La convergenza tra reti mobili e intelligenza artificiale è oggi al centro di una trasformazione strategica per l’intero settore delle telecomunicazioni: merito dell’AI-Ran. A guidare questo cambiamento è l’AI-Ran Alliance, fondata nel 2024, che ha rapidamente raccolto il supporto di 75 membri tra operatori mobili, fornitori tecnologici e giganti del cloud come Microsoft, Nvidia e Amazon.
Questa trasformazione rappresenta un punto di svolta non solo tecnologico, ma anche operativo e strategico. Le reti mobili non sono più soltanto infrastrutture di trasporto dati, ma diventano piattaforme computazionali intelligenti, in grado di ottimizzare sé stesse, fornire servizi in tempo reale e supportare applicazioni AI avanzate direttamente all’edge della rete.
Indice degli argomenti
Tre approcci distinti di AI-Ran
L’obiettivo dell’alleanza è chiaro: promuovere l’integrazione sistemica dell’AI nelle reti di accesso radio (Radio Access Network – Ran) attraverso tre approcci distinti, ma complementari: AI-for-Ran, AI-and-Ran e AI-on-Ran.
AI-for-Ran: migliorare le reti con l’intelligenza artificiale
Il primo approccio, AI-for-Ran, punta a sfruttare l’AI per potenziare le prestazioni delle reti esistenti. Grazie all’analisi predittiva dei dati, alla modellazione dei pattern di traffico e all’ottimizzazione automatizzata delle risorse spettrali, è possibile migliorare l’efficienza, ridurre la latenza e anticipare le congestioni. Questa visione abilita una gestione proattiva delle reti, riducendo l’intervento umano e migliorando l’esperienza d’uso.
È un passaggio essenziale per gestire la crescente complessità delle architetture di rete, sempre più eterogenee e distribuite, soprattutto in previsione del rollout del 6G e del massiccio aumento di dispositivi connessi.
AI-and-Ran: coesistenza su un’unica infrastruttura
Con AI-and-Ran, si introduce un concetto rivoluzionario: fare coesistere, sulla stessa infrastruttura, i carichi di lavoro delle reti radio e quelli dell’intelligenza artificiale. Significa che una stazione base può servire contemporaneamente per la trasmissione dei dati mobili e per l’esecuzione di modelli AI, sfruttando al massimo l’hardware disponibile.
Questo modello, già oggetto di sperimentazioni avanzate in Asia e negli Stati Uniti, consente di ridurre i costi operativi (OPEX), ottimizzare l’uso delle risorse e portare il calcolo AI direttamente dove serve: vicino all’utente finale, con latenza minima. È la base per abilitare scenari edge-native, come la guida autonoma, la diagnostica in tempo reale o le smart factory.
AI-on-Ran: eseguire applicazioni AI sulla rete
Il terzo pilastro, AI-on-RAN, riguarda la capacità della rete stessa di ospitare applicazioni AI, offrendo servizi intelligenti direttamente dai nodi Ran. Non si tratta più solo di ottimizzazione interna, ma dell’abilitazione di veri e propri servizi digitali, come digital twin, AI-as-a-service e inferenza distribuita.
Per farlo, occorre una rete progettata nativamente per gestire carichi computazionali pesanti, interoperabilità tra diversi livelli di stack e, soprattutto, una governance efficace dei dati. Proprio il dato è il cuore pulsante di questo approccio: senza dati granulari, standardizzati e accessibili, l’AI non può esprimere il proprio potenziale.
La sfida dei dati e la spinta dell’alleanza
L’AI-Ran Alliance ha identificato la condivisione dei dati come uno dei principali ostacoli alla diffusione dell’intelligenza artificiale nelle reti mobili. La maggior parte dei dati rilevanti rimane segregata nei silos degli operatori o vincolata da norme sulla privacy e sulla proprietà intellettuale.
Per superare questa barriera, l’alleanza ha lanciato iniziative come Data-for-AI e Test Methodology, con l’obiettivo di creare framework comuni per la raccolta, l’anonimizzazione e l’analisi dei dati Ran. Solo così sarà possibile allenare modelli AI realmente efficaci e interoperabili, e accelerare la trasformazione delle reti in sistemi intelligenti, adattivi e resilienti.
Use case e sperimentazioni in corso
Diversi casi d’uso già oggi testimoniano il valore dell’AI-Ran. Ad esempio, Fujitsu, in collaborazione con SoftBank e Nvidia, ha sviluppato un sistema di interpolazione AI per il canale uplink, che permette di aumentare la capacità del RAN senza richiedere modifiche hardware significative. Al Mobile World Congress 2025 sono stati presentati diversi prototipi che dimostrano la scalabilità e la robustezza dell’AI integrata nei nodi di rete.
Una rete autonoma è possibile
L’obiettivo di lungo termine dell’AI-Ran è la creazione di una rete autonoma, capace di prendere decisioni in tempo reale, di apprendere dagli eventi passati e di riconfigurarsi dinamicamente in base alle condizioni operative. È una visione che richiede non solo nuove tecnologie, ma anche un cambio di paradigma nella gestione delle reti: da manuale a cognitiva, da reattiva a predittiva.
