Las operadoras de telecomunicaciones han visto retornos notables al usar IA generativa para automatizar gestión de red, atención al cliente y operaciones de back-office. La mayor parte de ese impacto ha sido por tareas puntuales: automatización que acelera pasos predeterminados mientras las personas correlacionan manualmente y deciden el siguiente paso.

La automatización ya no es la meta, sino la rampa hacia la autonomía.

La industria empuja ahora hacia redes autónomas y operaciones donde los agentes de IA monitorean proactivamente problemas y coordinan cambios entre los sistemas de red, IT y negocio.

En conjunto, datos sintéticos, modelos de dominio telco, runtimes seguros para agentes y simulaciones forman las piezas críticas de una plataforma segura de autonomía telecom, donde los agentes entienden la intención del operador, actúan con seguridad entre dominios de negocio y red, y mantienen al humano a cargo de la política.

NVIDIA y sus partners están mostrando estos bloques de construcción en TM Forum DTW Ignite 2026, que corre esta semana en Copenhague, con un camino práctico para operar redes más autónomas y resilientes, además de impulsar servicios IA más ricos para consumidores y empresas.

¿Cómo se entrena un agente IA con datos sensibles de telecom?

Los modelos de razonamiento que entienden el dominio telecom son la base de las redes autónomas. Estos modelos especializados requieren fine-tuning sobre datasets de alta calidad, pero el 54% de las operadoras cita problemas relacionados con datos como su mayor barrera, ya que los datos más valiosos de red y de clientes son demasiado sensibles para usarlos directamente.

Los datos sintéticos permiten a las operadoras aumentar volumen y diversidad del entrenamiento, proteger información sensible y democratizar el acceso a datasets telecom realistas entre equipos internos y desarrolladores externos, sin exponer registros de clientes reales.

SoftBank Corp usa tecnologías como NVIDIA NeMo Safe Synthesizer y NVIDIA NeMo Anonymizer para generar datasets sintéticos que preservan la privacidad y reflejan la estructura y distribución de datos reales de rendimiento y configuración de red. Esos datasets afinan su modelo grande de telecom y construyen agentes de red especializados.

¿Cómo se despliegan agentes autónomos sin perder gobernanza?

A medida que las operadoras buscan autonomía en flujos end-to-end, necesitan agentes IA capaces de sostener una tarea compleja de principio a fin, no solo ejecutar un paso puntual. Los agentes autónomos de larga duración, que operan bajo SLAs estrictos, políticas de gestión de cambios y restricciones regulatorias, son la clave de este giro.

Los blueprints NVIDIA NemoClaw y el runtime seguro NVIDIA OpenShell entregan a estos agentes guardrails basados en políticas y acceso sandboxed a los sistemas telecom, para que las operadoras expandan con más seguridad el rol de los agentes manteniendo el comportamiento predecible, auditable y gobernado.

AdaptKey colabora con operadoras en pilotos de agentes endurecidos y de larga duración para operaciones 5G self-healing. NemoClaw y OpenShell habilitan agentes que detectan incidentes de seguridad y conectividad y envían solicitudes de remediación acotadas hacia la plataforma KeySmith de AdaptKey, que orquesta diagnóstico y corre agentes que aplican fixes auditables en core, radio access network (RAN) y sistemas de facturación.

Amdocs está mostrando el potencial de NemoClaw y OpenShell para agentes proactivos de atención al cliente, incluido un escenario de asistencia de roaming donde un agente autónomo identifica clientes cuyo paquete se está agotando, los contacta con opciones aprobadas y ejecuta acciones dentro de políticas de negocio y controles operativos.

Amdocs también aplica este runtime a agentes autónomos de data science que analizan cuentas de clientes y evalúan la elegibilidad para migración, generando vistas rankeadas y listas para decidir que ayudan a las operadoras a secuenciar inteligentemente las migraciones a plataformas modernas de facturación y negocio.

NTT DATA usa los modelos abiertos NVIDIA Nemotron junto a NemoClaw para construir agentes de larga duración orientados a detección proactiva de degradación de red. Estos agentes de anomalía siguen tendencias de rendimiento a largo plazo y escalan los casos relevantes a agentes de investigación para análisis fino de telemetría y propuestas claras de remediación.

ServiceNow está llevando Project Arc al sector telecom, habilitando agentes autónomos en el network operations center que corren respuesta a incidentes. Arc extrae contexto desde correos, logs y diagnósticos en sistemas desconectados y orquesta el ciclo completo desde la alerta inicial hasta la orden de trabajo asignada. Asegurado por NVIDIA OpenShell y gobernado por ServiceNow AI Control Tower, cada acción de Arc queda contenida, auditable y dentro de la política.

Tata Consultancy Services (TCS) construye una arquitectura de AI sensor multi-fidelidad que ayuda a las operadoras a detectar y resolver problemas de red más rápido. NemoClaw orquesta agentes de larga duración con Nemotron y NVIDIA NV-Tesseract que barren ampliamente en busca de problemas y disparan selectivamente diagnósticos más profundos, dando a las operadoras un camino más rápido y eficiente entre la anomalía y la acción.

¿Qué papel juega la simulación en la confianza sobre los agentes?

A medida que los agentes IA toman más responsabilidad en operaciones telecom, la simulación se vuelve parte integral del soporte a la decisión. Al acelerar cargas de simulación en GPU, las operadoras pueden darle al agente un entorno seguro y casi en tiempo real para validar sus recomendaciones antes de actuar sobre la red y los sistemas de negocio en vivo.

Forsk integró un modelo de propagación de radio basado en IA dentro de su plataforma Naos de planificación RAN, alcanzando precisión nivel ray-tracing hasta 200 veces más rápido que las líneas base solo en CPU, corriendo sobre GPUs NVIDIA RTX PRO 6000 Blackwell Server Edition. El digital twin RAN resultante permite a las operadoras optimizar la red de manera segura en casi tiempo real, habilitando casos como self-healing y ajuste automático de tilt de antena.

VIAVI Solutions está acelerando su TeraVM AI RAN Scenario Generator al migrar simulaciones RAN a gran escala desde CPU hacia GPUs NVIDIA RTX PRO 6000 Blackwell Server Edition. Los primeros resultados muestran mejoras de orden de magnitud en throughput de simulación, permitiendo correr escenarios de alta fidelidad a escala de despliegue real para que los agentes autónomos validen cambios de red propuestos.

VIAVI también liberó un IP Network Configuration Blueprint que extiende la validación a los dominios de red IP y transporte, permitiendo validar de manera segura cambios de ruteo, traffic engineering y resiliencia antes de tocar la red en vivo.

KDDI y KDDI Research están llevando la simulación acelerada a la era 6G mediante una colaboración con NVIDIA, Keysight y Samsung Research America para construir un digital twin RAN de alta fidelidad usando NVIDIA Aerial Omniverse Digital Twin y las herramientas de emulación de Keysight, corriendo sobre los centros de datos IA de KDDI. En ese entorno, múltiples agentes autónomos podrán simular y validar de manera segura escenarios what-if de RAN, desde estrategias de optimización por área hasta condiciones de radio futuras, cambios de tráfico y nuevas funciones de interfaz aérea con IA.