle telecomunicazioni si possono sintetizzare in:
– Gestione delle reti e delle infrastrutture tecnologiche: l’AI viene utilizzata per analizzare le prestazioni delle reti di telecomunicazioni e suggerire ottimizzazioni delle reti stesse (sia per quanto riguarda l’utilizzo degli apparati e della banda, sia per il footprint di rete). Inoltre l’AI è utilizzata nell’ambito della manutenzione predittiva e della gestione automatizzata della rete e delle infrastrutture Ict.
– Servizio clienti: è ormai esperienza comune di molti clienti quella di interagire con chatbot self-service o assistenti conversazionali basati sull’AI per risolvere i loro problemi senza dover parlare con un rappresentante del supporto clienti. Resta aperto il dibattito se questa modalità di interazione viene percepita come un miglioramento del servizio o semplicemente come la necessità da parte degli operatori, e dei loro fornitori di servizi, di ridurre i propri costi operativi.
– Analisi di mercato e del comportamento dei clienti: al momento ci sono alcune implementazioni dell’AI focalizzate sulla cosiddetta churn prediction, ossia l’identificazione clienti a rischio abbandono e il suggerimento di offerte personalizzate. Altre implementazioni sono orientate all’analisi dell’esperienza del cliente, verificando le principali metriche di soddisfazione del cliente (es. NPS) e possibili azioni commerciali o di customer caring.
– Cybersecurity: implementazioni di AI per rilevare pattern anomali di chiamate e traffico dati al fine di prevenire le frodi o per individuare tempestivamente attacchi DDoS. Anche l’analisi delle infrastrutture per identificare possibili points of failure o vulnerabilità si presta all’utilizzo degli algoritmi di AI laddove siano disponibili dati in grande quantità e affidabili.
A queste aree si aggiungono anche alcune applicazioni in attività di back office, come ad esempio la registrazione delle fatture, la gestione amministrativa dei reclami e l’energy management.
Le barriere alla penetrazione efficace dell’AI
Sembrerebbe un quadro abbastanza esteso ma ritornando alla suggestione borgesiana sugli sviluppi multipli di una data situazione temporale, ci si potrebbe chiedere se gli ambiti attuali di applicazione siano quelli in grado sviluppare al meglio il potenziale dell’AI e di trasformarla in un fattore che possa davvero fare la differenza per le aziende che l’adottano in maniera estensiva.
A prima vista gli ambiti di cui sopra appaiono quelli nei quali l’AI implementata è quella che appare in grado di supportare il personale aziendale nell’esecuzione di attività e compiti basati su regole chiaramente definite e ripetibili (la cosiddetta AI “debole” o “ristretta”). Progetti quindi che probabilmente non sono molto invasivi nel contesto aziendale, non richiedono la ridefinizione dei processi attuali e hanno un ritorno degli investimenti nel breve periodo.
E si potrebbe concludere che in fondo si tratta di un primo passo se non fosse che due obiezioni vengono alla mente: la prima, per quanto ovvia, è che le aspettative degli stakeholders aziendali sull’AI vengono misurate nei due obiettivi primari di ogni organizzazione: aumentare i ricavi e ridurre i costi operativi (incluso, inutile nascondersi dietro formule di comodo, anche quello del personale). Il tutto in un periodo per valutare il ritorno degli investimenti che si abbassa a motivo della scarsità di capitale da impiegare negli stessi e delle sfide di un mercato in rapida evoluzione.
La seconda obiezione è che se di primo passo si tratta il presupposto e che ce ne possano essere degli altri, e ciascuno di essi porti benefici crescenti per gli stakeholders; e se questa progressione appare auspicabile non è certamente così scontata come si potrebbe immaginare.
E qui si ritorna alla sfida della penetrazione dell’AI in contesti aziendali come quello delle aziende di telecomunicazioni e occorre dire che al di là delle suggestioni di natura tecnologica o dalle mirabolanti promesse che la vulgata dell’AI genera di continuo, ci sono delle barriere significative che bisogna abbattere per favorire un’implementazione dell’AI che possa davvero cambiare il paradigma di come le aziende operano sul mercato e al loro interno.
Volendo citare solo alcune di queste barriere si potrebbe dire che è necessario essere consapevoli che:
– L’investimento tecnologico da solo non basta: l’investimento si ripagherà da solo grazie a una maggiore efficienza dell’organizzazione, nuovi processi operativi e nuove competenze in azienda (con la necessità di formazione, riqualificazione o assunzione di nuovi dipendenti). E qui va detto che, nonostante alcune ottimistiche dichiarazioni, la presenza di forti skill in AI nelle aziende di telecomunicazioni è ancora limitata e il gap tecnologico in teoria appare più semplice da indirizzare rispetto al gap delle competenze.
– Non è semplice trovare partner giusti per guidare e supportare le aziende nell’implementazione di soluzioni di AI. Sul mercato ci sono diversi fornitori di alto profilo e un numero crescente di startup che offrono servizi personalizzati a settori specifici ma a differenza della scelta, per esempio, di un system integrator per una soluzione Crm o Erp, quella di un fornitore per AI richiede una conoscenza del mercato specifico e delle soluzioni che non sempre i decisori aziendali possiedono.
– Il peso dei sistemi legacy è tuttora rilevante. Le aziende di telecomunicazione gestiscono tecnologie che sono numerose, complesse e distribuite sul territorio. L’incidenza degli apparati e dei sistemi software implementati che sono obsoleti (tipicamente nelle due categorie dell’end-of-life e dell’out-of-support) è notevole poiché spesso il refresh tecnologico richiede notevoli investimenti e può un impatto potenziale anche sui clienti finali. Il risultato è che rimangono in esercizio molti sistemi legacy i quali difficilmente possono essere integrati in soluzioni di AI avanzate.
– La disponibilità dei dati appare un problema di difficile soluzione. La cosiddetta data proliferation è l’alimento principale dell’AI e costituisce il fattore qualitativamente differenziate dell’output dei diversi algoritmi disponibili sul mercato. La complessità (e la quota di obsolescenza) tecnologica comporta in generale frammentazione, duplicazione e scarsa qualità dei dati disponibili, con il rischio che l’utilizzo dell’AI risulti limitato solo ad ambiti ristretti il cui risultato è dunque facilmente controllabile dal personale aziendale. Questa limitazione fa perdere molte delle potenzialità dell’AI, specie se si pensa all’utilizzo di algoritmi di deep learning per sviluppi che siano realmente innovativi nel contesto aziendale.
E che queste barriere siano tutt’altro che irrilevanti pare confermato da analisi di mercato secondo le quali una percentuale significativa dei progetti di AI (c’è chi dice non meno del 30%) è a rischio abbandono in fase di proof of concept a causa di un ritorno dell’investimento insoddisfacente.
Un percorso possibile con l’AI
Non ho l’ambizione di unirmi alla schiera degli aruspici, mi sembra di poter dire che al momento l’implementazione dell’AI, in un contesto di scarsa disponibilità di investimenti e di aspettative elevate degli stakeholders, non dovrebbe essere una semplice “vetrina” tecnologica ma l’occasione per ripensare l’ambito tecnico, organizzativo e di competenze non solo per quanto riguarda le aziende di telecomunicazioni ma tutta la filiera, dai gestori delle infrastrutture di rete, ai vendor di apparati e servizi professionali, fino ai fornitori di servizi orientati ai clienti.
L’avvio di un programma di AI che permetta un salto di qualità in attività come ad esempio l’ottimizzazione dinamica delle reti, lo sviluppo di nuovi prodotti o di nuove offerte commerciali a clienti attuali e potenziali, che supporti il management nella definizione dei piani strategici di medio-lungo termine, richiede che al contempo si lavori per ridurre i gap tecnologici e di skill umani. Come non si può partire a costruire una casa dal tetto, così non si può immaginare un’implementazione avanzata tout court senza prima aver affrontato alcuni nodi fondamentali che riguardano tutta l’azienda e il suo ecosistema.
Questa consapevolezza potrebbe essere utile a guidare un’adozione dell’AI non come una serie di progetti dedicati alle diverse funzioni aziendali ma come un percorso nel tempo, una sorta di roadmap aziendale per l’AI, che metta in campo interventi a tutti i livelli e che renda l’AI un fattore davvero differenziante affinché il mercato delle telecomunicazioni esca dal lungo inverno nel quale si trova.
—
*Cosimo Delfino advisor strategico attivo anche nel settore no profit. Collabora con aziende Ict e con le università su iniziative di innovazione e formazione
© RIPRODUZIONE RISERVATA
