Las ‘telecos’ avanzan hacia las redes autónomas

Hay pocos avances tecnológicos con la repercusión que está teniendo la inteligencia artificial (IA). Esta tecnología parece no tener límites, descubriéndonos innumerables nuevos casos de uso casi cada día.

La IA también ofrece muchísimas aplicaciones en el sector de las telecomunicaciones, entre las que destaca el desarrollo de redes autónomas. “Las redes autónomas, fundamentadas en tecnología de IA, trascienden la mera automatización al ofrecer una experiencia digital más inteligente, resiliente y centrada en el usuario”, afirma Claudia Muñiz, responsable global de Ventas de Cognitive Network Solutions de Ericsson.

“Esto permite a los operadores de red optimizar la eficiencia operativa, habilitar nuevos canales de monetización, minimizar la intervención humana y maximizar el uso de recursos. Mediante el uso de intents, declaraciones formales que expresan objetivos operativos, las redes autónomas posibilitan una gestión proactiva de la red, acelerando la provisión de servicios. Además, su arquitectura altamente escalable y flexible se adapta dinámicamente a las variaciones en la demanda y a los nuevos requisitos de negocio”, especifica.

Así pues, Juan José Marfil, director de Red, TI y TV de Telefónica España, indica que las redes autónomas introducen “enormes ventajas” para los operadores, desde una mayor agilidad al reducir los tiempos de mantenimiento, evolución y resolución de incidencias, hasta la reducción de errores derivados de tareas manuales”.

“Telefónica lleva años introduciendo mecanismos de automatización en sus redes, consiguiendo hitos como eliminar hasta el 80% de tareas manuales en determinados procesos, obteniendo con ello la reducción de más del 60% de errores; o reduciendo en un 70% el tiempo de despliegue de nuevo software, logrando ciclos de innovación y renovación mucho más ágiles”, explica.

“Además, esta automatización permite una optimización de las operativas de la red relacionadas con la gestión del tráfico, la implantación más eficiente y segura de determinados procesos o el mantenimiento preventivo de la red”, añade.

Asimismo, Claudia Fuentes, miembro de la junta directiva de Aotec y CEO de TM Digital Granada, reseña que la IA permite “adelantarse en la detección de fallos y realizar un mantenimiento proactivo”, lo que permite reducir incidencias y optimizar costes, así como “mejorar los ajustes en tiempo real a las variaciones del tráfico en la red y reorganizar el tráfico en caso de fallo”. “Esto también será una ventaja para los usuarios, que notarán una mejora en su calidad del servicio”, recalca.

Desde el punto de vista del cliente, Muñiz destaca que las “redes automatizadas garantizan una mayor fiabilidad y calidad de servicio”. “La analítica avanzada impulsada por IA de estas redes permite ofrecer servicios altamente personalizados, generar recomendaciones predictivas y proporcionar un soporte proactivo”.

Por ejemplo, las redes automatizadas potencias por IA pueden personalizar más la experiencia del cliente, al ser capaces de detectar sus necesidades y ofrecer recursos de red en función de sus necesidades. “La IA puede analizar el comportamiento del usuario y optimizar la conexión según sus necesidades específicas. De este modo, se hacen ajustes automáticos en la red para mejorar la experiencia en función del tipo de uso (gaming, trabajo remoto, etc.), mejorando su velocidad de navegación y menor latencia”, puntualiza Miguel Sánchez, director general de DigitalES, Asociación Española para la Digitalización y patronal de las principales empresas del sector tecnológico y de telecomunicaciones.

Esto también abre nuevas oportunidades de negocio. “Los operadores pueden encontrar nuevas fuentes de ingresos a través de la automatización avanzada, mejorando las ofertas de servicios a sus clientes”, subraya Fernando Rionegro, Market Leader Telefónica and South & Central Europe de Nokia Cloud & Network Services.

Por otra parte, la experta de Ericsson apunta que “la seguridad y la confiabilidad se refuerzan mediante la monitorización continua de patrones de tráfico con IA, facilitando la detección de fraudes y amenazas de ciberseguridad, e implementando medidas de mitigación en tiempo real”.

Igualmente, Sánchez destaca que “la IA posibilita mejorar la seguridad, ya que permite introducir más niveles de protección automática contra fraudes, ataques DDoS y filtraciones de datos”. “Esto redunda en un beneficio para los usuarios, que a su vez experimentan una reducción de interrupciones y caídas de servicio gracias a la autorregulación de la red”.

¿En qué punto estamos?

Zigor Gaubeca, CIO de Grupo Aire, reseña que hay varios factores indispensables para el desarrollo de las redes autónomas. “La red debe estar bien monitorizada, con herramientas que aportan visibilidad y observabilidad. Un buen inventario es imprescindible para conocer los activos existentes y sus relaciones. Por último, la red debe estar basada en estándares de mercado que permitan la configuración a través de interfaces abiertos con lenguajes diseñados para ello”, detalla.

Fuentes considera que vamos por buen camino. “Para que sea factible, es imprescindible que los datos sean de calidad y fácilmente extraíbles. Y creo que en las redes españolas existe esa opción”, valora.

La responsable de Ericsson afirma que “la mayoría de los operadores de red se encuentran en el Nivel 2-3 (autonomía parcial a condicional), según la clasificación del TM Forum (TMF), donde la automatización basada en IA se emplea para optimizar las operaciones de red, aunque la intervención humana sigue siendo necesaria para las funciones más críticas”.

Por ejemplo, reseña que ya están disponibles en despliegues comerciales casos de uso de redes autónomas, como el mantenimiento predictivo, la detección de anomalías y la optimización basada en IA.

Además, destaca que “los operadores de red líderes están trabajando de manera activa en alcanzar el Nivel 4 (autonomía alta), con un enfoque basado en predicados declarativos (intents) y soluciones de actuación en bucle cerrado multidominio”.

En este sentido, adelanta que para el período 2025-2027 se espera una adopción mayoritaria de las capacidades correspondientes a los Niveles 3-4 (autonomía condicional a alta), “donde la IA gestionará en tiempo real ajustes de parámetros de red, para la optimización de las redes de acceso radio, red móvil y red de transporte de los operadores”.

Y las primeras redes en Nivel 5 (autonomía total) desplegadas por los líderes de la industria se prevé que lleguen en 2030. “La IA gestionará de manera integral las operaciones extremo a extremo, basándose en intents, capacidades de autorrecuperación de la red (self-healing) y orquestación multidominio, con una supervisión mínima por parte del usuario”, comenta Muñiz.

Sánchez detalla algunos de los avances que ya son una realidad, como “redes 5G privadas que se ajustan automáticamente a la demanda de los usuarios de la zona requerida, lo que se denomina autoconfiguración”, así como “redes de telefonía móvil que redirigen automáticamente para evitar congestiones (autooptimización)”.

Además, reseña que “desde la introducción del 5G, la implementación del llamado network slicing, que permite a empresas y sectores industriales usar redes personalizadas y optimizadas para sus necesidades específicas, empieza a ser una realidad creciente”.

Asimismo, apunta que “en la situación específica de redes de emergencia, el uso de drones para restablecer comunicaciones en zonas afectadas por desastres naturales y su gestión desde la red, estando otros recursos de red inhabilitados, es un ejemplo más de aplicación real de estas redes autónomas”.

Por su parte, el responsable de Telefónica remarca que “la automatización de las redes no es algo a futuro, sino que es un proceso paulatino que se lleva implementando durante años”.

Por ejemplo, explica ya son funcionalidades comunes “la entrada automática en funcionamiento de redes de reserva cuando se cae alguna línea de comunicaciones; el análisis de causa raíz de las incidencias, capaz de entender que 5.000 incidencias aparentemente diferentes tienen una misma causa en un elemento de red; o el análisis preventivo, capaz de prever que algún servicio va a tener problemas de rendimiento en las próximas horas y actuar de forma automática aplicando medidas preventivas para evitar incidencias”.

Con la vista puesta en el futuro, indica que nos encaminaremos hacia el denominado Zero Touch, con redes “capaces de autodiagnosticarse y corregirse automáticamente, sin intervención manual de ningún tipo, consiguiendo una disponibilidad del 100% de los servicios”, para lo cual las tecnologías de IA aplicada a redes resultarán esenciales. “Esto permite dedicar los recursos a innovar y sacar nuevos servicios para los clientes con mayor agilidad”, expone.

La llegada del 6G, una nueva dimensión

“La convergencia de las redes autónomas y la futura 6G dará lugar a redes totalmente autogestionadas, impulsadas por IA nativa, con capacidades de autooptimización y adaptabilidad en tiempo real”, augura Muñiz.

“Gracias a la IA basada en intents, las redes 6G posibilitarán servicios hiperpersonalizados y bajo demanda, segmentación dinámica de la red y asignación predictiva de recursos para aplicaciones avanzadas como holografía, robótica basada en IA y el internet de las cosas masivo. La automatización de actuación en bucle cerrado extremo a extremo gestionará de manera fluida las redes de acceso radio, red móvil, red de borde (edge) y recursos en la nube. Además, y mediante la tecnología de gemelos digitales impulsados por IA, la red estará sometida a un proceso de optimización continua del rendimiento, anticipando fallos de forma proactiva. Adicionalmente, mediante técnicas de gestión energética sostenibles basadas en IA, se minimizará la huella de carbono y se maximizará la rentabilidad de las redes 6G”, desgrana.

Asimismo, el responsable de Nokia anota que “las redes autónomas y el 6G contribuirán a los objetivos de eficiencia energética y sostenibilidad, optimizando el uso de recursos y reduciendo la sobrecarga operativa”. Además, reseña que “la latencia ultra baja de 6G permitirá operaciones de red autónomas en tiempo real, mejorando la capacidad de respuesta y la fiabilidad”.

Por otro lado, Marfil hace hincapié en que la estandarización que supondrá el desarrollo del 6G “traerá la interoperabilidad y la economía de escala necesarias para que el ecosistema de automatización despegue”. “El hecho de que forme parte de un estándar supondrá, sobre todo, la interoperabilidad entre fabricantes de distintos proveedores, de modo que, por ejemplo, los sistemas de IA implementados por unos proveedores, puedan entender y procesar los datos generados por tecnologías de otros proveedores”, aclara.

¿Qué están haciendo las empresas?

Marfil explica que Telefónica lleva años introduciendo mecanismos de automatización en sus redes, a través de una iniciativa denominada ‘Autonomous Network Journey’.

“Desde tecnologías de big data, machine learning y deep learning para el análisis automático de incidencias y el mantenimiento preventivo de red, el uso de tecnologías DevOps para automatizar y agilizar el despliegue de nuevas funcionalidades en red, hasta el uso de IA generativa para agilizar el proceso de las peticiones de cliente realizadas por email o mensajes de voz, Telefónica tiene el objetivo en España de alcanzar durante 2026 un índice 3,7 en la reconocida escala de automatización definida por el organismo internacional TM Forum, con el objetivo a largo plazo de llegar a la automatización total, para lo cual todavía queda que la industria perfeccione y adapte un poco más la tecnología de IA a las necesidades y particularidades de la explotación de redes Telco”, especifica.

Gaubeca señala que Grupo Aire está avanzando en el desarrollo de la observabilidad y el inventario de activos. “Sin ellos, no sería posible llegar a la última fase”, declara. “Cuantos más sensores haya, mejores decisiones puede tomar un sistema autónomo, dado que tendrá mayor capacidad de tener una visión de lo que ocurre. Queda un largo camino por recorrer”, sentencia.

Ericsson cuenta con varios ejemplos de automatización de redes impulsada por IA, operaciones basadas en intents y soluciones de actuación en bucle cerrado en la industria de las telecomunicaciones.

“Nuestro enfoque se centra en ofrecer soluciones que permitan a los operadores avanzar hacia la autonomía de Nivel 5. Por ejemplo, Ericsson Intelligent Automation Platform (EIAP) es una plataforma abierta que habilita la automatización basada en IA en la red de acceso radio mediante la ejecución de rApps impulsadas por IA. Estas aplicaciones optimizan el rendimiento de red radio a través de la detección de anomalías, la generación de recomendaciones y la implementación automatizada de acciones”, puntualiza Muñiz.

EIAP se ha integrado en la plataforma AI Data Cloud de Snowflake. “Las rApps desarrollada sobre EIAP se beneficiarán del acceso a conjuntos de datos más ricos que combinan datos de sistemas de soporte de operaciones (OSS, por sus siglas en inglés), de sistemas de soporte empresarial (BSS, por sus siglas en inglés) y de terceros que se encuentran en Snowflake Marketplace”, detalla Snowflake.

“Esta rApp aprovecha EIAP, estructuras multiagente y LLM alojados en Snowflake para automatizar la resolución de problemas y la gestión de la RAN. Al integrar la detección de anomalías, el análisis de KPI y el análisis de causa raíz (RCA, por sus siglas en inglés), reduce el tiempo medio de resolución (MTTR, por sus siglas en inglés), permite la automatización basada en la intención e impulsa redes autooptimizadas con datos de IA cercanos a la red”, añade.

Muñiz señala que Ericsson cuenta con despliegues reales con operadores de telecomunicaciones como DNB Malasia, donde ha implementado las primeras operaciones usando 5G slicing basadas en intents e impulsadas por IA. “Esta solución ha mejorado significativamente el acuerdo de nivel de servicio (SLA), logrando un cumplimiento del 100% en los servicios premium y reduciendo la intervención manual”, explica.

Además, recalca que “Ericsson desempeña un papel clave en la definición de marcos de trabajo para redes autónomas a nivel industrial, contribuyendo activamente en TM Forum, 3GPP, O-RAN y ETSI”.

Nokia también trabaja en esta dirección. Por ejemplo, proporcionando una capa común y fiable de datos consumibles por herramientas incluyendo IA que permita una gestión eficaz entre equipos, como apunta Rionegro.

También mediante la creación de redes basadas en la intención, “cambiando el paradigma del ‘cómo’ al ‘qué’, permitiendo a los usuarios definir los resultados deseados en lugar de las configuraciones técnicas”; o mediante el despliegue de capacidades avanzadas, “implementando la observabilidad 360°, el uso responsable de IA y la optimización para descubrir y diseñar nuevos patrones de automatización”.

Riesgos de las redes autónomas

Aunque las redes autónomas ofrecen muchas ventajas, también comportan ciertos riesgos. Algunos vienen derivados de los datos que emplea la IA. “Si se utilizan datos sesgados o poco representativos, los modelos podrían perpetuar esos sesgos. Por ello, es necesario llevar a cabo un análisis detallado de qué datos se recopilan, cuáles aportan un valor real al objetivo deseado y cuáles deben descartarse. Por ejemplo, si sólo se toman en cuenta usos residenciales, no se podrán detectar anomalías propias de entornos empresariales”, comenta Fuentes.

De igual modo, el director general de DigitalES advierte de que “los algoritmos de IA pueden aprender sesgos de los datos con los que fueron entrenados, lo que puede llevar a decisiones erróneas o injustas en la gestión del tráfico de red”. Siguiendo con el ejemplo anterior, el entrenamiento de un modelo con datos que priorizan cierto tipo de tráfico puede generar una distribución desigual del ancho de banda.

También hay que considerar el riesgo que suponen las alucinaciones de la IA. “Ocurre cuando la IA genera respuestas o toma decisiones basadas en patrones incorrectos, identificando correlaciones inexistentes en los datos. Esto puede llevar a fallos en la optimización de la red, como una asignación ineficiente de recursos o falsas alarmas sobre ataques cibernéticos”, señala Sánchez.

La ciberseguridad también es una preocupación. “Una IA mal configurada puede volverse un punto de vulnerabilidad en la red. Los atacantes podrían manipular el modelo de IA con datos engañosos (ataques adversariales) para que tome decisiones erróneas, como permitir tráfico malicioso o bloquear servicios legítimos”, alerta el portavoz de DigitalES.

Por todo ello, Fuentes opina que “es recomendable monitorizar en tiempo real el rendimiento del modelo y mantener una persona que supervise y valide las decisiones más críticas”. Además, recalca que “la supervisión y el reentrenamiento periódico, incorporando nuevos datos, permiten que el modelo se ajuste a las variaciones y evoluciones de la red”. Asimismo, insiste en que “la transparencia en la operación del sistema facilita la detección y resolución de fallos”.

Igualmente, Sánchez opina que “la manera de mitigar los riesgos pasa por diseñar redes con capas de control híbridas que combinen IA y gestión manual, también para la ciberseguridad, estableciendo límites a la autonomía de la IA y manteniendo la supervisión manual”.

Además, indica en que “es fundamental monitorizar continuamente los resultados generados por la IA y validar su precisión, así como usar la explicabilidad de IA (XAI) para entender y justificar las decisiones del sistema”. Todo ello, sin olvidar que “la ‘gasolina’ de toda IA son los datos”, por lo que es preciso utilizar conjuntos de datos diversos y representativos para el entrenamiento de los modelos e implementar auditorías y evaluaciones continuas de sesgo en los algoritmos.

Otros usos de la IA en el sector

Aparte de las redes autónomas, el sector de las telecomunicaciones está abrazando IA para otros muchos fines. “La optimización del servicio al cliente a través de chatbots inteligentes y asistentes virtuales es ya una realidad. También se avanzará en la clasificación de los clientes y, gracias a ello, en la personalización de ofertas y servicios basados en el análisis predictivo del comportamiento del usuario”, declara la portavoz de Aotec.

Sánchez reseña que la IA generativa está siendo empleado para generar de scripts de respuesta automática a incidentes de ciberseguridad en tiempo real. “Estos scripts pueden ser diseñados para ejecutar acciones específicas, como aislar dispositivos comprometidos, bloquear accesos no autorizados o restaurar sistemas afectados, mejorando la eficiencia y rapidez de la res-puesta a incidentes”, comenta.

También se está usando IA generativa para simular diferentes escenarios de ciberseguridad, “permitiendo a las empresas prever y prepararse para posibles ataques cibernéticos, ya que la IA puede generar modelos que evalúen el impacto de diversas amenazas y vulnerabilidades en la infraestructura digital de la empresa, proporcionando una visión comprensiva de posibles riesgos y estrategias de mitigación”, subraya el director general de DigitalES.

Otra aplicación es la generación de datos sintéticos para prueba de aplicaciones en telecomunicaciones, imitando escenarios de red y comportamiento del usuario para probar y validar aplicaciones de telecomunicaciones, como optimización de red y análisis de fallos, sin la necesidad de recopilar datos reales. “Ahorra tiempo y recursos y asegura la privacidad de los usuarios”, explica Sánchez.

Por su parte, Marfil pone el acento en los sistemas predictivos. “En base a miles de parámetros, son capaces de predecir la carga que tendrá la red en cada uno de sus elementos. Esto nos trae aplicaciones tan curiosas como predecir cuál es la ruta óptima que debe seguir un dron para llevar un paquete entre dos puntos, según qué camino le ofrezca la mejor conectividad a la hora concreta del vuelo; o decidir qué ruta debe seguir un robot que está transportando una pieza dentro de una fábrica, en función de la colocación de los miles de dispositivos conectados y el uso que estarán haciendo de las telecomunicaciones”, expone.

Y la IA también puede ser de gran utilidad a los operadores de telecomunicaciones en aplicaciones relacionadas con el negocio y el marketing. Por ejemplo, Snowflake destaca el uso de aplicaciones impulsadas por IA para prevenir el fraude, el impago y la pérdida de clientes, explotando sus datos para predecir la probabilidad de impago, adelantarse a las quejas de los clientes relacionadas con la facturación o evaluar el riesgo de fraude en tiempo real.

Asimismo, las ‘telecos’ pueden usar IA para explotar los datos que tienen de sus clientes, desde información de facturación y suscripción hasta datos de streaming y uso, para crear campañas de marketing personalizadas. “Por ejemplo, una compañía de telecomunicaciones puede identificar a los clientes con un alto uso de datos en roaming que podrían beneficiarse de un mejor plan internacional mejorado”, anota Snoflake.

La IA también sirve para segmentar la audiencia, excluir a los clientes con casos de servicio abiertos, probar diferentes canales de marketing, medir qué canales son más efectivos para impulsar las actualizaciones, etc.