超越OpEX：重新定义通信行业的AI成功标准

AI 正在重塑通信服务提供商（CSP）创造与衡量商业价值的方式，并挑战通信行业长期以来对运营成本（OpEx）削减的狭隘关注。本文探讨了为何AI的成功应从生产力提升、运营成本规避、客户体验改善、数据准备度、代理式（Agentic AI ）部署以及生态系统合作等维度进行评估，从而为CSP提供一个更全面的框架，以捕捉AI带来的长期价值。

超越OpEx：重新衡量CSP的AI价值

多年来，CSP一直在追逐同一个看似难以实现的承诺：人工智能将显著削减运营成本。董事会层面充斥着20%、30%甚至40%成本下降的预测，咨询公司不断推出OpEx优化框架，供应商则宣称其 AI 解决方案是释放巨大成本节约的关键。

然而，我们在2026年4对全球 CSP 的调研显示，AI对OpEx的实际影响目前仍较为有限。大多数受访者表示改善幅度仅在1–5%区间，这与行业在hype cycle中所期待的“革命性变革”相去甚远。

对OpEx削减的执着并不令人意外。CSP 所处的是一个日益同质化、利润极其微薄的市场，收入增长长期停滞，财务效率压力持续加大。因此，当 AI 被视为变革性技术时，行业自然首先从成本削减的角度去理解它。

我们的研究表明，CSP在AI应用中主要从三个方面获得了显著价值，而这些价值在财务报表中并不直观体现：

生产力提升，使团队能够在现有资源下完成更多工作。这并不是通过裁员实现的，而是让员工能够专注于更高价值的任务。一家我们访谈的CSP表示，其基于生成式 AI 的“超级代理（super-agent）”能力，使其离岸呼叫中心服务的“帮助度评分”提升了61%，并直接转化为更高的净推荐值（NPS）。

OpEx避免，而非OpEx削减。这意味着利用AI确保业务增长不会按比例推高运营成本。正如一位CSP负责人所言：“在网络规划和收购中，目前的重点是OpEx avoidance，而不是即时的OpEx节省。”

客户体验改善，从而降低流失率并提升客户生命周期价值。当AI将平均修复时间从数小时缩短到几分钟时，其真正价值不仅体现在人力节省上，更体现在客户不会因为故障而流失，因为服务在他们察觉问题之前就已恢复。

这些收益是真实、可衡量且具有价值的。但要识别它们，需要比单纯关注OpEx指标更为复杂的商业价值理解。

克服通信AI中的数据质量障碍

当谈到AI时，最关键的挑战毫不意外地仍然是数据问题。在我们的调研中，数据质量被认为是推动GenAI更广泛应用的首要障碍，有51%的受访者提及这一点。这并不是一个新问题。CSP多年来一直在讨论数据质量问题，但 AI 的出现使得解决这一问题比以往任何时候都更加紧迫。

在AI应用上取得最大成功的CSP，并不一定是预算最充足或模型最先进的企业，而是那些愿意投入时间与成本去完成“并不光鲜”的基础工作的企业——清理数据资产。他们投入数据治理建设，打破数据孤岛，建立清晰的数据所有权与责任机制。正是这些基础工作，使他们在竞争对手仍难以落地基本 AI 用例时，率先获得了实际收益。

许多CSP一直在回避这项工作，因为它困难、昂贵，而且短期内难以产生直接回报。相比之下，宣布与超大规模云厂商达成合作，或部署前沿大语言模型，要远比花数月时间统一数据格式、建立治理机制更具吸引力。

然而，CSP每推迟一天解决数据基础问题，就意味着他们与已经完成相关工作的竞争对手之间的差距进一步拉大。追赶的窗口正在缩小。随着AI更深入地嵌入网络运营、客户体验管理以及业务流程中，竞争优势将逐渐向拥有更优数据基础的企业倾斜。

在网络运营中部署Agentic AI

我们研究中最令人意外的发现之一，是代理式AI（Agentic AI ）从概念验证（PoC）迅速走向生产环境的速度。已有54%的CSP表示已在生产环境中部署Agentic AI，这一比例几乎接近预测型AI与生成式 AI的部署水平。

在各类应用场景中，网络运营受到的影响最为显著，有39%的受访者将其视为Agentic AI产生最大价值的领域。这表明CSP已经识别出一些低风险、高价值的用例，使自主智能体能够安全且有效地运行。

在Agentic AI应用上取得成功的CSP，并不是推进速度最快的企业，而是最谨慎推进的企业。他们建立了完善的身份与访问管理框架，明确界定智能体的权限边界，并设置清晰的行为约束，同时建立审计追踪与监控系统，以跟踪智能体行为。

我们采访的一位CSP负责人这样描述他们的方法：“我们把智能体当作团队成员来对待。这意味着它们需要明确的岗位职责、清晰的责任划分以及监督机制。我们不会让它们‘放手运行’，然后寄希望于最好的结果。”

这种稳健的方法正在带来实际回报。一家CSP表示，Agentic AI已经能够处理大约75%的常规网络问题，使人类工程师能够专注于异常故障和复杂问题。生产力提升非常显著，同时也避免了智能体在关键场景中做出灾难性决策的风险。

阻碍Agentic AI更广泛应用的并不是技术本身，而是运营流程的转型需求。有41%的受访者将其列为首要挑战。这是有道理的：你无法将自主智能体直接接入一个混乱且定义不清的流程，并期望得到良好结果。未来能够在Agentic AI 上取得成功的CSP，将是那些愿意首先完成流程重构这一艰难工作的企业。

与顶级云厂商及通信设备供应商的合作

当被问及最有能力帮助其实施AI战略的两家公司时，AWS与谷歌云并列第一，各自获得了51%的受访 CSP投票，微软紧随其后，占比37%。而传统通信设备供应商则明显落后。

这并不是对通信供应商AI解决方案质量的评价，而是反映了一个基本现实：超大规模云厂商掌握着最新GPU的获取渠道、最先进的AI服务，以及大规模部署 AI 所必需的计算与存储基础设施。

CSP的最佳策略并不是在超大规模云厂商与传统供应商之间二选一，而是同时利用两者优势。与超大规模云厂商合作获取基础设施与基础AI能力，与通信设备供应商合作获取行业特定的专业知识与解决方案。没有任何一方能够独自完成全部工作。

借助AI加速传统网络退役

另一个值得关注的发现是：AI 正在成为加速传统网络与系统退役的重要工具。生成式 AI 通过分析整个代码库，在缺乏历史知识的情况下解释系统功能；自动生成测试用例；并将代码重写为现代语言，而无需依赖精通旧语言的高级程序员，从而显著压缩迁移周期。

CSP正在利用AI判断哪些2G站点可以安全关闭，加速旧OSS与库存系统的退役，并制定有针对性的方案，以推动用户从铜缆网络向光纤网络迁移。

这些价值并不会体现在季度OpEx报告中，但却对长期财务表现具有重要意义。每一个被退役的遗留系统都意味着技术债务的减少、运营效率的提升，以及更多资源被释放用于创新。那些利用AI加速这一转型过程的CSP，正在为自身建立可持续的竞争优势。

CSP推进AI采用的战略下一步

那么，CSP现在应该做什么？

停止过度执着于OpEx。应从多个维度衡量AI成功：生产力提升、OpEx避免、客户体验增强、收入保护以及战略定位。构建能够反映完整价值体系的商业案例，而不仅仅是成本削减。
立即着手数据基础建设。不是下个季度，也不是下一个预算周期，而是现在。每拖延一天，问题都会进一步累积，并扩大与已经完成该工作的竞争对手之间的差距。是的，这项工作昂贵且缺乏 “亮点”，但必须推进。
正确拥抱Agentic AI。在生产环境部署智能体之前，必须建立清晰的控制边界、完善的治理框架以及全面的监控机制。同时，需要重构运营流程以支持自主化运行。推进要审慎，而非冒进。
第四，理性看待合作伙伴关系。你需要超大规模云厂商，需要传统通信供应商，也需要专业 AI 公司。应构建一个能够整合各方优势的生态系统战略。
第五，聚焦已验证价值的应用场景。网络运营、数据分析与服务保障已展现出强劲回报。客户服务与内部生产力工具也在带来可衡量的收益。不要一味追逐前沿，而要优先利用已经被验证的价值领域。

在AI时代能够成功的CSP，并不是那些AI预算最大或部署最激进的企业，而是那些具备能力全面衡量价值、拥有构建稳健数据基础的纪律，以及推动组织向自主系统转型的勇气的企业。

问题不在于AI是否会改变通信运营，因为它已经在发生。真正的问题是：你的组织将成为赢家还是落后者。

你今天回避的数据基础工作，将决定你站在哪一边。你现在建立的治理边界，将决定Agentic AI是成为竞争优势还是风险负担。你采用的商业价值框架，将决定你能否持续获得AI投资，还是被竞争对手甩在身后。

行业在OpEx上的关注是错误的。不要再沿着同一条路径继续放大这个错误。真正赢得 AI 的CSP，已经看清了这一点。

本文作者：Roz Roseboro资深首席分析师（Senior Principal Analyst）