La IA está imponiendo una nueva realidad en el sector telco. Los operadores móviles ajustan sus despliegues SMO (orquestación y gestión del servicio) y Non-RT RIC (controlador inteligente de RAN no en tiempo real), para la automatización a nivel de red mediante rApps habilitadas por IA/ML. A la par buscan cada vez más dApps (aplicaciones descentralizadas) en tiempo real y actualizaciones de software integrado de IA para RAN que permita mejorar el rendimiento, la eficiencia energética y la autonomía operativa. Todo ello hace aventurar a que el gasto anual en automatización de IA-RAN alcance los 1.100 millones de dólares para 2030, según un nuevo informe de SNS Telecom & IT.
De acuerdo con este análisis, la automatización de la RAN – la parte más cara, técnicamente compleja y consumidora de energía de la infraestructura móvil – es un aspecto clave en los recorridos de los operadores móviles hacia operaciones L4 (redes altamente autónomas) y, finalmente, L5 (totalmente autónomas). Gracias a la inteligencia artificial y el aprendizaje automático, la automatización de la RAN tiene el potencial de transformar significativamente la economía de las redes móviles al reducir la relación OpEx respecto a ingresos, minimizar el consumo energético, disminuir las emisiones de dióxido de carbono, diferir el CapEx evitable, optimizar el rendimiento, mejorar la experiencia del usuario y habilitar nuevos servicios.
En este escenario, operadoras como Rakuten Mobile, China Mobile, STC (Saudi Telecom Company), TDC NET y otras telco ya han alcanzado un nivel de autonomía L4 para casos de uso específicos en sus operaciones de RAN en vivo. Y ya hay beneficios probados y cuantificables de este estadio que hablan desde un ahorro energético del 20% sin comprometer la experiencia del cliente hasta una reducción de hasta un 60% en cortes de red durante eventos multitudinarios.
Pero la cuestión que analiza la consultora es que más allá de las redes móviles públicas terrestres, la automatización de RAN también está ganando terreno en otros segmentos de la industria, apoyando aplicaciones que van desde la orquestación de recursos NTN (Red No Terrestre) e interconexión terrestre-satélite hasta la gestión de redes privadas 5G impulsadas por IA agéntica, control adaptativo de potencia en despliegues de redes móviles en alta mar, ISAC (Integrated Sensing & Communications) para operaciones antidrones y control de emisiones para redes tácticas 5G.
Índice de temas
Cambio de tendencia
Igualmente, el documento sostiene que el mercado de automatización de RAN está experimentando una transición desde la tecnología tradicional SON (Self-Organizing Network o red autoorganizada) hacia arquitecturas más abiertas y basadas en aplicaciones, construidas alrededor de plataformas RIC (RAN Intelligent Controller) y SMO (Service Management & Orchestration). En particular, explican que las aplicaciones rApps coordinadas de forma centralizada y alojadas en la capa RIC no en tiempo real (Non-RT) se están imponiendo como el enfoque preferido para la automatización en toda la red y de múltiples proveedores, y su adopción se está acelerando entre operadores con redes ya existentes, como AT&T, Verizon, Telus, Vodafone, Deutsche Telekom, Swisscom y Telstra.
Aunque la reticencia entre los proveedores de DU/CU (Distributed Unit / Centralized Unit), es decir, los proveedores de tecnología que fabrican los componentes de software y hardware encargados de procesar las señales de las antenas en las redes móviles modernas, ha frenado la adopción de xApps y el Near-RT RIC, hay un interés creciente en la propuesta reciente de interfaz E3, que proporciona un mecanismo estandarizado para que las dApps se interactúen directamente con nodos de banda base Open RAN para un control en bucle cerrado más allá de los límites de latencia de 10 milisegundos de xApps, incluyendo optimización de rendimiento en capas inferiores, geolocalización, detección integrada, compartición de espectro y cancelación de interferencias en 5G y futuros despliegues de 6G. De esta manera, subrayan que una alternativa a las dApps que están explorando algunos fabricantes es ofrecer capacidades propietarias de optimización en tiempo real habilitadas por IA como actualizaciones de software a plataformas RAN existentes mediante modelos de licencia por suscripción.
Así las cosas, conocida comúnmente como IA-for-RAN, la integración más profunda de la IA, el aprendizaje automático y sus derivados para la automatización y optimización de RAN es la faceta comercialmente más madura del movimiento más amplio denominado IA-RAN, que también abarca IA-y-RAN – el alojamiento conjunto de la RAN y las cargas de trabajo externas de la IA en una infraestructura compartida y acelerada por GPU; y AI-on-RAN – la habilitación de servicios de IA en el borde para abonados móviles.
Redes 6G y gemelos digitales de RAN
En este sentido, desde la consultora prevén que el lanzamiento de las primeras redes 6G – que se están estandarizando como sistemas nativos de IA desde el principio – alrededor de 2030, aumentará significativamente el margen para la innovación independiente del hardware e impulsada por el software y que acercará a la industria a operaciones de red totalmente autónomas. También espera que los gemelos digitales de RAN jueguen un papel cada vez más importante, permitiendo a los operadores validar las funciones de la interfaz aérea basadas en la IA y entrenar algoritmos de optimización en entornos virtuales de alta fidelidad antes de introducirlos en redes 6G en producción.
Crecimiento del mercado de automatización de RAN
Impulsado en gran medida por las crecientes inversiones tanto en la automatización coordinada de forma centralizada y basada en SMO/RIC a nivel de red como en las actualizaciones de software de IA para RAN destinadas a la inteligencia en tiempo real integrada y a la sustitución de los algoritmos estáticos basados en reglas en los nodos RAN, se prevé que el gasto anual en software y servicios de automatización y optimización de AI-RAN crezca un 9% durante los próximos cuatro años, hasta alcanzar finalmente los 1.100 millones de dólares a finales de 2030. Asimismo, se pronostica que el gasto total en el mercado más amplio de la automatización de RAN —que incluye la automatización tradicional SON y la automatización propietaria a nivel de red, las actualizaciones de IA para RAN, SMO/RIC y d/x/rApps de Open RAN, las herramientas de planificación de RF y las soluciones automatizadas de pruebas y mediciones— aumente aproximadamente el 4% durante el mismo periodo.
