AI的下一个挑战为何看起来与电信如此相似

在过去的一年里，围绕企业 AI 的讨论中出现了一个日益明显的转变。讨论不再主要围绕哪个模型表现最佳或 AI 能在何处自动化另一个流程。这些问题仍然重要，但它们已不再是决定 AI 是否能够超越试点阶段的关键因素。越来越多的组织在提出另一个问题：在业务内部必须改变什么，才能让 AI 获得更大的信任并承担更高的责任？

这是一个微妙的转变，但它充分说明了市场的走向。

在过去的两年里，AI 行业主要致力于改进模型。准确性提升，推理变得更为复杂，每一次新发布都提升了人们对 AI 能实现目标的期待。与此同时，企业一直在尝试这些能力如何改善客户体验、简化运营或发掘新的收入机会。McKinsey最新的全球调查显示了 AI 进入主流业务的速度之快。近十分之九的组织现在在至少一个业务功能中使用 AI，但真正成功在整个企业范围内规模化 AI 的仍然相对少数。技术发展迅猛，构建能够负责任使用它的组织却成为了完全不同的挑战。

从 AI 能力到运营执行的转变

现在出现的问题与智能本身关系较少，而更多涉及执行层面。

当 AI 不再仅仅推荐下一个最佳行动，而是直接启动它时会怎样？在实时做出决策时，商业政策应如何适用？如果自主系统做出了错误的商业判断，谁应承担责任？组织如何证明已尊重客户许可、满足监管义务，并且每一项决策在数月后仍能得到解释？

这些问题的出现并非因为 AI 停止了进步，而是因为企业对将 AI 更靠近其运营中心的信心日益增强。

AI 模型可以在几秒钟内识别出适合客户的优惠、推荐金融产品、优化网络资源或确定数字旅程的下一步。将该推荐转化为业务成果则要复杂得多。在任何操作发生之前，组织仍需确认客户是否符合条件、是否已获取同意、商业政策是否允许交易进行、是否涉及其他生态系统合作伙伴，以及流程的每个阶段是否足够透明，以满足治理和监管要求。

这一运营层面很少受到与模型本身同等的关注，但它日益决定了 AI 能否自信地大规模部署。Deloitte 2026年AI研究报告显示，近四分之三的组织预计在未来两年内采用具代理性的 AI，而只有少数组织认为其治理能力已足够成熟，能够在企业规模上支持自主 AI。差距并非创新层面的，而是运营准备度的差距。

从当今企业部署的情况来看，出现了一致的模式。组织并非因为 AI 模型未能生成推荐而陷入困境，而是发现每一项推荐都必须通过业务的运营现实才能转化为行动。AI 并不取代该环境，而是成为其中的另一个参与者。

为何电信基础设施掌握 AI 治理的关键

对于通信服务提供商而言，这一挑战极为熟悉。

电信业已经运营数字业务数十年，始终以持续建立信任而非假设信任为前提。网络验证身份、认证设备，并实时提供可信信号。与此同时，数字业务平台管理客户关系、执行商业政策、管理数字权益、编排服务、协调合作伙伴生态系统，并确保交易能够正确履行、计费和结算。这些能力并非为生成式 AI 而设计，而是因为数字业务始终依赖客户、网络、企业和合作伙伴之间的可信互动而发展起来的。

随着 AI 嵌入这些相同的环境中，这一运营基础的价值变得更加显著。

需要挑战的一个假设是：更安全的模型会自动推动更广泛的企业采纳。经验表明情况恰恰相反。AI 越是向业务关键决策靠拢，组织对模型周边的所有因素审视就越严格。身份、治理、客户许可、商业责任和政策执行等问题变得尤为重要，因为错误决策的后果也随之大幅提升。

这正是电信能够发挥独特贡献的地方。

多年来，通信运营商一直在完善在复杂数字生态系统中建立信任所需的运营能力。网络提供可信身份和实时情报。AI 原生的 BSS 与 OSS 平台提供客户情境、商业治理、服务编排、数字商务和生命周期管理。它们共同构建的运营环境决定了 AI 生成的推荐是否能够转化为可信的业务行动。

同样的转变在 Tecnotree 今年早些时候于移动世界大会上关于自主网络的讨论中得以体现。有趣的是，辩论的焦点并非自主系统是否最终会独立决策——这似乎正变得不可避免。讨论聚焦于一旦这些决策的发生速度超出人们实际干预的可能性时，治理、问责和商业监督的问题。这些已不再是电信专属的问题，而正成为企业 AI 的议题。

弥合 AI 智能与可信业务成果之间的鸿沟

这种更广阔的视角也解释了为何 GSMA Open Gateway 等倡议能够获得动力。标准化的 API 公开号码验证、SIM 卡更换和设备位置等功能，提供可信的网络情报，强化数字交互。然而，它们的最大价值并非仅凭网络 API 实现，而是在可信网络能力与能够理解客户情境、应用商业政策、跨多合作伙伴编排服务并治理整个客户生命周期的数字业务平台相结合时显现。AI 可能会决定下一步最佳行动，但最终是否执行仍取决于周围的业务环境。

从这个角度看，信任经济比单纯讨论安全 AI 更具实用性。信任并非因为模型给出令人信服的推荐而产生，而是随着身份验证、客户权限得到尊重、政策得到执行、商业义务得到履行以及数字交互中的每个参与者对结果承担责任而持续得到强化。模型提供智能，周边生态系统则提供对其采取行动的信心。

对通信服务提供商而言，这不仅是将 AI 部署到自身运营中的机会。行业多年来一直在投资可信的数字基础设施、AI 原生的业务平台以及旨在支持日益复杂数字交互的生态系统能力。随着企业从 AI 实验阶段转向运营阶段，这些能力以超出预期的方式变得尤为重要。Gartner 预计到2027年，许多组织将缩减或停用自主 AI 项目，因为治理和运营控制的成熟速度赶不上技术本身的演进。这应更多被视为一种提醒：成功的采纳取决的远不止模型的能力。

AI 的下一章节无疑会带来更强大的模型，但仅凭能力并不能决定哪些组织会成功。决定性优势将来自于构建智能、治理、可信网络与业务平台无缝协同的数字环境。组织将越来越多地依据 AI 产生的答案是否能够转化为可信的业务成果，而不仅仅是答案本身的质量。

电信业深知这一挑战，因为它已在过去数十年中解决了类似的运营问题。随着信任经济不断成形，可信网络、AI 原生的 BSS 与 OSS 平台以及数字编排的生态系统的组合，使通信提供商处于独特位置，能够帮助企业将 AI 从实验阶段转向负责任的落地执行。