L’AI telco entra in una nuova fase. Non basta più innestare algoritmi su processi esistenti o moltiplicare sperimentazioni isolate. La sfida ora è costruire architetture capaci di governare agenti intelligenti, dati, decisioni e automazione su scala industriale. È il punto centrale della roadmap che i membri di TM Forum presenteranno a Dtw Ignite 2026, in programma a Copenhagen dal 23 al 25 giugno.
L’obiettivo è portare i communication service provider, i Csp, oltre la stagione dei progetti pilota frammentati. La promessa è una base condivisa per abilitare flussi autonomi end-to-end, capaci di attraversare domini It e rete. Il passaggio riguarda l’evoluzione della Open Digital Architecture, finora pilastro della modernizzazione cloud-native degli operatori. Ora quella stessa architettura viene estesa per sostenere agenti AI, governance, accesso controllato ai dati e automazione affidabile.
La posta in gioco è industriale, non solo tecnologica. TM Forum collega questa evoluzione alla strategia Race to 2030, che punta a spostare le telco dalla vendita di connettività alla fornitura di risultati garantiti. Prestazioni, affidabilità e sovranità diventano parte dell’offerta. Per sostenerle servono sistemi più autonomi, ma anche più controllabili.
Indice degli argomenti
Dalla sperimentazione all’esecuzione
Il nodo emerso dal report Transformation 2.0: Towards an AI-native Open Digital Architecture è la distanza tra ambizione e messa a terra. Secondo l’indagine citata da TM Forum, condotta su 216 persone in 111 organizzazioni Csp, l’83% dei rispondenti considera l’AI cruciale per la competitività. Solo il 5%, però, usa agenti intelligenti in modo esteso in produzione.
Il dato spiega perché la roadmap arrivi in un momento delicato. Molti operatori stanno già sperimentando agenti, copiloti e automazioni. Ma spesso li integrano come applicazioni aggiunte, senza incorporarli nell’architettura aziendale. Il 30% dei rispondenti dichiara infatti di usare agenti per compiti specifici, ma ancora “innestati” sui sistemi. Un altro 38% sperimenta agentic AI senza aver definito come inserirla nella propria architettura.
Qui si apre la differenza tra AI-enabled e AI-native. Nel primo caso, l’intelligenza artificiale affianca processi esistenti. Nel secondo, cambia il modo in cui lavoro, decisioni e orchestrazione vengono progettati. Per l’AI telco significa integrare agenti capaci di dialogare con componenti Oss/Bss, funzioni di rete, modelli, policy e dati in tempo reale.
Nik Willetts, ceo di TM Forum, sintetizza il passaggio in termini di urgenza competitiva. Le telco non potranno sostenere crescita, resilienza e risultati garantiti con un’AI frammentata. Serve, dice, un’azione comune per passare dall’esperimento ai flussi autonomi su scala.
Il nuovo ruolo della Open Digital Architecture nell’AI telco
La Open Digital Architecture nasce per aiutare gli operatori a superare sistemi legacy rigidi e frammentati. Il suo modello a componenti, le Open Api e il linguaggio architetturale comune hanno favorito ambienti It modulari. L’obiettivo originario era ridurre tempi di integrazione, accelerare nuovi servizi e rendere il software telco più componibile.
L’evoluzione AI-native sposta l’asticella. La nuova Oda deve diventare anche un ambiente di esecuzione per agenti intelligenti. Non un livello opaco sopra i sistemi deterministici, ma una fondazione governata. Gli agenti devono operare accanto ai sistemi di record, non sostituirli. In questo modo restano preservati controllo, accountability, interoperabilità e integrità architetturale.
Le nuove estensioni introducono un execution layer per agenti AI dentro il framework Oda. Il controllo passa dall’Oda Canvas, che fornisce punti di gestione, osservabilità, sicurezza e lifecycle management. Gli agenti possono interagire con componenti Oda attraverso protocolli come Mcp e modelli di comunicazione agent-to-agent. Ma l’interazione deve restare mediata dalla piattaforma.
Andy Tiller, evp Member Products di TM Forum, descrive l’evoluzione come un cambio di fase. Dopo il passaggio dall’architettura tradizionale a quella cloud-native, l’AI entra nella struttura stessa. Non come concetto astratto, ma come fondazione eseguibile e riutilizzabile dall’industria.
Governance, dati e fiducia: una nuova era per l’AI telco
Il report mette in evidenza un rischio centrale. Senza fondazioni comuni, l’AI può replicare i debiti di integrazione accumulati in vent’anni di modernizzazione Oss/Bss. Ogni operatore e ogni vendor potrebbe costruire stack proprietari, difficili da far dialogare. Il risultato sarebbero nuovi silos, questa volta agentici.
I principali ostacoli non sono soltanto tecnici. Tra le barriere all’adozione dell’AI emergono mancanza di competenze, bassa qualità dei dati, processi decisionali umani non documentati e problemi di governance. Il tema della fiducia appare meno percepito di quanto dovrebbe. Solo un quarto dei rispondenti lo indica come ostacolo principale, ma il report lo considera decisivo.
Per scalare agenti autonomi servono dati di alta qualità, accesso sicuro, policy chiare e una comprensione condivisa dei concetti telco. Un agente non può decidere su provisioning, assurance o compensazioni al cliente se i dati sono incompleti. Non può neppure agire in modo affidabile se i privilegi non sono limitati al necessario.
La governance diventa quindi dinamica. Non basta approvare un modello una volta. In ambienti agentici, il software può adattare il proprio comportamento, cambiare fonti informative e generare nuove azioni. Per questo TM Forum parla di “continuous trust”, una capacità operativa permanente. Il controllo deve includere auditabilità, osservabilità del ragionamento e contenimento degli errori.
Flussi autonomi oltre i domini
Il cuore della roadmap è il passaggio dagli use case isolati ai flussi autonomi. Significa collegare intent, orchestrazione, assurance e azione lungo più domini. Le dimostrazioni previste a Dtw Ignite puntano a mostrare proprio questo livello di maturità, con scenari cross-domain di livello 4+.
Il primo riguarda il fault management end-to-end. Gli agenti AI rilevano, diagnosticano e risolvono problemi su più domini di rete. Il secondo riguarda il dynamic 5G network slicing, con autonomia guidata da intenti dall’ordine al provisioning, fino ad assurance e self-healing. Il terzo riguarda la sovereign AI inference, cioè deployment di AI sicuri e controllati dentro giurisdizioni definite.
Questi casi non sono dimostrazioni ornamentali. Servono a provare che l’Oda può diventare una fondazione eseguibile per l’AI in ambienti operativi reali. Il modello è particolarmente rilevante per reti complesse, dove domini radio, core, edge e sistemi business devono collaborare senza passaggi manuali continui.
Nel report, Demo One e Project Foundation mostrano un esempio concreto. Un cliente business subisce un disservizio sulla linea fissa. Il router passa su 5G tramite eSim, ma i sistemi rilevano che lo Sla non è rispettato. L’agente apre un ticket, avvia la risoluzione autonoma e determina la compensazione. Il cliente viene informato senza dover sollecitare l’operatore.
Perché la standardizzazione diventa competitiva
La spinta verso l’AI telco non cancella il tema della differenziazione. Lo sposta. Gli operatori non competono sulla capacità di riscrivere da zero ogni integrazione, ma sulla velocità con cui trasformano architetture comuni in servizi affidabili. Standard, Api e componenti diventano acceleratori.
Il report ricorda che un terzo dei rispondenti considera Oda il principio guida della trasformazione digitale. Un altro 55% la vede come riferimento utile già incorporato nei programmi di trasformazione. Il dato cresce tra i ruoli legati a prodotti e servizi, dove modularità e standardizzazione aiutano a lanciare offerte e a lavorare con partner di ecosistema.
La roadmap introduce anche un’idea più ambiziosa: l’Oda deve diventare un data product consumabile dall’AI. In pratica, la conoscenza incorporata in modelli, Api, processi e semantiche telco deve essere disponibile agli agenti in modo strutturato. Solo così possono comprendere contesto, vincoli e obiettivi operativi.
Questo richiede una semantica condivisa. Senza significati comuni su Api, dati e workflow, gli agenti non possono coordinarsi. Ogni dominio finirebbe per interpretare ordini, allarmi, inventari e policy in modo diverso. L’autonomia cross-domain si fermerebbe al primo confine organizzativo.
Il nodo del ritorno sugli investimenti
Per i vertici aziendali la domanda resta economica. L’AI-native telco deve produrre ritorni misurabili, non solo architetture più eleganti. TM Forum affronta il tema con l’iniziativa AI4X, che raccoglie casi d’uso e prove di valore. L’obiettivo è mostrare dove l’AI sta già riducendo costi, migliorando efficienza o generando ricavi.
Il report cita una libreria con circa 20 casi, in gran parte provenienti da operatori cinesi. Un Csp ha investito 160mila dollari in una soluzione intelligente per il risparmio energetico delle stazioni radio. Il beneficio stimato è di circa 19 milioni di dollari in cinque anni, con payback in 18 giorni.
Un altro caso riguarda un agente AI per la gestione dei reclami. L’investimento di 145mila dollari ha ridotto il tempo di gestione da due ore a 30 minuti per caso. Il ritorno nel primo anno è stato superiore a sette volte l’investimento. Sono esempi che parlano a cfo e ceo, perché collegano automazione, architettura e impatto sul conto economico.
Resta però una condizione. Il valore cresce se l’AI esce dalla logica del singolo strumento. Un agente che ottimizza un processo isolato può produrre efficienza. Un sistema di agenti governati, integrati in Oda, può cambiare il modello operativo.
Partecipa alla community