La evolución hacia las redes autónomas es clave para mejorar la operación y el mantenimiento, ya que permite a los operadores telco afrontar los desafíos actuales del sector

Principales desafíos para los operadores de telecomunicaciones

Los operadores de telecomunicaciones afrontan múltiples retos: el aumento continuo de la demanda, que estresa los procesos operacionales; la complejidad de las redes debido a las nuevas tecnologías; una competencia intensa que exige diferenciación; la necesidad de alta inversión para ofrecer servicios competitivos; los altos costes de energía, que pueden representar entre un 30 % y un 40 % del total de los costes operativos; y las amenazas cada vez más sofisticadas que aumentan los riesgos en ciberseguridad.

Para abordar estos retos, es crucial mejorar aspectos del negocio como el go to market, la eficiencia operativa, la experiencia del cliente, el incremento de los ingresos y la eficiencia energética.

La promesa de las redes autónomas

El nuevo paradigma es la red autónoma, que promete mejoras significativas en las áreas de operación y mantenimiento. La evolución hacia este paradigma implica pasar de redes operadas por humanos asistidos por sistemas a redes operadas de manera autónoma por sistemas, con la mínima intervención humana.

Estas redes están diseñadas para configurarse, repararse y optimizarse de manera autónoma, con poca o ninguna intervención humana. Por ejemplo, pueden detectar y diagnosticar automáticamente problemas de rendimiento, redirigir el tráfico en caso de fallos y predecir problemas potenciales. Este nivel de autorregulación conduce a una mayor eficiencia, rendimiento y fiabilidad, además de reducir costes y minimizar las posibilidades de error humano.

Con la creciente complejidad de las redes actuales, los procesos de red autónoma deben incluir soluciones que incorporen inteligencia artificial para tomar decisiones en entornos cambiantes sin intervención humana.

TM Forum y el marco regulativo para las redes autónomas

TM Forum, una organización líder en el sector, ha establecido estándares y marcos de referencia que guían a las empresas en la implementación y gestión de redes autónomas. Sus directrices facilitan la adopción de tecnologías avanzadas de IA y machine learning, promoviendo la interoperabilidad y la eficiencia operativa en redes cada vez más complejas.

El TM Forum ha definido seis niveles de madurez para medir el grado de autonomía de las redes. La mayoría de los operadores Tier-1 ya están estableciendo objetivos para alcanzar niveles de madurez medio-alto a medio plazo. Un claro ejemplo en España es Telefónica, que se ha fijado el objetivo de alcanzar un nivel de madurez 4 para 2025.

Tecnologías clave para la evolución de las redes autónomas

El avance hacia redes autónomas no sería posible sin la intervención de tecnologías avanzadas como la IA, la computación en la nube (cloud computing), la automatización y el análisis de datos en tiempo real. 

En particular, la IA generativa ha supuesto un salto tecnológico sustancial, permitiendo la implementación de casos de uso hasta ahora inviables, especialmente en los procesos de interacción con el cliente.

Además, existen otras soluciones basadas en IA que están madurando y ayudando a la automatización de las operaciones de red, como el aprendizaje automático (machine learning), los algoritmos de optimización, el procesamiento del lenguaje natural o Natural Language Processing (NLP), los algoritmos de recomendación, la visión artificial (computer vision) y los gemelos digitales (digital twins).

Facilitadores y principales retos en la evolución hacia la red autónoma

La introducción de tecnologías avanzadas se puede facilitar mediante la incorporación de computación y softwarización de la red, que permiten integrar algoritmos inteligentes y dotar a las redes de mayor automatización y autonomía. Además, factores no técnicos como los programas de innovación de los operadores y la orientación hacia una cultura basada en datos (data-driven), pueden acelerar la adopción de soluciones de superautomatización.

Sin embargo, durante este proceso, surgirán retos que deben abordarse adecuadamente para asegurar el éxito de los planes estratégicos. Por ejemplo, el nivel de madurez tecnológica de las redes influirá en la capacidad del operador para implementar casos de uso. La falta de un equipo experto en estas soluciones o la capacidad de inversión también puede ser un desafío significativo.

Otro aspecto crucial es la gestión de los datos. Si no se dispone de datos históricos, o estos no son confiables, no cumplen con el RGPD o están dispersos en la organización, los casos de uso podrían no arrojar los resultados esperados. La calidad del dato es imprescindible para el éxito de los algoritmos de IA en sus predicciones y recomendaciones.

La gestión del cambio también juega un papel fundamental. La hiperautomatización de la red transforma los procesos esenciales de las operaciones y tiene un alto impacto en el personal que opera la red. Estas personas pasan de ejecutar tareas a supervisar tareas ejecutadas autónomamente por máquinas. Será necesario acompañar el cambio con planes de comunicación y reskilling para asegurar un alto nivel de compromiso y alineamiento de toda la compañía durante la transformación.

Además, existen riesgos inherentes a la introducción de tecnologías autónomas que han sido analizados por la Comisión Europea. Para ofrecer un marco regulatorio seguro, se ha publicado recientemente la ley Europea de Inteligencia Artificial, que será de obligado cumplimiento en 2026. Será necesario que fabricantes y operadores se ajusten a esta normativa y adopten medidas para minimizar los riesgos según la clasificación establecida.

El framework de las 6D, la estrategia integral para la adopción de la IA en las redes autónomas

Para abordar con éxito la transformación hacia redes autónomas, es necesario una visión integral del proceso. En Nae hemos desarrollado un marco de trabajo denominado “Framework de las 6D” para cubrir el end-to-end de esta transformación. Este framework contempla las siguientes fases:

1. Discover: establecer el grado de implantación de soluciones de red autónoma.

2. Design: definir la estrategia de adopción de casos de uso de IA, priorización y planificación.

3. Deliver: implementar el mínimo producto viable (MVP) del roadmap definido.

4. Develop: desarrollar funcionalidades completas a partir del MVP y otros casos de uso.

5. Detect: medir el avance y éxito de los casos de uso implantados para retroalimentar el plan estratégico.

6. Drive: definir la gobernanza del programa y gestionar el cambio.

Este enfoque permite una gestión estructurada y eficiente de la transición hacia redes autónomas, asegurando que cada fase del proceso esté debidamente planificada y ejecutada para maximizar el impacto y la sostenibilidad de las soluciones implementadas.

Más adelante ofreceremos un análisis detallado de esta metodología explorando cada una de las fases del “Framework de las 6D” para la adopción de la IA en la evolución hacia una red autónoma.