AIOps agentico è la parola chiave che sintetizza il cambio di paradigma in corso nelle telecomunicazioni. Non più automazione reattiva e strumenti isolati, ma un modello operativo capace di coordinare rete e IT attraverso agenti di AI autonomi, governati dall’uomo e alimentati da una base dati condivisa. È la direzione indicata dall’analisi presentata su TM Forum, che fotografa una transizione già avviata e destinata ad accelerare nei prossimi anni.
Il punto di partenza è una constatazione netta. Le operations telco tradizionali faticano a reggere la complessità di reti software‑defined, cloud distribuito e servizi digitali sempre più personalizzati. L’AIOps agentico nasce per rispondere a questa sfida, superando la logica a silos che ha separato storicamente domini di rete, sistemi IT e customer care.
Indice degli argomenti
Dalla automazione a silos alla collaborazione tra agenti
Nel modello emergente, l’automazione non è più confinata a singole funzioni. Agenti specializzati monitorano rete, infrastrutture IT e servizi al cliente, ma operano in modo coordinato. Un agente di orchestrazione centrale governa i flussi, pianifica le azioni e attiva Api, script e sistemi di ticketing. In questo contesto, molte attività di routine diventano quasi invisibili agli operatori umani, che intervengono solo sui casi ad alta complessità o impatto.
Il risultato è una riduzione drastica dei tempi di risposta e una maggiore coerenza decisionale. Un problema non viene più letto come un’anomalia isolata, ma come un evento che attraversa più domini e richiede una risposta end‑to‑end. È il passaggio che rende credibile l’idea di operations “lights‑out” per i processi standard, senza rinunciare al controllo.
Il data lake unificato come infrastruttura cognitiva
Alla base dell’AIOps agentico c’è un elemento abilitante: il data lake unificato. Telemetrie di rete, eventi Oss e Bss, metriche IT, dati Crm e billing confluiscono in un’unica piattaforma, aggiornata in tempo reale. La vera differenza, però, la fa la modellazione semantica, che collega clienti, servizi, elementi di rete, asset IT e slice, rendendo esplicite le relazioni.
Questo strato semantico fornisce agli agenti un contesto condiviso e spiegabile. Diventa così possibile correlare sintomi apparentemente distanti, individuare la causa radice e valutare l’impatto reale su clienti e Sla. Nei casi di dati sensibili o sovrani, il modello può estendersi a più data lake federati, secondo un approccio di data mesh che preserva governance e compliance.
IT e rete: un’unica catena di responsabilità
Quando i dati parlano lo stesso linguaggio, anche le operations cambiano natura. Gli agenti di rete ottimizzano parametri come latenza, perdita di pacchetti e carico delle celle. Quelli IT monitorano Slo applicativi e microservizi. Gli agenti di customer experience leggono i disservizi dal punto di vista dell’utente e li collegano ai componenti tecnici coinvolti.
In questo scenario, un problema di streaming video può attivare in parallelo una riconfigurazione di rete e uno scaling delle risorse cloud. Un’anomalia di fatturazione in ambiente cloud può essere messa in relazione con degradi di traffico, evitando effetti a cascata. Anche la risposta a un attacco Ddos diventa coordinata, con azioni sincrone su rete, server e comunicazione al cliente.
Decisioni in tempo reale e capacità predittiva
L’AIOps agentico sposta il baricentro dalle analisi batch alle decisioni event‑driven. Gli agenti reagiscono in pochi istanti a picchi di chiamate perse, alert di sicurezza o improvvise variazioni di traffico. Allo stesso tempo, modelli predittivi anticipano colli di bottiglia di capacità o rischi di churn, mentre agenti “risk‑aware” simulano l’impatto sugli Sla prima di applicare una modifica.
Questo approccio consente di intervenire prima che il cliente percepisca il problema, aumentando resilienza e affidabilità. La velocità, però, non è l’unico obiettivo. Conta anche la qualità delle decisioni, che devono essere tracciabili e comprensibili.
Il ruolo centrale dell’uomo nella governance
Per quanto avanzata, l’autonomia non è mai totale. Il fattore umano resta un presidio essenziale. Le telco definiscono livelli di autonomia differenziati e politiche chiare per le azioni ad alto rischio o impatto. Cambiamenti di rete su larga scala, interventi di sicurezza o decisioni commerciali rilevanti richiedono approvazioni esplicite, supportate da analisi e scenari.
Come sottolinea Sachin Kurlekar, Corporate Vice President & Unit Cto di Persistent, «l’industria delle telecomunicazioni si trova sulla soglia di un’era trasformativa, in cui l’AIOps evolve da automazione reattiva e frammentata a un modello agentico unificato». E aggiunge che «una solida supervisione umana resta essenziale per garantire sicurezza, conformità e fiducia». La citazione chiarisce il punto: l’automazione cresce, ma non sostituisce la responsabilità.
Impatti di business e prospettive
I benefici del modello sono concreti. Service assurance end‑to‑end, minori downtime, customer experience più personalizzate ed efficienza operativa sono gli effetti più immediati. A questi si aggiungono maggiore agilità nel lanciare nuovi servizi e una postura di sicurezza più robusta, grazie a controlli integrati e audit trail continui.
Nel medio periodo, l’AIOps agentico diventa il perno di una telco “AI‑native”. Una piattaforma capace di funzionare come sistema nervoso centrale, dove dati, agenti e persone collaborano in modo continuo. Nei prossimi tre‑cinque anni, saranno proprio queste architetture a fare la differenza competitiva tra operatori capaci di adattarsi e realtà ancora vincolate a modelli del passato.
In definitiva, l’AIOps agentico non è una promessa futuristica, ma una traiettoria già visibile. La sfida è governarne l’adozione, bilanciando autonomia e controllo.
