La inteligencia artificial generativa (GenAI) ha dejado de ser una promesa futurista para convertirse en una realidad tangible que empieza a transformar los cimientos operativos del sector de las telecomunicaciones. En ese camino, los grandes modelos de lenguaje (LLM, por sus siglas en inglés) han sido adoptados con entusiasmo por numerosos operadores, inicialmente como herramientas de atención al cliente o automatización interna.
Vodafone y AT&T ya han integrado ChatGPT o versiones personalizadas basadas en Azure OpenAI, mientras que otros actores relevantes como Telefónica han explorado aplicaciones de IA generativa en soporte al cliente y operación de redes a través de iniciativas como Telefónica Tech. Estos modelos asisten en gestiones técnicas, soporte y procesos internos.
Sin embargo, lo que parecía ser una solución transversal y poderosa ha revelado límites evidentes ya que los LLM generalistas, entrenados sobre amplias bases de datos de internet, no están diseñados para comprender las complejidades específicas de las redes móviles, los estándares 3GPP o los matices regulatorios del entorno telco. Por eso la industria ha reaccionado para ponerle remedio.
Durante el MWC25 en Barcelona, la GSMA, en colaboración con Khalifa University y patrocinio del operador e&, expuso estas limitaciones al realizar un ejercicio de “red teaming” sobre TelecomGPT, un modelo especializado en telecomunicaciones. El experimento consistía en atacar el modelo con preguntas diseñadas para engañarlo o hacerle afirmar falsedades técnicas —desde aseveraciones como que los satélites Starlink usan espectro 5G hasta la afirmación de que el 5G elimina la necesidad de fibra óptica—.
El modelo fue puesto a prueba por un grupo diverso de desarrolladores, reguladores y ejecutivos que intentaron inducirlo a errores aprovechando el lenguaje técnico y la apariencia de autoridad. En varios casos, lo lograron. El ejercicio no buscaba avergonzar al modelo, sino ilustrar con crudeza por qué confiar en sistemas no afinados para dominios técnicos específicos puede convertirse en un riesgo operativo más que en una ayuda.
La conclusión fue contundente y los LLM generalistas, por potentes que sean, no son suficientes. Las redes móviles no perdonan ambigüedades y un modelo que alucina con confianza puede llevar a decisiones equivocadas, costosas o incluso peligrosas. Esta realidad ha encendido una carrera paralela, esta vez para construir LLM verdaderamente telco-native.
Ya no se trata de adaptar un modelo existente, sino de moldear la IA en función de los requerimientos técnicos, el lenguaje específico y las prioridades operativas del sector. En este contexto surgen iniciativas como la comunidad Open Telco LLM Benchmarks de la GSMA, que busca establecer estándares abiertos de evaluación de modelos en tareas concretas de telecomunicaciones, y modelos como TelecomGPT, que ha demostrado superar a GPT-4 en pruebas especializadas como modelado matemático de redes o comprensión de documentos técnicos 3GPP.
Pero si el desarrollo académico y comunitario de modelos específicos es una línea de avance, el sector también se está organizando empresarialmente para no quedar rehén de los proveedores tecnológicos tradicionales. SK Telecom ha dado un paso decisivo con la creación de su propio modelo telco en colaboración con Anthropic, y ha cosechado resultados prometedores: un rendimiento un 35 por ciento superior al de GPT-4 en tareas relevantes del sector.
Esta iniciativa no quedó aislada. SK Telecom lideró la formación de la Global Telco AI Alliance junto con Deutsche Telekom (DT), e&, Singtel y SoftBank. El objetivo es desarrollar un LLM multilingüe, optimizado para inglés, coreano, árabe, alemán y japonés, con la intención de ofrecerlo como servicio a toda la industria.
No solo se trata de soberanía tecnológica, sino también de acceso a una IA entrenada con datos reales de red, configuraciones, tickets y contexto operativo. La joint venture tiene su sede en Seúl y Berlín, y pretende liberar una versión beta en 2026. Esta alianza representa la primera gran señal de que los operadores no están dispuestos a dejar en manos de terceros el control de una tecnología que promete reconfigurar toda la cadena de valor.
Lo que emerge es un nuevo mapa de poder y colaboración en torno a la IA en telecomunicaciones. No se trata ya de una simple estrategia de diferenciación competitiva, sino de una necesidad operativa. Los LLMs tienen el potencial de automatizar funciones de red, mejorar el soporte técnico, reducir el churn y habilitar nuevos modelos de negocio basados en datos.
Pero solo si se entrenan, prueban y despliegan bajo condiciones controladas, con salvaguardas robustas y una comprensión profunda de las implicaciones técnicas. Iniciativas como el “red teaming” de la GSMA o los benchmarks abiertos son pasos en esa dirección porque ya no basta con que el modelo funcione, debe ser confiable, verificable y alineado con las exigencias del sector.
La pregunta, entonces, ya no es si estos modelos serán vulnerados o si cometerán errores —eso es inevitable—, sino cuán rápido y con qué método puede la industria corregirlos, endurecer sus defensas y evitar que errores de una IA genérica escalen hasta convertirse en fallos de red.
En una industria donde la latencia de milisegundos y la resiliencia del servicio son vitales, la IA debe hablar el lenguaje de las telecomunicaciones con la misma precisión que un ingeniero. Y para que eso ocurra, no basta con adoptar la tecnología, hay que apropiársela.
