L’intelligenza artificiale sta diventando il motore silenzioso delle reti Telco, rendendo più rapide ed efficienti pratiche già esistenti come il RAN sharing e aprendo la strada a reti sempre più predittive e in parte autonome, capaci di anticipare guasti e ottimizzare risorse in tempo reale.

L'AI, pilastro trasversale della trasformazione Telco

Il settore delle telecomunicazioni sta vivendo un cambio di paradigma nel modo di progettare, gestire e far evolvere le proprie infrastrutture. Se fino a pochi anni fa l'automazione era relegata a compiti ripetitivi e circoscritti, oggi l'intelligenza artificiale sta diventando il pilastro trasversale che guida l'intera trasformazione digitale delle Telco, dalla pianificazione della rete radio fino all'esperienza del cliente finale. Non si tratta più soltanto di analizzare dati, ma di apprendere e automatizzare decisioni in tempo reale, riducendo i tempi di risposta e alzando l'asticella della qualità del servizio.

Il caso italiano: il RAN sharing accelerato dall'AI

In Italia il percorso è già visibile, anche se non sempre nei termini in cui viene raccontato. Il RAN sharing - la condivisione dell'infrastruttura radio tra più operatori - è una pratica tecnologicamente disponibile da tempo: ciò che sta cambiando non è la tecnologia in sé, ma la velocità e l'efficienza con cui viene pianificata e implementata, grazie all'integrazione con l'intelligenza artificiale. Non a caso osserviamo un trend per il quale gli operatori prevedono di internalizzare, nei prossimi anni, progettazione, processi autorizzativi e documentazione tecnica, ricorrendo a strumenti di IA per accelerare pianificazione e deployment della rete ed estendere la copertura 5G anche nei comuni più piccoli. Sul fronte dei servizi, Fastweb+Vodafone ha già generato nei primi nove mesi dell'anno 605 milioni di euro da soluzioni cloud, cybersecurity, mobile private network e IA, mentre il supercomputer NeXXt AI Factory punta a sviluppare modelli verticalizzati per le imprese italiane, in una logica di sovranità tecnologica più che di competizione con i grandi hyperscaler globali.

Dall'automazione all'AI agentica

Il salto di qualità riguarda però soprattutto il grado di autonomia che l'intelligenza artificiale può portare alla rete. Dai modelli tradizionali, addestrati per compiti specifici, si sta passando a sistemi di AI generativa e, in prospettiva, a un'AI agentica capace di perseguire obiettivi in modo autonomo: dal AI-RAN, che ottimizza in tempo reale spettro e potenza radio, al Network AI-Ops, che individua e risolve anomalie prima che impattino l'utente, fino agli assistenti cognitivi che automatizzano supporto tecnico e assistenza clienti. La sfida per gli operatori non è più dimostrare che l'AI funziona, ma renderla governabile su scala.

Le sfide da affrontare

Le criticità da affrontare sono infatti rilevanti: la qualità, la disponibilità e la sicurezza dei dati restano un prerequisito imprescindibile, così come la necessità di garantire trasparenza e controllo umano nelle decisioni automatizzate, evitando bias algoritmici e situazioni di dipendenza da un singolo fornitore tecnologico. A questo si aggiunge il tema regolatorio, con l'AI Act che introduce nuovi obblighi di conformità per gli usi critici dell'AI, e quello, non meno urgente, della carenza di competenze specialistiche in ambito ML-Ops e AI applicata alle reti.

Le tre direttrici strategiche

Per trasformare questa spinta tecnologica in un vantaggio strutturale, gli operatori dovranno muoversi su tre direttrici:

• Governance del dato. Superare la frammentazione tra sistemi di rete, CRM e piattaforme di customer experience attraverso architetture unificate che alimentino i modelli con informazioni affidabili, aggiornate e tracciabili lungo tutto il loro ciclo di vita: senza questa base, anche l'algoritmo più sofisticato produce risultati poco affidabili

• Integrazione tra AI, Telco Cloud ed Edge Computing. Condizione necessaria per abilitare l'inferenza in tempo reale su cui si basano i casi d'uso più avanzati, dal AI-RAN alla gestione predittiva dei guasti: solo avvicinando il calcolo alla fonte dei dati è possibile garantire i tempi di risposta richiesti da servizi critici e da applicazioni ad alta intensità di traffico

• Sviluppo interno delle competenze. Servono profili capaci di gestire, in autonomia e in sicurezza, un'infrastruttura sempre più cognitiva, presidiando non solo lo sviluppo dei modelli ma anche la loro validazione, il monitoraggio nel tempo e la gestione dei rischi di conformità, in un contesto normativo - quello dell'AI Act - destinato a farsi via via più stringente

Su questi tre fronti si giocherà la reale capacità delle Telco di trasformare l'intelligenza artificiale da leva sperimentale a infrastruttura di produzione.

Verso reti cognitive

Le reti del futuro non saranno soltanto più veloci, ma più capaci di comprendere ciò che accade al loro interno e di reagire prima che l'utente se ne accorga. Le Telco che sapranno costruire questa capacità, affidandosi a partner con esperienza consolidata su scala globale, saranno quelle in grado di offrire un servizio realmente predittivo, efficiente e all'altezza delle aspettative di un Paese sempre più connesso.