L’AI-Ran rappresenta oggi un punto di svolta strategico per gli operatori mobili e per l’intero ecosistema digitale. Non è più una scelta tecnologica opzionale, ma un fattore di competitività strutturale, capace di determinare l’efficienza e la sostenibilità delle reti.
Un’analisi di Senza Fili mostra come la crescita della complessità – dovuta a nuove architetture, all’apertura dell’ecosistema e all’aumento del traffico – renda impossibile gestire il Ran con logiche tradizionali. Il Ran è ormai un sistema dinamico e multi-vendor, dove ogni cella, frequenza e apparato interagisce con centinaia di variabili.
Lo conferma un’indagine Idc/Amdocs: solo la metà dei dati a disposizione degli operatori è oggi effettivamente accessibile a sistemi di analisi e modelli di intelligenza artificiale. Appena il 19% degli operatori ha già costruito un framework di governance dei dati adeguato a sostenere una strategia di AI end-to-end.
Senza Fili parla di un “tipping point”: iniettare intelligenza artificiale nel Ran non è più un esperimento, ma una necessità industriale. La questione centrale non è “se” usare l’AI, ma “come” preparare i dati, le piattaforme e le persone per farlo in modo efficace.
Indice degli argomenti
Dalla gestione manuale all’automazione cognitiva
Per decenni il Ran è stato governato da team di ingegneri che monitoravano manualmente allarmi, parametri e configurazioni. Con l’avvento del 5G e delle architetture cloud-native, questo approccio non è più sostenibile. L’espansione del Ran aperto, l’aumento delle celle e l’introduzione di nuovi casi d’uso enterprise e pubblici impongono un salto di scala.
AI-Ran consente di passare da una gestione reattiva a una predittiva e adattiva, in cui la rete anticipa i problemi e ottimizza autonomamente le risorse.
L’obiettivo non è sostituire l’ingegnere umano, ma evolvere il suo ruolo: dal controllo operativo alla progettazione delle policy e alla supervisione degli algoritmi.
La rete, grazie all’AI, impara dai dati, corregge anomalie, rialloca banda e potenza in base ai pattern di traffico. In questo modo il Ran diventa auto-ottimizzante, riducendo errori e costi di manutenzione, aumentando qualità del servizio e sostenibilità energetica.
La qualità dei dati come fondamento industriale
Senza Fili sottolinea che nessun modello di AI-Ran può funzionare senza dati affidabili. Nel dominio radio, dati errati o incompleti possono generare decisioni sbagliate su spettro, potenza o priorità del traffico. Secondo Idc, la “data readiness” è il vero discriminante competitivo. Le telco devono standardizzare formati, superare silos tra Oss e Bss e garantire la tracciabilità del dato lungo tutto il suo ciclo di vita.
Per la pubblica amministrazione, la qualità del dato è un tema di trasparenza e accountability: l’AI che regola reti pubbliche o servizi critici deve poter essere auditata e controllata. Per i fornitori tech, invece, la capacità di offrire piattaforme che integrano pulizia, normalizzazione e governance del dato è ormai un requisito competitivo.
In sintesi, AI-Ran non è un motore magico ma uno strato che vive o fallisce in base alla solidità dell’infrastruttura dati sottostante.
Dallo storico al real time: nasce il gemello digitale della rete
L’AI-Ran vive sulla combinazione di dati storici e real time. I primi servono per addestrare i modelli; i secondi per alimentarli continuamente e mantenerli aggiornati.
Senza Fili descrive come questa sinergia permetta di costruire un vero gemello digitale della rete, capace di prevedere criticità e testare scenari prima che si verifichino sul campo.
I domini coinvolti sono molteplici: topologia di rete, traffico, utenti, performance, fault management e persino dati esterni come meteo o eventi locali. Integrando queste fonti, l’AI-Ran può simulare il comportamento della rete, valutare impatti e proporre ottimizzazioni in tempo reale.
Per la pubblica amministrazione e le imprese, ciò significa servizi più stabili e predicibili, con ricadute dirette su continuità operativa, sicurezza e gestione energetica. In contesti come sanità, trasporto pubblico o industria 4.0, la capacità di anticipare un degrado di rete può evitare danni economici o disservizi critici.
Automazione, ottimizzazione e monetizzazione dei dati
Secondo Senza Fili, i benefici dell’AI-Ran si distribuiscono su tre assi: automazione, ottimizzazione e monetizzazione.
L’automazione riduce la complessità operativa, attraverso meccanismi di Aiops che identificano pattern di guasto, correlano allarmi e attivano azioni correttive in autonomia.
L’ottimizzazione agisce sull’efficienza dello spettro, sulla gestione dinamica della potenza e sulla riduzione dei consumi energetici. La rete, in sostanza, si adatta alla domanda in tempo reale.
La monetizzazione apre nuovi modelli di business: gli insight generati dal Ran possono supportare offerte B2B evolute, network slicing personalizzato e servizi di analisi anonima del traffico, nel rispetto della privacy.
In prospettiva, l’AI-Ran abilita anche l’uso di Api di rete, che consentono a sviluppatori e partner di accedere a funzionalità avanzate della rete mobile.
Per la Pa, questo significa poter disegnare servizi pubblici “aware” della rete: trasporti intelligenti, emergenza sanitaria con priorità dinamiche di banda, piattaforme IoT territoriali più efficienti.
Gli impatti su telco, Pa e fornitori tecnologici
Per gli operatori, AI-Ran si intreccia con i piani di modernizzazione cloud-native e con la transizione verso l’Open Ran. Disporre di dati affidabili e interoperabili è già di per sé un vantaggio competitivo, anche prima dell’introduzione dell’Ai.
Per la pubblica amministrazione, AI-Ran significa poter monitorare in modo trasparente i livelli di servizio, costruire partnership più equilibrate con i gestori e acquisire competenze per valutare algoritmi e modelli.
L’obiettivo è garantire che le logiche di ottimizzazione automatica rispettino criteri di equità, sicurezza e controllo pubblico.
Per i fornitori, infine, si apre una stagione di integrazione tra silicio, edge e cloud. L’AI-Ran richiede piattaforme capaci di eseguire inferenze in tempo reale, di orchestrare microservizi distribuiti e di mantenere sicurezza e performance elevate. Chi saprà unire competenze verticali e apertura dell’ecosistema potrà guidare questa trasformazione.
Una roadmap verso la maturità dell’AI-Ran
L’adozione dell’AI-Ran non è un traguardo immediato, ma un percorso di maturazione organizzativa e tecnologica.
Senza Fili individua tre fasi chiave: valutazione della readiness dei dati, costruzione di una piattaforma comune e definizione di una governance chiara tra rete, software e processi.
Per gli operatori, ciò significa partire da un assessment del patrimonio informativo e definire un modello di accesso e sicurezza condiviso.
Per la Pa, vuol dire inserire nei capitolati pubblici requisiti di auditabilità e trasparenza dell’intelligenza artificiale, soprattutto nei contesti mission-critical.
Per i vendor, infine, la sfida è creare ecosistemi aperti e interoperabili, capaci di dialogare con ambienti multi-cloud e multi-fornitore.
Come ricorda Amdocs, “le aziende che investono oggi in una solida base dati saranno quelle meglio posizionate per sfruttare l’impatto dell’intelligenza artificiale nel lungo periodo”. Applicato al dominio radio, questo significa che il vantaggio competitivo non dipenderà dal modello più sofisticato, ma dalla capacità di orchestrare dati, persone e processi in una visione unitaria.
