Hace dos años, NGMN advertía que la creciente complejidad de las redes obligaría a los operadores a introducir inteligencia artificial (IA) en todos los niveles de sus redes y operaciones y pedía a la industria avanzar hacia estándares abiertos e interoperables para hacerlo posible. El objetivo entonces era utilizar IA y aprendizaje automático para superar las limitaciones de una automatización basada fundamentalmente en procesos predefinidos y avanzar hacia redes capaces de adaptarse a un entorno cada vez más complejo, desagregado y basado en la nube.
Dos años después, la discusión ha cambiado bastante. La IA ya no aparece únicamente como una tecnología capaz de ayudar a automatizar la red, sino como una capa capaz de interpretar intenciones, razonar, tomar decisiones, coordinar agentes especializados y ejecutar acciones sobre ella. El nuevo informe de NGMN, Network Automation and Autonomy Phase III: Agentic AI for Autonomous Mobile Networks, coloca por ello a la IA agéntica en el camino hacia las redes autónomas de nivel 4, pero también introduce una paradoja que hace mucho más interesante esta tercera fase del trabajo. La IA parece avanzar más rápido que la capacidad de la industria para confiarle la red.
El problema ya no es solamente conseguir que una máquina sea capaz de decidir qué hacer, sino permitirle hacerlo. Un agente puede interpretar una intención, analizar el contexto de red, elaborar un plan, delegar tareas, utilizar herramientas y controladores y coordinarse con otros agentes, pero una red móvil no es un entorno empresarial convencional en el que un error pueda resolverse simplemente corrigiendo una respuesta. Exige alta disponibilidad, comportamiento determinista, capacidad de respuesta en tiempo real en determinados dominios, cumplimiento regulatorio y garantías estrictas de seguridad. Por eso NGMN advierte que las tecnologías agénticas desarrolladas para entornos generales tendrán que adaptarse, extenderse y endurecerse cuando sea necesario antes de poder satisfacer los requisitos operativos propios de una red de telecomunicaciones.
La diferencia entre automatizar y delegar decisiones puede parecer semántica, pero no lo es. La automatización tradicional funciona particularmente bien cuando sabe de antemano qué problema está resolviendo y, ante una determinada condición, ejecuta una acción prevista. Esto funciona para tareas repetitivas y acotadas, pero pierde eficacia cuando las condiciones cambian, aparecen situaciones no contempladas o la solución requiere coordinar varios dominios. El resultado es una paradoja conocida por los operadores, que pueden tener numerosas partes de la red automatizadas y continuar necesitando intervención humana para operar el conjunto. La IA agéntica intenta precisamente superar esa limitación introduciendo una capa capaz de interpretar el problema antes de decidir cómo resolverlo.
En lugar de diseñar previamente cada paso, el operador establece objetivos, políticas y límites dentro de los cuales uno o varios agentes pueden interpretar la situación, dividir el problema, seleccionar herramientas, colaborar y decidir cómo alcanzar el resultado. Un agente puede interactuar con otros agentes, sistemas de soporte a las operaciones, funciones de gestión, plataformas de datos, controladores, scripts de automatización o gemelos digitales a través de interfaces controladas. Esto no significa que los sistemas existentes desaparezcan. Al contrario, una de las ideas centrales del documento es que la IA agéntica debe complementar e interactuar con los activos de automatización existentes en lugar de reemplazarlos, convirtiéndolos en herramientas que los agentes pueden utilizar para alcanzar los objetivos establecidos por el operador.
Esta aproximación es importante porque evita presentar la IA agéntica como otra ruptura tecnológica que obliga a reconstruir la red. Los agentes pueden apoyarse en mecanismos deterministas que ya funcionan, especialmente allí donde la latencia, la estabilidad y la predictibilidad son esenciales, mientras utilizan su capacidad de razonamiento para abordar problemas que requieren contexto, coordinación o decisiones entre diferentes dominios. La IA no sustituye necesariamente a la automatización existente, sino que añade una capa capaz de decidir cuándo y cómo utilizarla. El salto hacia una mayor autonomía consistiría así menos en automatizar cada vez más funciones individuales que en conseguir que capacidades que ya están automatizadas puedan coordinarse alrededor de objetivos más amplios.
El informe aterriza esa idea en tres escenarios concretos, gestión de fallos, aseguramiento del servicio y optimización de la red de acceso radio. NGMN los utiliza para ilustrar cómo podría funcionar la arquitectura y no como una clasificación de prioridades para toda la industria. El valor de cada escenario dependerá de la situación, los objetivos económicos y la madurez de automatización de cada operador, una distinción importante porque el salto hacia redes más autónomas tampoco debería convertirse en una carrera por alcanzar un determinado nivel de autonomía independientemente de su retorno. La propia NGMN prevé que los operadores seleccionen aquellos escenarios de alto valor que consideren capaces de ofrecer los retornos económicos más convincentes.
La gestión de fallos permite entender fácilmente esa diferencia. Hoy pueden existir mecanismos automáticos dentro de diferentes dominios, pero un problema que atraviesa varios de ellos puede terminar generando tickets, investigaciones independientes, intercambios entre equipos y decisiones humanas. En un esquema agéntico, diferentes agentes podrían investigar partes del problema, intercambiar contexto, coordinar acciones y utilizar las herramientas disponibles para contribuir a su resolución. El cambio importante no consiste simplemente en automatizar otro paso del proceso, sino en utilizar razonamiento y coordinación para abordar problemas que la automatización aislada por dominios resuelve con mayor dificultad, manteniendo las acciones dentro de las políticas, permisos y mecanismos de supervisión establecidos por el operador.
Algo parecido ocurre con el aseguramiento del servicio, donde la aspiración del nivel 4 es avanzar hacia operaciones proactivas y dirigidas por intenciones que requieran una intervención humana mínima. Esto obliga a relacionar lo que sucede en diferentes dominios con el resultado que se quiere garantizar y a coordinar posibles acciones cuando optimizar una parte de la infraestructura afecta a otra. Cumplir los indicadores de rendimiento de cada dominio de forma independiente no garantiza necesariamente que se esté cumpliendo el objetivo del servicio de extremo a extremo, de manera que una mayor autonomía permitiría desplazar parte de la lógica operacional desde el funcionamiento aislado de cada componente hacia la consecución de objetivos más amplios.
La optimización de la red de acceso radio añade otra dificultad porque allí ya existen mecanismos sofisticados de automatización y control, algunos sometidos a restricciones muy estrictas de tiempo y estabilidad. Precisamente por eso la IA agéntica no debe entenderse como un reemplazo generalizado de esas capacidades. Puede interactuar con controladores, aplicaciones y otras herramientas existentes y aportar razonamiento y coordinación allí donde resulte útil. El objetivo no sería entregar indiscriminadamente todas las decisiones a un agente, sino encontrar qué combinación de mecanismos deterministas, automatización existente y capacidades agénticas permite aumentar la autonomía sin sacrificar fiabilidad, seguridad o control.
Y es justamente al intentar coordinar todos esos elementos cuando aparece uno de los principales obstáculos que identifica NGMN. Introducir agentes en cada dominio sin acordar cómo se identifican, comunican, comparten información o reciben autorización podría recrear exactamente el problema que se pretende solucionar. En lugar de silos de automatización, la industria podría acabar construyendo silos de agentes, una posibilidad nada remota cuando el trabajo relacionado con IA agéntica para redes se encuentra repartido entre numerosas organizaciones de estandarización, alianzas y comunidades de código abierto que avanzan simultáneamente sobre diferentes partes del problema.
NGMN reconoce que buena parte de esa actividad es complementaria, pero también identifica riesgos de fragmentación, supuestos inconsistentes, duplicación de esfuerzos y áreas relevantes para los operadores todavía insuficientemente cubiertas. Entre las lagunas señaladas aparece la falta de un protocolo de comunicación entre agentes ampliamente adoptado y preparado para telecomunicaciones y, algo todavía más complicado, la ausencia de semánticas compartidas que permitan que agentes procedentes de distintos proveedores interpreten de manera consistente el contexto de la red. Hay trabajos prometedores en marcha, pero el informe considera que estas carencias impiden hoy alcanzar una verdadera autonomía multiproveedor.
Esta preocupación tampoco es nueva y permite entender mejor la continuidad entre el documento publicado por NGMN hace dos años y el actual. Entonces la organización ya reclamaba estándares abiertos e interoperables precisamente porque las redes autónomas tendrían que funcionar en entornos multiproveedor. Lo que ha ocurrido desde entonces es que la aparición de los agentes ha ampliado considerablemente el problema. Ya no basta con conseguir que sistemas y componentes puedan intercambiar información. Ahora hay que contemplar entidades capaces de interpretar contexto, razonar, delegar tareas, utilizar herramientas y coordinar acciones, de manera que la interoperabilidad deja de ser únicamente una cuestión de interfaces para convertirse también en una cuestión de semántica, comportamiento y confianza.
La interoperabilidad, de hecho, es solamente una parte del problema porque permitir que un agente actúe implica también decidir hasta dónde puede hacerlo. Si un agente puede modificar parámetros, utilizar herramientas o solicitar acciones a otros agentes, el operador necesita mecanismos para establecer su identidad, autenticarlo, autorizar sus acciones, controlar sus privilegios, aplicar políticas y mantener un registro de lo ocurrido. NGMN identifica por ello la necesidad de desarrollar un ecosistema de agentes de confianza cero adaptado a los requisitos de telecomunicaciones que contemple cuestiones como identidad, autenticación, autorización, comunicación segura, acceso a herramientas, verificación de flujos de trabajo, procedencia del software, aplicación de políticas, privilegios mínimos, auditoría, monitorización del comportamiento, revocación, cuarentena y respuesta ante incidentes.
Aquí aparece probablemente una de las paradojas más interesantes de las redes autónomas. Cuanto menos intervenga directamente el ser humano en la operación cotidiana, más sofisticados tendrán que ser los mecanismos que garanticen que el operador conserva el control sobre lo que hacen los agentes. NGMN sitúa la confianza, la seguridad, la explicabilidad, la observabilidad, la interoperabilidad, el gobierno y la supervisión humana entre los principios fundamentales que deberían acompañar el desarrollo de estas capacidades. La autonomía que describe el informe, por tanto, no consiste en entregar la red a una máquina para que opere sin restricciones, sino en aumentar progresivamente su capacidad para actuar dentro de políticas, límites y mecanismos de verificación definidos por el operador.
Los gemelos digitales adquieren por ello una función bastante más importante que la que tradicionalmente han tenido en muchas discusiones sobre redes. Si un agente puede recomendar o ejecutar acciones sobre infraestructura en producción, resulta necesario disponer de mecanismos que permitan validar su comportamiento y evaluar las consecuencias de sus decisiones. NGMN identifica la expansión de los gemelos digitales y de los entornos de simulación como una de las áreas sobre las que la industria debería avanzar para utilizarlos como capas de validación del comportamiento y la toma de decisiones de los agentes. Más que una solución ya especificada, el informe señala aquí una capacidad que considera necesaria para poder aumentar la autonomía con suficientes garantías.
La cadena deja entonces de ser simplemente observar, decidir y actuar. Alrededor de la decisión aparecen validación, políticas, evaluación, observabilidad, auditoría, mecanismos de seguridad y procedimientos de recuperación. NGMN reclama también que la ejecución segura, los mecanismos de contingencia y la capacidad de revertir acciones sean tratados como requisitos fundamentales. El marco de referencia presentado en el informe refleja precisamente esta complejidad y deja claro que construir redes autónomas con IA agéntica requiere bastante más que incorporar modelos de lenguaje y agentes a los sistemas de gestión existentes.
Todo esto enfría cualquier expectativa de que los operadores pasen rápidamente de experimentar con agentes a desplegarlos de forma generalizada en sus redes. NGMN espera que durante los próximos años la industria evolucione desde pruebas aisladas hacia despliegues operativos en dominios seleccionados, concentrándose inicialmente en escenarios de alto valor donde puedan demostrarse beneficios tangibles y mantenerse niveles suficientes de supervisión humana. Optimización de la red de acceso radio, eficiencia energética, gestión de fallos, resolución de incidentes, aseguramiento del servicio, soporte a ingeniería y resolución de problemas entre dominios aparecen entre los posibles candidatos iniciales. A medida que aumente la confianza y maduren los mecanismos necesarios para garantizarla, estos sistemas podrían evolucionar desde recomendaciones supervisadas hacia operaciones autónomas acotadas y, posteriormente, hacia entornos colaborativos con múltiples agentes.
Es también una aproximación económica y no solamente tecnológica. NGMN insiste en la necesidad de una adopción pragmática y gradual que proteja el retorno de la inversión, porque no tendría demasiado sentido introducir una arquitectura agéntica compleja para resolver algo que una automatización convencional ya soluciona de manera barata, fiable y determinista. Cada operador tendrá que identificar dónde la autonomía adicional genera realmente valor, lo que probablemente producirá durante bastante tiempo redes en las que convivan distintos niveles de automatización y autonomía dependiendo del dominio, el riesgo y el caso de uso.
Por eso el informe termina desplazando el foco desde la capacidad de la IA hacia todo lo que la industria tendrá que construir alrededor de ella. Los operadores necesitan trabajar en la preparación de los datos, la calidad de la telemetría, el gobierno, las competencias internas y su propia preparación organizativa; los proveedores deben avanzar hacia interfaces abiertas e interoperables y hacer que sus controladores y plataformas de gestión puedan ser utilizados de forma segura por agentes de niveles superiores; y el ecosistema tendrá que desarrollar mecanismos de prueba, certificación, evaluación y validación que permitan aportar evidencias verificables sobre el comportamiento, la seguridad y la interoperabilidad de esos agentes. NGMN no presenta una especificación final para resolver estos problemas, sino un mapa de requisitos, dependencias y lagunas que considera necesario abordar para que la IA agéntica pueda escalar con garantías. Que es en definitiva su rol y el que siempre ha cumplico no dice como hay que hacerlo, pero si qué hay que hacer.
La conclusión del informe resulta así bastante menos futurista de lo que su título podría sugerir. Hace dos años, la cuestión era cómo introducir IA en una red cuya creciente complejidad comenzaba a superar las capacidades de los procesos tradicionales. Ahora NGMN considera que la IA agéntica puede convertirse en uno de los habilitadores fundamentales para gestionar precisamente esa complejidad, pero descubre que hacerlo abre una segunda dificultad posiblemente mayor. Las primeras formas de sistemas multiagente ya son técnicamente posibles, pero eso está todavía lejos de significar que la industria esté preparada para entregarles la operación de una red. La adopción comercial a escala dependerá menos de la capacidad individual de los modelos que de la interoperabilidad, las semánticas compartidas, la identidad segura de los agentes, la ejecución auditable, la validación, el gobierno del ciclo de vida y mecanismos efectivos de supervisión y control.
Después de años preguntándose cuándo la IA sería suficientemente buena para operar autónomamente una red, la industria puede estar acercándose a una respuesta inesperada. Quizá la IA llegue antes de que la red esté preparada para dejarla actuar.
