La industria de las telecomunicaciones se encuentra en un punto de inflexión. Durante las últimas dos décadas, cada ola de evolución tecnológica —desde 3G/4G hasta 5G/convergencia fija-móvil con la temprana adopción de la nube— ha añadido complejidad a todas las capas de la red.
Si bien estos avances han desbloqueado nuevas capacidades, también han introducido complejidad y sobrecarga operativa que muchos proveedores de servicios de comunicaciones (CSP) tienen dificultades para gestionar.
Ahora, mientras el mundo avanza rápidamente hacia la era de la IA generativa, las empresas de telecomunicaciones se enfrentan a una oportunidad única en su generación de transformar el modo en que se construyen, gestionan y operan las redes, volviéndolas altamente autónomas, agentes y “conversacionales” en cada capa.
Para lograrlo, recurrimos al concepto de «verticalización» de la GenAI. En otras palabras, buscamos resultados empresariales impactantes mediante una plataforma GenAI (operaciones LLM, operaciones de IA agentic) integral y con conocimiento específico del dominio.
Ya estamos presenciando una adopción acelerada de la verticalización de Gen AI adaptada a sectores como el comercio minorista, la tecnología financiera, la biotecnología y las grandes empresas.
Para las empresas de telecomunicaciones, el sector de la red se caracteriza por la alta velocidad, la disponibilidad de datos en tiempo real y no real, y un profundo conocimiento del dominio, así como por la necesidad de soporte tanto local como en la nube, una estricta gobernanza regulatoria y limitaciones de costos. Estos atributos únicos hacen que una solución de IA Gen altamente verticalizada sea una opción obvia.
La necesidad de actuar es urgente y el momento no podría ser mejor.
El imperativo de la automatización: simplificar lo complejo
Las empresas de telecomunicaciones actuales se enfrentan a un doble reto: reducir costes y, al mismo tiempo, construir redes preparadas para el futuro, basadas en la nube y en IA, para los servicios de la nueva era. Los métodos tradicionales para lograr la eficiencia operativa (reingeniería de procesos, externalización y automatización estándar) están obteniendo resultados cada vez menores. Lo que las empresas de telecomunicaciones necesitan ahora es un cambio de paradigma, y la automatización basada en IA de última generación ofrece precisamente eso.
Con cada actualización generacional —en múltiples dominios de radios, transporte y enrutadores, el auge de las redes centrales independientes 5G y las operaciones de segmentación asociadas, y las nuevas plataformas de monetización— hemos añadido capas de abstracción como planos de control, capas de orquestación, funciones de red virtualizadas/en contenedores, nubes híbridas… y la lista sigue creciendo. Esto ha dificultado la gestión de las redes, que también ha encarecido su mantenimiento.
Gen AI ofrece una plataforma de tres capas que transforma flujos de datos estructurados y no estructurados en resultados empresariales de IA agencial basados en personas. Estas capas son: 1) infraestructura de computación acelerada con servicio de modelos, 2) pila de operaciones de IA/operaciones LLM y 3) aplicaciones de IA agencial. Al diseñarse específicamente para el sector de las telecomunicaciones en cada capa, esta plataforma tiene un gran potencial para convertirse en una herramienta fundamental y altamente efectiva para la simplificación.
Gracias a su capacidad para comprender y generar respuestas similares a las humanas, analizar grandes volúmenes de datos e incluso automatizar la toma de decisiones, Gen AI se encuentra en una posición privilegiada para impulsar la automatización inteligente en todas las capas de la red. Puede optimizar la prestación de servicios, la resolución de problemas, la planificación de la red y mejorar las interacciones con los clientes, allanando el camino para redes más eficientes, inteligentes y ágiles.
A medida que las empresas de telecomunicaciones reconocen cada vez más este potencial transformador, el foco ha pasado de los proyectos piloto a la adopción y ampliación generalizadas, lo que refleja un cambio significativo en la estrategia y las prioridades de inversión.
Por ejemplo, en 2023, el 34 % de los CSP encuestados por McKinsey & Company se centraron en proyectos piloto y soluciones rápidas. Sin embargo, en 2025, el 64 % se centra en ampliar la adopción de IA/IA general mediante sistemas multiagente en toda la organización.
Desde una perspectiva financiera, Appledore predice que AIOps representará el 26% de los 14.800 millones de dólares que los CSP invertirán en automatización para 2028. Además, el McKinsey Global Institute estima que la IA de última generación tiene el potencial de generar entre un 35% y un 70% más de valor que el que ofrecían anteriormente la analítica avanzada y la IA tradicional.
Datos de CSP y sensibilidades de costos: la soberanía y el control importan
Sin duda, el control de datos, la soberanía y el coste siguen siendo las principales preocupaciones de las empresas de telecomunicaciones, y lo hemos experimentado de primera mano en los últimos tres años con la adopción acelerada de la nube híbrida. Dado que los CSP gestionan datos confidenciales de usuarios, regulados por estrictas leyes de protección de datos y seguridad nacional, muchos casos de uso de productividad a gran escala deben permanecer en las instalaciones.
Esto hace que las estrategias de nube soberana e IA soberana sean esenciales, especialmente para las capas de redes y operaciones. Las empresas de telecomunicaciones necesitan una infraestructura que les permita controlar sus flujos de datos de extremo a extremo, ya sea alojados en nubes privadas, edge, centros de datos regionales o centrales. Deben adoptar modelos híbridos donde la IA de última generación se implementa localmente para casos de uso críticos y en la nube para tareas más escalables.
Igualmente importante es evitar la dependencia de un proveedor o modelo. Mientras que las pilas de IA de generación cerrada inflan los costos y limitan la innovación, un enfoque que prioriza el código abierto, basado en una arquitectura flexible y respaldado por una pila tecnológica modular, permite a las empresas de telecomunicaciones desarrollar capacidades de forma incremental y sostenible, según sus propios términos.
El auge de la pila tecnológica de inteligencia artificial de código abierto industrial
La verticalización de Gen AI en empresas, fintech, biotecnología y otras industrias está impulsando la necesidad de pilas de Gen AI de código abierto y de grado industrial.
A diferencia de los inicios de la IA Gen, dominada por unas pocas plataformas comerciales cerradas, el panorama actual de la IA Gen prospera gracias a la innovación abierta. Modelos como Llama, Mistral y Falcon están madurando rápidamente, superando a menudo a sus homólogos propietarios en tareas específicas, a la vez que son rentables y altamente personalizables. Los modelos abiertos, que comparten datos de conjuntos de entrenamiento y ponderaciones abiertas, se están convirtiendo rápidamente en la norma; sin mencionar la aparición de modelos de razonamiento para respuestas bien pensadas y de alta relevancia, impulsados por el modelo DeepSeek 3 a principios de 2025.
Para contribuir a estos esfuerzos existe un rico ecosistema de herramientas Gen AI de código abierto que respaldan la verticalización:
- Los marcos de generación aumentada por recuperación (RAG) incorporan conocimiento específico del dominio para optimizar las interacciones que impulsan resultados comerciales significativos. RAG integra las capacidades de comprensión de ambos modelos y el conocimiento relevante de las telecomunicaciones para facilitar experiencias conversacionales específicas del dominio. El uso de la ciencia de datos avanzada para la optimización de RAG puede mejorar aún más la calidad de las respuestas.
- El ajuste fino con eficiencia de parámetros y la adaptación LoRA (adaptación de bajo rango) para personalizar modelos fundamentales con datos profundos específicos del sector de las telecomunicaciones son esenciales para lograr la verticalización del sector. En concreto, estos modelos están altamente ajustados (adaptados) y optimizados para realizar tareas de telecomunicaciones, con el objetivo de minimizar el tiempo de intervención humana.
- Herramientas de vectorización e indexación de conocimiento para gestionar una amplia gama de corpus de conocimiento del sector de las telecomunicaciones. Esto incluye la capacidad de fragmentar eficientemente, procesar datos multimodales de alto rendimiento, generar metadatos, indexar datos y realizar una recuperación semántica flexible. Dominar estas técnicas de gestión del conocimiento específicas de cada sector para impulsar la automatización es un arte y una ciencia.
- Flujos de trabajo y pipelines de IA con agentes que integran a la perfección la IA Gen en los ecosistemas empresariales, operativos y de TI existentes. Esto incluye el uso inteligente de llamadas a funciones y herramientas en un entorno multi-turno y multi-agente. Estos patrones de diseño avanzados deben integrarse en una práctica disciplinada de pruebas de un régimen de desarrollo que utilice ingeniería rápida, explicabilidad, gestión de alucinaciones y medidas de seguridad para la robustez. Un régimen clásico de desarrollo y pruebas de software simplemente no es suficiente en un sistema de IA Gen.
Las empresas de telecomunicaciones tendrán que aprovechar cada vez más este tipo de avances en la implementación de la pila Gen AI para mejorar los resultados específicos del negocio y elevar la experiencia del cliente.
Dada la alta velocidad de los datos (tanto en tiempo real como no real), la variedad y la complejidad de las redes de telecomunicaciones, el impacto potencial de la verticalización de la Gen AI en las empresas de telecomunicaciones podría ser aún más transformador.
Conocimiento del dominio: el eslabón perdido
Pero aquí reside un factor crítico de éxito: el conocimiento del sector de las telecomunicaciones, algo muy cercano a nosotros en Nokia. Los modelos de IA general, por muy potentes que sean, carecen de la comprensión contextual necesaria para resolver los problemas complejos de las telecomunicaciones. Las empresas de telecomunicaciones operan en un entorno con terminologías, restricciones regulatorias, métricas operativas y modelos de servicio únicos.
Para aplicar eficazmente la IA Genial, el conocimiento del dominio debe estar profundamente integrado en cada capa de la pila. Omdia informa que el 69 % de los CSP ya están migrando hacia la incorporación de la IA Genial en sus operaciones críticas de ciberseguridad, lo que requiere un profundo conocimiento de las redes 5G y sus procesos de gestión y operación.
Afortunadamente, las empresas de telecomunicaciones tienen dos activos importantes en este sentido:
- Datos (base de conocimiento) : Grandes volúmenes de datos de red, operativos, de clientes y de rendimiento, estructurados y no estructurados, abarcan años. Las tres capas de redes (gestión y operaciones, y producto/TI) son exclusivas de las empresas de telecomunicaciones; cada una presenta sus propios desafíos en cuanto a la gobernanza de datos.
- Expertos en el dominio de telecomunicaciones : profesionales experimentados con décadas de experiencia en planificación de redes, operaciones, atención al cliente y redes, y operaciones.
Estos recursos, al combinarse con las capacidades de la inteligencia artificial, pueden crear un círculo virtuoso.
Por ejemplo, los modelos entrenados con fallos históricos de red no solo pueden automatizar la resolución de problemas de L1 a L4, sino también predecir y prevenir futuras interrupciones. De igual manera, los sistemas de atención al cliente enriquecidos con Gen AI entrenados en el dominio pueden resolver problemas con mayor rapidez y personalización. Todo esto abre una vía estratégica de monetización: las empresas de telecomunicaciones pueden convertir sus conjuntos de datos y modelos entrenados en el dominio en productos para su uso en sectores adyacentes como las ciudades inteligentes, la automoción y el IoT industrial.
Construcción de una plataforma vertical de inteligencia artificial para empresas de telecomunicaciones
La verticalización no es algo que se instala y listo. Para tener éxito, las empresas de telecomunicaciones deben desarrollar sólidas competencias de software internas en torno a las prácticas de IA de Generación. Encontrar un socio estratégico clave que aporte experiencia en el sector y un conjunto único de habilidades en IA de Generación es fundamental .
Esto significa ir más allá de simplemente contratar científicos de IA: requiere formar equipos multidisciplinarios que combinen:
- Expertos en operaciones con LLM, compuestos por científicos de sistemas de aprendizaje automático y de datos con experiencia en la gestión del ciclo de vida, las mejores prácticas de IA general y los kits de herramientas y prácticas más avanzados. Existen múltiples capas de kits de herramientas de código abierto y de terceros, desde la gestión de datos hasta la gestión de granjas de modelos y, finalmente, la capa de IA agentica. Cada una requiere su propio enfoque.
- Expertos en el sector de las telecomunicaciones que pueden conectar los resultados de la pila tecnológica de IA de la generación anterior con el éxito operativo empresarial. Estos expertos se encargan del aprovisionamiento, la planificación, la implementación, los servicios y las operaciones de atención, y tienen una visión global de los desafíos de los operadores de telecomunicaciones.
- Ingenieros de IA y científicos de datos con experiencia en sistemas de plataformas escalables y distribuidas, así como en la gestión y el mantenimiento de los ciclos de vida de las plataformas Gen AI. Es fundamental contar con ingenieros de ciencia de datos, en todos los niveles, con experiencia en el ajuste fino, el preprocesamiento de datos y la optimización del rendimiento, especialmente al trabajar con datos complejos, tanto estructurados como no estructurados.
Nada de esto es territorio desconocido.
En Nokia, ya hemos creado centros de excelencia en torno a plataformas de software de código abierto mediante iniciativas centrales para el desarrollo de cargas de trabajo de telecomunicaciones altamente resilientes y nativas de la nube. Los mismos procesos disciplinados y replicables deben ahora adaptarse a una plataforma verticalizada para la adopción de aplicaciones de IA con agentes.
Las organizaciones también necesitarán un plan claro que facilite la reutilización, comenzando con un marco de granja de modelos para determinar qué LLM y/o SLM (de código abierto o comerciales) utilizar y cuándo. Es fundamental entrenar el modelo de forma óptima utilizando conjuntos de datos federados y limpios recopilados de toda la organización.
Con los equipos adecuados, las empresas de telecomunicaciones pueden tomar propiedad de su recorrido hacia la IA, reducir la dependencia de proveedores externos y adaptar las soluciones a sus necesidades exactas.
Beneficios a medio plazo: ganancias claras y cuantificables en 12 a 18 meses
¿Y lo mejor? No se trata de una apuesta arriesgada a largo plazo. Con inversiones específicas y una alineación estratégica, las empresas de telecomunicaciones pueden empezar a ver mejoras reales de productividad en un plazo de 12 a 18 meses.
Si bien hemos explorado más de 50 casos de uso basados en perfiles de telecomunicaciones específicamente para Gen AI, varios casos de uso de IA agentic de alto impacto ya están a nuestro alcance. Piense en cada rol de su organización —desde ingenieros de planificación y operaciones, hasta estrategas de red, profesionales de seguridad y propietarios de producto—, cada uno con aplicaciones de IA agentic que contribuyen a una eficiencia de 5 a 10 veces mayor.
Algunos casos de uso reales y de fácil solución son:
- Automatización de resolución de problemas de extremo a extremo (L1 a L4) : los agentes de Gen AI pueden reducir el tiempo medio de reparación (MTTR) al automatizar el análisis de causa raíz, la orientación para la resolución y la gestión de tickets.
- Automatización del diseño : los procesos de diseño de alto y bajo nivel, a menudo manuales y que consumen mucho tiempo, se pueden semiautomatizar con Gen AI, reduciendo los ciclos de planificación de semanas a días.
- Orquestación de servicios, experiencia del cliente e integración de atención : Gen AI puede unificar sistemas fragmentados en aprovisionamiento, facturación y soporte, creando una experiencia fluida para el cliente.
Además, muchos de estos casos se superponen con las experiencias de los clientes finales, lo que les permite escalar a través de modelos B2C, B2B y B2B2X.
Conclusión: La verticalización de la IA en Telco Gen no es opcional, es inevitable
La convergencia de tres fuerzas (la necesidad de una simplificación rentable, la madurez de la inteligencia artificial de generación de código abierto y la disponibilidad de datos y experiencia específicos del dominio) ha creado la tormenta perfecta para la verticalización de la inteligencia artificial de generación en las telecomunicaciones.
No se trata solo de una apuesta tecnológica; es un imperativo estratégico que impulsa los resultados empresariales. Las empresas de telecomunicaciones que actúen ahora reducirán costes y mejorarán la eficiencia, abriendo nuevos canales de crecimiento en una industria que está lista para la reinvención. Las herramientas, el talento y la tecnología están disponibles; lo que se necesita es visión y velocidad.
La verticalización de la IA de la generación anterior ya no es una consideración futura. Para las empresas de telecomunicaciones, es hora de actuar . NOKIA Blog. J. B. Traducido al español
Contacto