L’adozione dell’agentic AI entra ufficialmente nell’agenda strategica degli operatori mobili. Il nuovo documento dell’alleanza Ngmn dedica infatti un quadro strutturato all’evoluzione dei modelli operativi cloud‑native, delineando un percorso graduale che accompagna i gestori verso forme sempre più avanzate di autonomia decisionale e supervisione intelligente delle reti. Nel report “Cloud Native Next Chapter – Agentic AI‑based Operating Models”, l’organizzazione riconosce che la trasformazione non riguarda solo gli strumenti, ma coinvolge processi, competenze e cultura aziendale, ridefinendo il modo in cui le infrastrutture mobili vengono progettate, orchestrate e governate. È un passaggio cruciale, perché gli operatori devono sostenere l’esplosione della complessità generata da funzioni cloud‑native, edge distribuiti e ambienti multivendor sempre più eterogenei.
Secondo Ngmn, l’avvento di sistemi capaci di ragionare su obiettivi e contesti apre la strada a un cambio di paradigma nella gestione operativa. “L’agentic AI ha il potenziale per cambiare radicalmente il modo in cui vengono gestite le reti di telecomunicazioni, ma solo se gli operatori costruiscono le fondamenta giuste”, osserva Laurent Leboucher, presidente del board Ngmn e chief technology officer del gruppo Orange. L’alleanza evidenzia come la maturità cloud‑native rappresenti la condizione abilitante per integrare funzionalità autonome senza compromettere affidabilità e controllo. L’obiettivo è evitare un’automazione incontrollata, sostituendola con percorsi graduali sorretti da misurazioni continue e governance responsabile.
Indice degli argomenti
Le motivazioni alla base della transizione
La crescente complessità operativa è il primo fattore che spinge verso l’adozione dell’agentic AI. Le funzioni cloud‑native, l’integrazione di componenti provenienti da più fornitori e la distribuzione di servizi tra core e edge rendono sempre più difficile mantenere il governo manuale dei sistemi. L’alleanza segnala che gli strumenti intelligenti possono ridurre drasticamente i tempi di ripristino e sostenere i team in attività che richiedono analisi rapide su grandi volumi di dati, come log, metriche e telemetrie. Nel documento si sottolinea che l’abbondanza di informazioni disponibili costituisce un patrimonio prezioso per migliorare riconoscimento dei pattern, individuazione degli incidenti e predizione dei guasti, abilitando un’evoluzione continua verso forme più spinte di automazione operativa.
In parallelo aumenta l’esigenza di efficiency. Modelli intelligenti e architetture ottimizzate possono contribuire a ridurre consumi energetici e costi di esercizio, in un contesto in cui la sostenibilità pesa ormai quanto le performance. Il passaggio verso l’agentic ai non mira solo alla velocità delle operazioni, ma alla loro sostenibilità nel lungo periodo, attraverso allocazioni dinamiche, bilanciamento intelligente dei carichi e ottimizzazioni multi‑livello.
Le cinque fasi di maturità
Ngmn organizza la road map in cinque livelli, ciascuno associato a un avanzamento della maturità cloud‑native.
- Il primo stadio riguarda l’introduzione controllata di strumenti generativi, circoscritti a contesti protetti e con regole severe su riservatezza e qualità dei dati.
- Il secondo livello segna il passaggio a un uso produttivo iniziale, dove pipeline strutturate e prime forme di osservabilità consentono di monitorare l’impatto operativo.
- La terza fase introduce una vera integrazione nei workflow, con processi standardizzati, sistemi di valutazione continua e capacità di prevedere derive o anomalie.
- Il livello successivo definisce un ambiente a ciclo chiuso, nel quale modelli intelligenti attivano azioni correttive senza intervento umano, sebbene sotto il controllo di policy di sicurezza e meccanismi di rollback.
- L’ultimo gradino completa la visione, estendendo logiche autonome all’intera organizzazione, con audit, sostenibilità misurabile e federazione delle competenze tra team distribuiti.
L’alleanza indica come ogni passaggio richieda un avanzamento parallelo nelle dimensioni tecnologiche e organizzative. L’adozione dell’agentic AI, infatti, procede solo se la base cloud‑native raggiunge livelli adeguati di standardizzazione, sicurezza e osservabilità. Questo approccio integrato consente di evitare investimenti dispersivi e permette agli operatori di valutare in anticipo impatti e rischi.
Le implicazioni per l’organizzazione
La trasformazione non riguarda soltanto la tecnologia. Ogni livello introduce cambiamenti nei ruoli, nei flussi di lavoro e nella cultura aziendale. Cresce la necessità di nuove figure, come specialisti Llmops, ingegneri dedicati all’orchestrazione intelligente e professionisti capaci di interagire con modelli evoluti mantenendo al centro la supervisione umana. L’alleanza prevede un futuro in cui alcune attività tradizionalmente svolte nei centri operativi verranno riformulate attraverso piattaforme autonome, mentre i team si concentreranno sulla definizione delle strategie e sulla gestione delle eccezioni.
“L’adozione dell’agentic AI non è soltanto una questione tecnologica. La riuscita del percorso richiede una trasformazione organizzativa ampia, che comprende nuove competenze, governance responsabile e flussi di lavoro ripensati”, ricorda Anita Döhler, direttrice generale di Ngmn. La spinta verso l’autonomia non elimina il ruolo umano, ma lo orienta verso attività ad alto valore, come la supervisione, il controllo della qualità delle decisioni e la valutazione della conformità.
Architetture e strumenti a supporto
Ngmn dedica una parte significativa del report agli abilitatori tecnologici. La distribuzione cloud‑native su cluster Kubernetes e l’adozione di pipeline di integrazione e deploy automatizzati creano la base per applicazioni intelligenti su larga scala. Sistemi di gestione del ciclo di vita delle funzioni di rete, service mesh e layer avanzati di osservabilità permettono di costruire ambienti coerenti, resilienti e tracciabili. Il framework include inoltre piattaforme per modelli linguistici, basi dati vettoriali, strumenti per orchestrare workflow intelligenti e infrastrutture per acceleratori hardware, indispensabili per gestire carichi intensivi e applicazioni di reasoning in tempo reale. Si delineano così reti pronte a sfruttare funzioni predittive, analisi contestuali e simulazioni avanzate basate su gemelli digitali.
Tali componenti abilitano una gestione più efficiente dell’intero ciclo operativo. Gli strumenti di monitoraggio diventano fonti continue di conoscenza per modelli capaci di anticipare i problemi e proporre soluzioni. L’integrazione di basi dati semantiche rafforza l’accesso alla conoscenza tecnica e rende la documentazione operativa un asset vivo, capace di aggiornarsi in funzione del contesto. Inoltre, l’introduzione di modelli agentici favorisce lo sviluppo di nuovi servizi, come automatismi evoluti per la pianificazione e la gestione delle risorse.
Verso l’autonomia governata
Secondo l’alleanza, questa evoluzione conduce verso una forma di autonomia governata, che non mira a sostituire la supervisione umana, ma a renderla più efficace. Il principio chiave è la trasparenza del comportamento dei modelli. Le policy, gli audit e le metriche diventano parti integranti del ciclo di vita dell’intelligenza, mentre la misurazione continua dell’impatto consente agli operatori di stimare ritorni economici e benefici operativi in modo più accurato. L’attenzione verso sostenibilità e compliance completa il quadro, evidenziando come l’autonomia non possa prescindere da solidi meccanismi di responsabilità.
“Fornendo cinque stadi chiari, questa pubblicazione offre ai gestori una road map per far evolvere le piattaforme cloud‑native verso modelli operativi abilitati dall’agentic ai, fissando obiettivi e misurando risultati”, sottolinea Döhler. Il messaggio è preciso: la costruzione di reti intelligenti passa per un cammino strutturato, capace di bilanciare innovazione e sicurezza, sperimentazione e continuità operativa.
Il ruolo della collaborazione
Ngmn invita infine l’intero ecosistema a contribuire. Operatori, fornitori tecnologici, organismi di standardizzazione e realtà accademiche devono collaborare per evitare soluzioni frammentate e per favorire ambienti interoperabili. La convergenza verso modelli agentici non può avvenire in modo isolato. Gli standard aperti, gli scambi tecnici e la condivisione di buone pratiche sono determinanti per accelerare l’adozione e ridurre i rischi.
L’alleanza conferma quindi una visione ambiziosa: l’agentic AI rappresenta il prossimo capitolo nella gestione delle reti mobili, un capitolo in cui automazione cognitiva, cultura digitale e maturità cloud‑native convergono per costruire infrastrutture più resilienti, sostenibili e capaci di adattarsi a un settore in trasformazione rapida. Operatori e stakeholder sono chiamati a cogliere questo momento, trasformando la complessità in un’opportunità di rinnovamento profondo.
