Redes autônomas, antes vistas como um objetivo distante para as telecomunicações, agora são uma prioridade urgente. De acordo com o mais recente relatório da NVIDIA, State of AI in Telecommunications , a automação de redes é o principal caso de uso de IA para investimento e retorno real, mostrando onde as operadoras encontram valor imediato na IA.
Embora muitas empresas de telecomunicações já automatizem fluxos de trabalho predefinidos, alcançar a verdadeira autonomia exige mais. Redes autônomas precisam compreender a intenção do operador, ponderar opções e determinar as melhores ações dentro de infraestruturas complexas. Essa mudança depende de modelos de raciocínio e agentes de IA especificamente treinados com dados de telecomunicações e padrões operacionais.
Sistemas de agentes para telecomunicações
A transição para operações autônomas exige mais do que apenas modelos de IA isolados. As empresas de telecomunicações precisam de sistemas de agentes completos que incluam:
- Modelos de rede específicos para telecomunicações que compreendem a linguagem e a estrutura do domínio.
- Agentes de IA capazes de se comunicar e coordenar entre si.
- Ferramentas de simulação de rede que confirmam as alterações propostas antes que elas impactem ambientes reais.
Antes do Mobile World Congress Barcelona, a NVIDIA apresentou diversos elementos voltados para essa estrutura: um modelo aberto para grandes operadoras de telecomunicações (LTM, na sigla em inglês) baseado no Nemotron, um guia para a criação de agentes de raciocínio para operações de rede e novos NVIDIA Blueprints para economia de energia e configuração de rede usando orquestração multiagente. Esses componentes ajudam as operadoras a fazer uma transição gradual para redes autônomas, mantendo o controle de sua infraestrutura.
Como parte da nova iniciativa Open Telco AI da GSMA, a NVIDIA está disponibilizando o LTM, o guia e os respectivos modelos de IA agética como recursos abertos por meio da GSMA. Essa abordagem fornece ao ecossistema móvel em geral blocos de construção comuns, em vez de soluções proprietárias.
Modelo de raciocínio aberto e otimizado para telecomunicações
Para implementar IA generativa e agente em ambientes de telecomunicações de produção, os modelos devem compreender a linguagem das telecomunicações e raciocinar por meio de processos reais de rede. A NVIDIA, em colaboração com a consultoria AdaptKey AI, apresentou o Nemotron LTM, um modelo de código aberto com 30 bilhões de parâmetros que operadoras globais podem usar como base para redes autônomas.
O LTM baseia-se na família de modelos fundamentais NVIDIA Nemotron 3 e é otimizado pela AdaptKey AI usando conjuntos de dados abertos de telecomunicações, incluindo padrões da indústria e registros de rede sintéticos. Essa otimização concentra-se em tarefas essenciais de telecomunicações, como:
- Identificação de falhas em ambientes de múltiplas camadas e múltiplos fornecedores.
- Planejamento para remediação, incluindo caminhos de decisão e procedimentos de reversão.
- Validar alterações e avaliar impactos antes e depois das atualizações.
Como o Nemotron LTM é aberto, as operadoras obtêm visibilidade completa do seu processo de treinamento e das fontes de dados. Essa transparência permite a implantação segura em ambientes de telecomunicações, possibilitando que as operadoras criem e executem agentes dentro de seus próprios limites de segurança. Também permite que as operadoras ajustem o raciocínio específico para telecomunicações usando dados operacionais e de rede internos, adaptando o modelo às suas arquiteturas e políticas específicas sem comprometer informações confidenciais.
Guia aberto para a criação de agentes de raciocínio para telecomunicações
A NVIDIA e a Tech Mahindra lançaram um guia de código aberto para operadores que mostra como transformar modelos de raciocínio específicos de domínio em agentes capazes de executar fluxos de trabalho de centros de operações de rede (NOC) com segurança.
O guia descreve uma estrutura que ajuda os modelos a raciocinarem como engenheiros de NOC. Ele os instrui a:
- Identifique rapidamente os tipos de incidentes de alto impacto e alta frequência em que a automação beneficia as operações.
- Converta soluções de engenharia especializadas em procedimentos claros e passo a passo.
- Transforme esses procedimentos em registros de raciocínio estruturados que documentem cada ação, uso de ferramenta, resultado observado e ponto de decisão.
Esses registros servem como "exemplos de raciocínio" para o modelo, detalhando as ações a serem tomadas e os motivos por trás de verificações específicas, caminhos de escalonamento e soluções consideradas seguras e eficazes. Com o pipeline NVIDIA NeMo-Skills, as operadoras podem refinar um modelo de raciocínio usando esses registros e criar agentes especializados em telecomunicações que lidam com a solução de problemas e operações, de forma semelhante a engenheiros de rede experientes.
Autonomia em Circuito Fechado e Otimização de Energia RAN
Redes autônomas dependem de operação em circuito fechado. Os modelos devem compreender o estado da rede, os agentes devem agir de acordo com a intenção do operador e os resultados da simulação, e o feedback deve refinar continuamente as decisões futuras.
O novo Blueprint da NVIDIA para eficiência energética RAN orientada por intenção ilustra esse princípio em redes de acesso de rádio 5G. O objetivo do Blueprint é ajudar as operadoras a reduzir sistematicamente o consumo de energia da RAN, mantendo a qualidade do serviço.
A arquitetura de referência incorpora o TeraVM AI RAN Scenario Generator (AI RSG) da VIAVI, que gera dados sintéticos de RAN, como uso de células, taxa de transferência do usuário e padrões de tráfego. O AI RSG transforma esses dados em um formato que os agentes de IA podem consultar.
Um agente de planejamento energético analisa os dados sintéticos para criar políticas de economia de energia, que são então testadas no AI RSG. Esse sistema de circuito fechado permite que as operadoras avaliem como as estratégias de economia de energia podem funcionar em cenários realistas antes de afetar as configurações em produção, oferecendo uma abordagem mais segura para atingir as metas de eficiência energética sem prejudicar a experiência do assinante.
Plano para configuração de rede de telecomunicações em uso real
O projeto da NVIDIA para configuração de redes de telecomunicações passou do conceito à aplicação prática, com operadoras utilizando-o para introduzir IA ativa em ambientes de produção.
A Cassava Technologies está aplicando o modelo de configuração como base para o Cassava AI RAN, uma plataforma de agentes para o diversificado cenário de redes móveis multivendor da África. A plataforma apresenta três agentes especializados:
- Um agente de monitoramento e recomendação que acompanha as condições da rede e sugere alterações de configuração.
- Um agente de execução que implementa as alterações aprovadas, garantindo ao mesmo tempo documentação e governança completas.
- Um agente de validação e reversão que avalia o impacto das alterações e as reverte caso causem consequências indesejadas.
Essa abordagem multiagente promove ciclos de configuração mais seguros e rápidos em diversas configurações de rádio e fornecedores.
A NTT DATA está usando o mesmo modelo para aprimorar a regulação do tráfego, especialmente quando os usuários se reconectam após interrupções e as redes sofrem picos repentinos de demanda. Implantado com uma operadora de nível 1 no Japão, um agente de IA monitora a demanda em tempo real em todas as células e toma decisões de controle de admissão, determinando quando e como admitir novos usuários em células específicas. À medida que a demanda retorna ao normal, o agente ajusta suas ações, transformando o gerenciamento manual de tráfego em um ciclo de otimização orientado por dados que busca melhorar a resiliência durante picos de demanda.
Orquestração Multiagente
Para auxiliar as operadoras no projeto, rastreamento e otimização de fluxos de trabalho multiagentes na RAN, a NVIDIA e a BubbleRAN estão atualizando o NVIDIA Blueprint para redes de telecomunicações com duas estruturas integradas:
- NVIDIA NeMo Agent Toolkit (NAT) para criação e coordenação de agentes de IA.
- O BubbleRAN Agentic Toolkit (BAT) serve para orquestrar esses agentes em ambientes de nível de telecomunicações.
A BubbleRAN está incorporando NAT e BAT em sua plataforma Opti-Sphere, que gerencia agentes de monitoramento, configuração e validação em contêineres e cargas de trabalho. O Opti-Sphere conecta os agentes a ferramentas que revelam métricas de rede e status do tráfego, permitindo que eles sugiram continuamente alterações de configuração, simulem ou validem essas alterações e se ajustem de acordo.
O Grupo Telenor será a primeira empresa de telecomunicações a implementar este modelo atualizado com o BubbleRAN, aprimorando sua rede 5G para a Telenor Maritime, provedora global de conectividade do grupo para clientes marítimos. Esta implementação testará a orquestração de agentes e as operações em circuito fechado em um ambiente de conectividade desafiador, onde as condições variáveis e os altos requisitos de disponibilidade enfatizam a necessidade de um comportamento de rede robusto e autônomo.
Amazon