A cura di Andrea Fantini, Senior Account Executive – Telco, Media & Entertainment Market, Snowflake
Al recente Mobile World Congress (MWC), un tema centrale è stato quello delle reti autonome, soprattutto alla luce della recente espansione delle tecnologie di AI. Le reti autonome hanno il potenziale per rivoluzionare il mercato delle telecomunicazioni, migliorando la user-experience e contribuendo a ridurre i costi operativi, come ad esempio quelli relativi alla pianificazione e all’ingegneria di rete, al supporto tecnico e alle operazioni dei call center. Ma quanto tempo ci vorrà ancora prima che le reti autonome diventino una realtà concreta?
È indubbio che le reti autonome possano rendere più efficiente il modello di business degli operatori, sia dal punto di vista dei Capex che degli OpEx. Ma possono anche aiutare il mercato a massimizzare l’utilizzo di hardware e software e a eliminare gli asset cosiddetti “stranded” (risorse di rete pagate ma sottoutilizzate o sovrautilizzate). Hanno, inoltre, il potenziale di ridurre i costi di gestione accelerando il passaggio dalla fornitura e gestione manuale dei servizi a favore di un’automatizzazione delle decisioni prese in tempo reale, con il risultato di ottimizzare l’hardware, il software di rete e i servizi per gli abbonati.
In aggiunta, non bisogna trascurare l’impatto delle reti autonome sulla user experience: i clienti che desiderano ottimizzare il servizio in tempo reale, ad esempio per ottenere la migliore qualità video durante lo streaming mentre sono in viaggio o per connettersi in remoto con la famiglia, possono affidarsi a reti che forniscono la massima qualità del servizio in modo dinamico in qualsiasi momento e luogo, senza necessità di intervento manuale da parte dell’operatore. Sono le reti autonome stesse a controllare la qualità del servizio dando priorità alla user experience, in modo da raggiungere il migliore equilibrio possibile tra aspettative dei clienti, capacità dell’operatore di rete e obiettivi aziendali.
Alla base delle reti autonome ci sono AI, intenzionalità e automazione. L’intelligenza artificiale analizza i dati e prende decisioni in base alla volontà dell’operatore (e del cliente), mentre l’automazione viene utilizzata per attuare le decisioni prese, con integrazioni, modifiche ed eliminazioni ai servizi di rete, all’infrastruttura e ai criteri. Per fare ciò, sono necessarie grandi quantità di dati, come quelli relativi all’infrastruttura del dominio telemetrico, alla garanzia del servizio, aziendali e, soprattutto, relativi all’”intento”. Questi ultimi rappresentano i risultati desiderati e le aspettative aziendali che guidano le decisioni sulla rete e comprendono tutto, dagli obiettivi prestazionali – come disponibilità della rete e requisiti di latenza – a quelli di user experience, come le metriche di qualità delle chiamate e la reattività delle applicazioni. Sono di gran lunga i dati più difficili da gestire, dal momento che sono dinamici e cambiano frequentemente in base alle priorità degli utenti e degli operatori.
Naturalmente, come per qualsiasi tecnologia che sfrutta l’intelligenza artificiale, è necessaria una supervisione esperta e umana e modelli AI adeguatamente addestrati per evitare distorsioni che possono avere un impatto significativo sulle infrastrutture critiche e su migliaia di clienti. I potenziali vantaggi di una riduzione dei costi operativi, di un migliore utilizzo delle risorse e di un più rapido time-to-market sarebbero del tutto inutili se il prodotto non si rivelasse sicuro, affidabile, performante o se l’esperienza non rispondesse pienamente alle aspettative dei clienti.
Queste preoccupazioni in materia di sicurezza e affidabilità sono particolarmente rilevanti a causa dello stato attuale della tecnologia. Siamo ancora lontani dal soddisfare pienamente i requisiti di quello che il TM Forum chiama “Livello 5 – Reti completamente autonome”. La tecnologia più avanzata attualmente disponibile sta superando il terzo livello, con alcune innovazioni che raggiungono requisiti di livello superiore. Tuttavia, resta ancora molto da fare per soddisfare del tutto il “Livello 4”, in particolare per quanto riguarda le capacità e la maturità dell’intelligenza artificiale. Si tratta di un’evoluzione che procede di pari passo con la ricerca e sviluppo in corso associati alle tecnologie che consentiranno la consapevolezza dell’intento. Anche il 3GPP, il forum degli standard industriali che norma le architetture wireless, sta definendo un piano di sviluppo e di evoluzione per le reti completamente autonome.
Tuttavia, l’ascesa del 6G, la prima generazione di architettura di rete mobile che ha iniziato a incorporare funzionalità data-driven e AI nella sua architettura, contribuirà a guidare l’adozione delle reti autonome. Nelle fasi iniziali si assisterà a un’inevitabile complessità di fondo e a un’adozione più lenta del previsto. Man mano, tuttavia, che i requisiti diventeranno omogenei e si registrerà una collaborazione tra i vari settori, la diffusione delle reti autonome diventerà più ampia.
Il fulcro di una rete autonoma di successo risiede nella capacità degli operatori di telecomunicazioni di sfruttare efficacemente la potenza di tutti i dati e di utilizzare modelli di AI efficaci e affidabili. Le moderne data platform offrono robuste funzionalità di intelligenza artificiale in grado di riunire i dati – strutturati e non – dell’intero ecosistema aziendale in una piattaforma centralizzata e governata. Questo consente agli operatori telco di avere una visione completa dei dati per prendere decisioni accurate e autonome in tempo quasi reale, accelerando così l’innovazione e mantenendo la promessa di reti veramente autonome.
