Il modello Telco AI, ovvero l’integrazione delle tecnologie di machine learning e intelligenza artificiale nelle reti e nei servizi di telecomunicazione, ha ormai conquistato i piani strategici degli operatori, ma fatica ancora a entrare nelle attività operative quotidiane. Le aziende moltiplicano sperimentazioni, partnership e investimenti. Tuttavia, soltanto una minoranza possiede oggi le basi tecnologiche e organizzative necessarie per procedere su larga scala.
A fotografare il divario è il Telco AI Readiness Index 2026 di Analysys Mason, realizzato in collaborazione con Dell Technologies. L’indagine ha coinvolto 50 operatori Tier 1 nei principali mercati mondiali, tra marzo e maggio 2026.
Il dato più netto riguarda la distanza tra ambizione e capacità di esecuzione. Il 50% degli operatori rientra ancora tra i soggetti in ritardo. Queste aziende non dispongono di una visione sufficientemente chiara, né di fondamenta dati capaci di accelerare l’adozione.
Soltanto il 10% si avvicina invece al modello AI-native, pur senza averlo ancora raggiunto pienamente. Un altro 8% mostra una forte maturità tecnologica e commerciale. Il 24% si colloca in una fascia intermedia, mentre una quota minoritaria ha sviluppato buone capacità di vendita senza un’analoga solidità operativa.
Il problema, quindi, non consiste più nel convincere il settore dell’importanza dell’intelligenza artificiale. La sfida riguarda la trasformazione di una priorità strategica in processi industriali, reti programmabili e servizi commerciali sostenibili.
Indice degli argomenti
L’ambizione corre più veloce della capacità operativa
Gli operatori intendono applicare l’AI alla sicurezza, alla manutenzione, alla pianificazione e all’ottimizzazione delle reti. Parallelamente, puntano su nuovi servizi per imprese e consumatori, dalle applicazioni verticali alle capacità computazionali.
Eppure, molti progetti restano confinati a sperimentazioni e proof of concept. Solo il 24% usa già l’AI nella progettazione e pianificazione del core. La quota raggiunge il 29% nella gestione energetica della Ran. Appena il 20% offre servizi commerciali basati sull’intelligenza artificiale.
Le aspettative per i prossimi due anni risultano molto più elevate. Oltre metà del campione prevede applicazioni in diverse aree operative. Tuttavia, la preparazione attuale non sembra ancora coerente con questi obiettivi.
La situazione crea un circolo vizioso. Senza strumenti, competenze e coordinamento interno, le aziende faticano a dimostrare il ritorno economico. Senza risultati misurabili, diventa più difficile giustificare nuovi investimenti.
La Telco AI resta così bloccata in una fase intermedia. Le sperimentazioni confermano il potenziale, ma raramente coinvolgono l’intero processo operativo. Spesso coprono soltanto una funzione o una parte limitata del flusso.
Il ritardo non dipende quindi da una singola tecnologia. Nasce dall’interazione tra piattaforme immature, strutture organizzative separate e incertezza sui casi d’uso più redditizi.
Il sostegno dei vertici non basta
Uno degli elementi più interessanti dell’indagine riguarda il ruolo del management. I vertici aziendali comprendono ormai il valore dell’AI e sostengono gli investimenti. Anche governance dei dati, sicurezza e conformità mostrano livelli di maturità relativamente elevati.
Questa consapevolezza non produce però un’analoga capacità esecutiva. Gli strumenti specifici per il dominio delle reti restano frammentati. Inoltre, molti ambienti operativi non hanno completato la trasformazione cloud-native.
Le competenze rappresentano un secondo ostacolo. Gli operatori competono con aziende tecnologiche, hyperscaler e società specializzate per attrarre professionisti dell’AI. Nel frattempo, devono aggiornare le conoscenze delle proprie squadre di rete.
Il problema assume anche una dimensione organizzativa. Le divisioni network, It e business lavorano spesso secondo priorità, dati e processi differenti. Questa separazione rallenta lo sviluppo di soluzioni trasversali e indebolisce la capacità commerciale.
Secondo il report, tecnologia, competenze e allineamento organizzativo occupano le ultime posizioni tra i fattori di maturità. Al contrario, strategia dei dati e sostegno dei vertici ottengono valutazioni migliori. Per colmare il divario non basta quindi creare un laboratorio dedicato. Occorre attribuire responsabilità chiare, integrare le funzioni e collegare ogni sperimentazione a obiettivi economici verificabili.
Analysys Mason indica tra le priorità la creazione o il rafforzamento di centri di eccellenza. Queste strutture possono diffondere metodologie comuni e favorire la collaborazione tra rete, It e linee di business.
Tuttavia, un centro specializzato rischia di diventare un nuovo silo. Per evitarlo, deve disporre di un mandato trasversale e di obiettivi legati all’adozione reale. Servono inoltre programmi di riqualificazione, non soltanto nuove assunzioni.
I dati disponibili non sono ancora pronti per i modelli
Negli ultimi anni, molte telco hanno investito in data lake, sistemi di governance e piattaforme analitiche. Questi interventi hanno migliorato accessibilità e sicurezza, ma non hanno risolto tutti i problemi. L’AI generativa e i sistemi agentici alzano ulteriormente l’asticella. Non richiedono soltanto dati puliti. Servono dataset preparati per l’addestramento e l’inferenza, modelli comuni e ambienti condivisi tra le diverse funzioni.
La preparazione dei dati per i modelli rappresenta l’area più debole dell’intero indice. Persistono inoltre silos, standard differenti e difficoltà nell’elaborazione in tempo reale.
Nel gruppo degli operatori in ritardo, soltanto il 16% mostra una maturità almeno moderata nella preparazione dei dati. Tra i leader, invece, la quota raggiunge il 100%. Anche le competenze seguono una dinamica simile, con un divario ancora più ampio.
La qualità dei dati diventa così un fattore competitivo. Un operatore può possedere informazioni preziose su rete, traffico e clienti. Tuttavia, non può sfruttarle senza una base comune, aggiornata e accessibile ai modelli.
Analysys Mason indica la necessità di una nuova trasformazione dei dati specifica per l’AI. Questa fase dovrà superare gli interventi di modernizzazione tradizionali e coinvolgere l’intera organizzazione.
Una strategia per singolo dominio può produrre risultati immediati. Tuttavia, senza un quadro comune rischia di generare nuove duplicazioni. La Telco AI richiede invece modelli aperti, strumenti condivisi e regole coerenti.
Il tema non riguarda soltanto la disponibilità delle informazioni. Diventa decisiva la capacità di renderle utilizzabili in modo sicuro, continuo e tempestivo. Senza questo passaggio, i progetti resteranno difficili da estendere.
Le reti aperte accelerano l’adozione
L’indice individua una correlazione significativa tra maturità nell’AI e avanzamento verso reti aperte e cloud-native. Gli operatori che hanno già disaggregato infrastrutture e sistemi possono integrare più rapidamente nuovi modelli. La programmabilità permette di inserire l’intelligenza artificiale nei processi di automazione. L’apertura facilita invece l’integrazione tra fornitori, piattaforme e domini di rete.
Gli operatori più maturi nell’AI ottengono anche i risultati migliori nell’Open Network Index. Nel gruppo dei leader, la maturità organizzativa delle reti aperte raggiunge l’80%. Quella esecutiva arriva al 77%.
Tra gli operatori in ritardo, gli stessi indicatori si fermano rispettivamente al 46% e al 34%. Il divario suggerisce che la modernizzazione della rete non rappresenta soltanto un progetto infrastrutturale. Le architetture chiuse limitano infatti la capacità di introdurre nuovi strumenti. Aumentano inoltre i costi d’integrazione e rallentano l’accesso ai dati provenienti dai diversi domini. Al contrario, una rete cloud-native rende più semplice distribuire, aggiornare e governare i modelli. Consente anche di automatizzare le attività con maggiore continuità e minori interventi manuali.
La Telco AI e la trasformazione cloud-native tendono quindi a convergere. La seconda diventa sempre più il prerequisito della prima, soprattutto quando gli operatori vogliono procedere su scala industriale.
Chi non ha ancora completato il percorso può però evitare alcuni passaggi intermedi. Progettare insieme architettura aperta e intelligenza artificiale consente maggiore coerenza, purché l’azienda definisca una strategia comune.
Core e Ran partono dai casi d’uso più concreti
Nel core mobile, gli operatori concentrano gli investimenti sulle attività che offrono benefici più facilmente misurabili. Tra queste figurano progettazione, sicurezza e manutenzione predittiva. Le applicazioni più complesse arriveranno in seguito. Ottimizzazione automatica, gestione delle prestazioni e controllo del ciclo di vita richiedono maggiore fiducia nei modelli e processi più maturi.
Nella Ran, invece, domina la gestione energetica. Questa componente assorbe quasi il 70% dei consumi delle reti mobili. L’introduzione dell’AI e, in prospettiva, del 6G potrebbe aumentare ulteriormente il fabbisogno.
Gli algoritmi possono spegnere risorse inutilizzate, prevedere i picchi e adattare dinamicamente la capacità. Tuttavia, devono mantenere la qualità del servizio e rispettare vincoli operativi stringenti.
Il settore guarda soprattutto ai livelli Smo e Ric, dove l’AI può supportare ottimizzazione, manutenzione e controllo energetico. Questi interventi non richiedono modifiche radicali all’infrastruttura radio. Il 72% degli operatori prevede capacità AI nel Ric near-real-time. Il 58% punta sul Ric non real-time o sul livello di orchestrazione. Le funzioni native nella Bbu restano invece una frontiera più complessa. Alcuni operatori utilizzano già sistemi assistiti per attività come l’ottimizzazione del beamforming. Il passaggio successivo consiste nell’eseguire funzioni native su Gpu o acceleratori dedicati.
Costi, consumi energetici e domanda ancora incerta frenano questa evoluzione. Inoltre, la condivisione delle risorse tra funzioni radio e carichi AI introduce nuove complessità operative.
Nel breve periodo, il percorso più realistico parte dunque dai livelli software e di orchestrazione. In seguito, la maturità acquisita potrà favorire una trasformazione più profonda della Ran.
Il cloud privato cresce, ma il pubblico domina i servizi
L’infrastruttura delle telco assume una configurazione sempre più ibrida. Gli operatori usano il cloud privato soprattutto per applicazioni interne, dove contano sovranità, controllo e integrazione con la rete.
L’88% impiega infrastrutture private per i carichi interni. Il cloud pubblico raggiunge invece il 33% nello stesso ambito. Per i servizi destinati al mercato, la situazione cambia nettamente.
Il 90% ricorre al cloud pubblico per soluzioni rivolte a imprese o consumatori. Le piattaforme degli hyperscaler offrono ecosistemi, modelli e strumenti già disponibili. Inoltre, molte telco ospitano già su queste infrastrutture parte dei propri carichi.
La dipendenza dai grandi provider limita però la differenziazione. Riduce anche la capacità di valorizzare gli investimenti nelle proprie AI factory e nelle infrastrutture Gpu.
Gli operatori non possono competere con gli hyperscaler soltanto sul prezzo della capacità computazionale. Possono invece combinare sovranità, connettività, servizi professionali e conoscenza dei settori verticali.
Il report rileva una debolezza nelle capacità cloud full-stack e nei servizi professionali. Al contrario, connettività affidabile, presenza locale e conformità rappresentano i principali vantaggi competitivi delle telco. Per aumentare il ritorno degli investimenti, gli operatori dovranno salire lungo la catena del valore. La sola vendita di capacità rischia infatti di produrre margini limitati e una forte pressione competitiva. Occorrono quindi piattaforme, applicazioni, consulenza e supporto operativo. Solo così il cloud privato potrà diventare una leva commerciale e ridurre la dipendenza dalle infrastrutture pubbliche.
La monetizzazione si sposta verso applicazioni e servizi
La vendita di capacità Gpu costituisce soltanto il primo livello della strategia commerciale. Alla fine del 2025, 29 operatori avevano già lanciato offerte Gpu-as-a-service. Il vero obiettivo consiste però nel salire lungo la catena del valore. Le telco puntano su piattaforme aziendali, applicazioni sovrane, consulenza e servizi rivolti al mercato consumer.
Il 36% del campione offre già applicazioni o piattaforme AI per le imprese. Un altro 22% prevede il lancio entro un anno. Il 32% guarda invece a un orizzonte di due anni. Anche i servizi consumer avanzano rapidamente. Il 28% li ha già introdotti, mentre il 58% prevede di farlo entro due anni. Assistenti digitali, servizi vocali e strumenti di personalizzazione rappresentano le aree più immediate.
Stanno inoltre emergendo piattaforme per la creazione di agenti. Queste soluzioni possono gestire assistenza, interazioni commerciali e attività operative per conto dell’utente. Le piccole e medie imprese costituiscono un mercato particolarmente interessante. Spesso non dispongono di competenze interne sufficienti per selezionare, integrare e governare le tecnologie.
Gli operatori possono quindi proporsi come interlocutori unici. Per riuscirci, devono però integrare infrastruttura, applicazioni, supporto e connettività in offerte semplici e specifiche per settore.
La sovranità rappresenta un ulteriore elemento distintivo. Settori come pubblica amministrazione, finanza e sanità richiedono controllo sui dati, conformità e garanzie sulla localizzazione dei carichi. In questi ambiti, le telco possono valorizzare la presenza nazionale e il rapporto fiduciario con i clienti. Tuttavia, dovranno rafforzare le competenze applicative e i servizi professionali.
L’edge torna al centro grazie all’inferenza
L’AI rilancia anche le prospettive dell’edge computing. Il mercato non cerca più soltanto capacità distribuita. Richiede inferenza a bassa latenza, trattamento locale dei dati e prestazioni prevedibili. Queste esigenze favoriscono gli operatori, che possiedono siti, collegamenti e relazioni consolidate con imprese e pubbliche amministrazioni.
Il 10% ha già attivato applicazioni AI nell’edge. La quota potrebbe salire al 55% entro due anni. I primi settori interessati sono manifattura, distribuzione dei contenuti, sanità, sicurezza pubblica e smart city. L’elaborazione locale riduce la necessità di trasferire grandi quantità di informazioni verso data center centralizzati. Inoltre, consente di mantenere i dati sensibili entro confini prestabiliti. La bassa latenza risulta essenziale per automazione industriale, analisi video e computer vision. Lo stesso vale per le applicazioni mission-critical, che richiedono livelli di servizio rigorosi.
Le telco dovranno però evitare gli errori compiuti con il mobile edge computing. Molti progetti precedenti hanno sofferto per la debolezza dell’ecosistema degli sviluppatori e per un valore commerciale poco chiaro.
Il metro edge offre oggi il punto di ingresso più realistico. Può ospitare applicazioni industriali e servizi distribuiti senza richiedere subito capacità computazionale in ogni sito radio.
Il far edge rappresenta invece una prospettiva più lontana. La sua crescita dipenderà dalla maturità dell’AI Ran, dalla domanda delle imprese e dalla sostenibilità dei costi.
Le partnership devono andare oltre la tecnologia
Gli operatori si affidano soprattutto a provider di cloud pubblico, fornitori di apparati e produttori di modelli. Queste tre categorie dominano le partnership strategiche legate alla Telco AI. La scelta riflette la storia delle trasformazioni precedenti. Molte telco collaborano già con gli hyperscaler per il cloud. I fornitori di rete possiedono invece competenze profonde sui sistemi operativi e di gestione.
I produttori di modelli completano l’ecosistema. Le loro tecnologie sostengono sia le applicazioni interne, sia i servizi rivolti ai clienti. Tuttavia, il divario esecutivo non si chiude soltanto con nuove piattaforme. Servono partner capaci di intervenire sui processi, sull’organizzazione e sulla strategia commerciale.
Anche i fornitori It e le piattaforme cloud software possono acquisire maggiore importanza. Gli operatori cercano infatti infrastrutture più aperte e flessibili, evitando un’eccessiva dipendenza da un solo ecosistema.
Le partnership dovranno quindi diventare più selettive. Non basterà aggiungere nuovi soggetti. Occorrerà definire ruoli, responsabilità e proprietà dei dati con maggiore precisione.
Partecipa alla community