{"id":3513,"date":"2026-09-04T17:05:40","date_gmt":"2026-09-04T17:05:40","guid":{"rendered":"https:\/\/delplatagreen.com\/?p=3513"},"modified":"2026-09-04T17:06:17","modified_gmt":"2026-09-04T17:06:17","slug":"ia-telco-la-batalla-por-el-control-de-las-redes-y-el-negocio","status":"publish","type":"post","link":"https:\/\/delplatagreen.com\/en\/ia-telco-la-batalla-por-el-control-de-las-redes-y-el-negocio\/","title":{"rendered":"\u201dIA telco: la batalla por el control de las redes y el negocio\u201d"},"content":{"rendered":"<p class=\"wp-block-paragraph\"><em>Columna  publicada originalmente en el sitio web del Centro Argentino de Ingenieros.<\/em><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Por la&nbsp;<strong>Ing. Marina Rosso Siverino<\/strong>, presidenta de la Comisi\u00f3n de Tecnolog\u00eda, Innovaci\u00f3n y Transformaci\u00f3n Digital del CAI. Segunda entrega de la serie sobre Inteligencia Artificial y redes de nueva generaci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En una nota anterior planteamos que&nbsp;<a href=\"https:\/\/www.linkedin.com\/pulse\/el-impacto-de-la-ia-en-las-redes-digitales-titicomsrl-aeogf\/\">la Inteligencia Artificial (IA) dej\u00f3 de ser una ventaja competitiva<\/a>&nbsp;para convertirse en una condici\u00f3n de supervivencia operativa en las redes de nueva generaci\u00f3n. Ninguna red puede gestionar hoy, con m\u00e9todos tradicionales de ingenier\u00eda, la combinaci\u00f3n de tr\u00e1fico cr\u00edtico, miles de sensores IoT y transmisi\u00f3n en tiempo real que exige la infraestructura actual, y mucho menos hacerlo dentro de un presupuesto de OPEX y consumo energ\u00e9tico sostenible.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La respuesta pasa por sistemas de \u201cbucle cerrado\u201d que se autoconfiguran, detectan degradaciones antes de que el usuario las note y se autorreparan, mediante una combinaci\u00f3n de machine learning y deep learning para la predicci\u00f3n, y reinforcement learning para tomar decisiones en tiempo real. A eso se suman la IA generativa como asistente de los ingenieros y los sistemas expertos que automatizan reglas b\u00e1sicas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ese diagn\u00f3stico tiene un correlato institucional concreto. En el Mobile World Congress de Barcelona de marzo de 2026, GSMA lanz\u00f3&nbsp;<strong>Open Telco AI<\/strong>, una alianza que re\u00fane a operadores, proveedores de infraestructura, desarrolladores de IA e instituciones acad\u00e9micas con un objetivo puntual: construir modelos de IA entrenados espec\u00edficamente para el negocio de las telecomunicaciones, una \u201cIA de grado operador\u201d, en lugar de seguir dependiendo de modelos gen\u00e9ricos de prop\u00f3sito general.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El diagn\u00f3stico de la organizaci\u00f3n contempla que los modelos de IA m\u00e1s avanzados del mercado no est\u00e1n mejorando mucho en analizar est\u00e1ndares 3GPP, resolver problemas de RAN o manejar la complejidad espec\u00edfica del dominio que exige una red aut\u00f3noma. En definitiva, solo el&nbsp;<strong>16% de las implementaciones de GenAI en telcos se aplica efectivamente a la red<\/strong>; el grueso se concentra en atenci\u00f3n al cliente, marketing y funciones de back-office, es decir, en la periferia del negocio y no en su n\u00facleo de valor.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La brecha tambi\u00e9n se refleja en el destino econ\u00f3mico de la inversi\u00f3n.&nbsp;<a href=\"https:\/\/www.gsma.com\/solutions-and-impact\/connectivity-for-good\/external-affairs\/wp-content\/uploads\/2026\/01\/AI4I_AI_Monetisation_Models.pdf\">Un relevamiento de GSMA Intelligence sobre 700 operadores<\/a>&nbsp;registr\u00f3 que apenas entre 15% y 20% de los despliegues de IA ya ten\u00eda un objetivo de ingresos externos; el resto segu\u00eda orientado a costos y eficiencias. En Am\u00e9rica Latina, sobre 57 despliegues acumulados, 91% persegu\u00eda objetivos internos y solo 9% apuntaba a productos o ingresos. El negocio existe, pero todav\u00eda est\u00e1 mucho m\u00e1s cerca del ahorro que de una nueva l\u00ednea de facturaci\u00f3n.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>El verdadero argumento de fondo: qui\u00e9n se queda con el margen<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Louis Powell, director de Tecnolog\u00edas de IA de GSMA,&nbsp;<a href=\"https:\/\/www.fierce-network.com\/wireless\/gsma-warns-telcos-against-outsourcing-ai-future-hyperscalers\">se\u00f1al\u00f3 p\u00fablicamente que&nbsp;<strong>es muy dif\u00edcil para los telcos monetizar la IA si no pueden hacerla ellos mismos<\/strong><\/a>. En otras palabras, sin capacidad propia de desarrollo, las telcos quedan como consumidores de tecnolog\u00eda ajena, sin margen para construir servicios diferenciados ni nuevas l\u00edneas de ingreso. La respuesta de la organizaci\u00f3n es Open Telco AI, que combina modelos abiertos aportados por distintos actores, adem\u00e1s de una biblioteca de datos abierta y un tablero de clasificaci\u00f3n (leaderboard) p\u00fablico de benchmarking. Vale la pena detenerse en qu\u00e9 es cada uno de estos modelos, porque ilustran de forma concreta qu\u00e9 significa \u201cIA hecha a medida del telco\u201d:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>OTel, de AT&amp;T.<\/strong>\u00a0Es el modelo insignia de la iniciativa y encabeza el leaderboard de Open Telco AI. La versi\u00f3n m\u00e1s reciente, OTel 2.0, es un modelo de lenguaje de 31.000 millones de par\u00e1metros, con cerca de 400.000 millones de tokens espec\u00edficos de telecomunicaciones -seleccionados de m\u00e1s de un bill\u00f3n procesados-, que combinan documentaci\u00f3n de est\u00e1ndares de siete organismos (3GPP, ETSI, GSMA, CAMARA, ITU, O-RAN y TM Forum) con datos propios de AT&amp;T desarrollados junto a Red Hat, Dell, Microsoft Azure y AMD. Su primera versi\u00f3n, OTel 1.0, ya ven\u00eda entrenada con datos de GSMA; la mejora central de la 2.0 es demostrar que un modelo \u201cadaptado al dominio\u201d puede ser mucho m\u00e1s chico que los modelos generalistas y aun as\u00ed ser m\u00e1s preciso en tareas como troubleshooting de red, configuraci\u00f3n y desarrollo de producto, con el consiguiente ahorro en costos de c\u00f3mputo e inferencia.<\/li>\n\n\n\n<li><strong>TeleLogs, de Huawei.<\/strong>\u00a0Se trata de un conjunto de datos sint\u00e9ticos creado por el equipo NetOp del Huawei Paris Research Center para entrenar y evaluar modelos de lenguaje en el diagn\u00f3stico autom\u00e1tico de fallas en redes 5G. Simula pruebas de campo (drive tests) con par\u00e1metros de estaciones base, antenas y beamforming, junto a m\u00e9tricas de usuario. Es, en otras palabras, el material de estudio con el que un modelo aprende a distinguir por qu\u00e9 una red espec\u00edfica est\u00e1 fallando, y ya se usa en el leaderboard de Open Telco AI de GSMA.<\/li>\n\n\n\n<li><strong>El Large Telco Model (LTM), de Nvidia y AdaptKey AI.<\/strong>\u00a0Es un modelo de 30.000 millones de par\u00e1metros construido sobre la familia Nemotron 3 de Nvidia, que la consultora AdaptKey AI ajust\u00f3 con datasets abiertos de telecomunicaciones, incluyendo est\u00e1ndares de la industria y registros de red sint\u00e9ticos. Est\u00e1 pensado espec\u00edficamente para tareas de redes aut\u00f3nomas: detectar fallas en entornos con m\u00faltiples capas y proveedores, planificar incluso rutas de reversi\u00f3n y validar el impacto de un cambio antes y despu\u00e9s de aplicarlo. Su valor diferencial es que los operadores tienen visibilidad completa del proceso de entrenamiento y pueden reajustarlo con sus propios datos operativos sin exponerlos a terceros.<\/li>\n<\/ul>\n\n\n\n<p class=\"wp-block-paragraph\">Los propios benchmarks, sin embargo, ponen un l\u00edmite concreto al entusiasmo: en&nbsp;<a href=\"https:\/\/www.gsma.com\/newsroom\/article\/gsma-open-telco-llm-benchmarks-ranks-frontier-ai-models-for-telco-ai-revealing-critical-gap-in-network-automation-readiness\/\">TeleYAML, la prueba que traduce instrucciones en configuraciones v\u00e1lidas de red<\/a>, los mejores modelos obtuvieron menos de 30 puntos. GSMA concluye que, por ahora, el camino m\u00e1s seguro no es delegar el control a un \u00fanico LLM, sino combinar modelos fundacionales con componentes especializados, validaciones de esquema y supervisi\u00f3n humana. Para infraestructura cr\u00edtica, la precisi\u00f3n debe medirse por tarea y no por la elocuencia general del modelo.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Los n\u00fameros de adopci\u00f3n acompa\u00f1an el giro hacia lo abierto:&nbsp;<a href=\"https:\/\/blogs.nvidia.com\/blog\/ai-in-telco-survey-2026\/\">seg\u00fan una encuesta de Nvidia<\/a>&nbsp;de 2026, el 89% de los operadores considera clave el c\u00f3digo abierto en su estrategia de IA (contra 40% en 2025), y un 42% ya planea desarrollar soluciones internamente. SoftBank y China Telecom, que usan los benchmarks de GSMA para evaluar sus propios modelos, completan el cuadro de una iniciativa que dej\u00f3 de ser meramente declarativa. El propio Mobile World Congress 2026 sirvi\u00f3 de vidriera de ese salto de la demo a la implementaci\u00f3n: operadores como Orange, Deutsche Telekom y T-Mobile mostraron IA ya integrada en sus redes en vivo, no como prueba de concepto.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">El incentivo operativo tambi\u00e9n es cuantificable.&nbsp;<a href=\"https:\/\/view.gsma.com\/mobile-net-zero-2025\/p\/2\">Los operadores consumieron cerca de 290 TWh de electricidad en 2023<\/a>&nbsp;-alrededor de 1% del consumo mundial- y, para la mayor\u00eda, las redes explicaron m\u00e1s de tres cuartas partes del uso el\u00e9ctrico. En una muestra de 19 operadores, la intensidad energ\u00e9tica por unidad de datos cay\u00f3 entre 10% y 30% anual entre 2019 y 2023. Pero GSMA advierte que la densificaci\u00f3n 5G puede elevar el consumo total aun con equipos m\u00e1s eficientes; de all\u00ed el valor de funciones como modos de reposo optimizados por IA y el apagado din\u00e1mico de capacidad ociosa.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>La otra cara: la brecha entre el discurso y la sala de m\u00e1quinas<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Medida con una taxonom\u00eda com\u00fan, la brecha es menos anecd\u00f3tica y m\u00e1s visible.&nbsp;<a href=\"https:\/\/info.tmforum.org\/rs\/021-WLD-815\/images\/TM_Forum_-_A_regional_guide_to_autonomous_networks_progress.pdf?version=0\">Una encuesta global de TM Forum de 2025<\/a>&nbsp;ubic\u00f3 apenas al 4% de los participantes en el nivel 4 de autonom\u00eda; 17% se declar\u00f3 en el nivel 3, 31% en el nivel 2, 36% en el nivel 1 y 12% en el nivel 0. En ese relevamiento, las metas declaradas para 2026 eran mucho m\u00e1s ambiciosas: 23% esperaba alcanzar el nivel 4 y 46% el nivel 3. La distancia entre estado actual y objetivo confirma que el principal obst\u00e1culo no es la disponibilidad de modelos, sino la base sobre la que deben operar: BSS\/OSS heredados y fragmentados, inventarios desactualizados, datos sin contexto com\u00fan y resistencia a reemplazar lo existente. Sin resolver esa base, ning\u00fan modelo de IA puede rendir lo que promete.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Una lectura argentina: escala y concentraci\u00f3n<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En la Argentina, el desaf\u00edo ya dej\u00f3 de ser abstracto.&nbsp;<a href=\"https:\/\/indicadores.enacom.gob.ar\/files\/informes\/nacionales\/2025\/T4\/2025T4-09%20-%20Despliegue%20Sitios%204G%20y%205G.pdf\">ENACOM registr\u00f3 1.887 sitios 5G al cierre de 2025<\/a>, frente a 1.190 seis meses antes: un crecimiento cercano al 59%. Pero 1.306 sitios -el 69%- estaban concentrados en la Ciudad y la provincia de Buenos Aires; C\u00f3rdoba y Santa Fe sumaban otros 249. Esa asimetr\u00eda importa: entrenar y operar IA de red no consiste solo en optimizar los nodos de mayor tr\u00e1fico, sino en sostener calidad, energ\u00eda y mantenimiento predictivo sobre geograf\u00edas, densidades y enlaces de transporte muy distintos. Para los operadores locales, la ventaja no vendr\u00e1 de copiar un modelo global, sino de ajustarlo con datos propios y con una gobernanza que asegure que cada recomendaci\u00f3n automatizada sea trazable, reversible y segura.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La oportunidad de negocio que plantea GSMA tiene fundamentos: sin modelos propios, los operadores corren el riesgo de repetir con la IA lo que ya vivieron con la nube, cediendo el control y el margen a terceros. Pero esa oportunidad depende de que las telcos primero ordenen su infraestructura interna y resistan la tentaci\u00f3n de vender autonom\u00eda que todav\u00eda no tienen. Como qued\u00f3 se\u00f1alado en nuestro art\u00edculo anterior, la condici\u00f3n de fondo sigue siendo la misma: antes de que la IA pueda desplegarse masivamente sobre infraestructura cr\u00edtica, tiene que \u201chablar el idioma telco\u201d con la precisi\u00f3n y la seguridad operacional que ese idioma exige. La pregunta que le queda a la industria no es si la IA va a transformar el negocio de las telecomunicaciones, sino qui\u00e9n va a capturar ese valor: los operadores que inviertan en capacidad propia, o los hyperscalers que ya la tienen.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Fountain: <a href=\"https:\/\/cai.org.ar\/ia-telco-tecnologia-cai\/\" target=\"_blank\" rel=\"noopener\">CAI<\/a><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><\/p>","protected":false},"excerpt":{"rendered":"<p>Columna publicada originalmente en el sitio web del Centro Argentino de Ingenieros. Por la&nbsp;Ing. Marina Rosso Siverino, presidenta de la Comisi\u00f3n de Tecnolog\u00eda, Innovaci\u00f3n y Transformaci\u00f3n Digital del CAI. Segunda entrega de la serie sobre Inteligencia Artificial y redes de nueva generaci\u00f3n. En una nota anterior planteamos que&nbsp;la Inteligencia Artificial (IA) dej\u00f3 de ser una [&hellip;]<\/p>\n","protected":false},"author":6,"featured_media":3515,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_gspb_post_css":"","footnotes":""},"categories":[116],"tags":[33,195,194,193],"class_list":["post-3513","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-lecturas","tag-inteligencia-artificial","tag-tecnologia","tag-telecomunicaciones","tag-transformacion-digital"],"blocksy_meta":{"styles_descriptor":{"styles":{"desktop":"","tablet":"","mobile":""},"google_fonts":[],"version":8}},"_links":{"self":[{"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/posts\/3513","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/comments?post=3513"}],"version-history":[{"count":3,"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/posts\/3513\/revisions"}],"predecessor-version":[{"id":3517,"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/posts\/3513\/revisions\/3517"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/media\/3515"}],"wp:attachment":[{"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/media?parent=3513"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/categories?post=3513"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/delplatagreen.com\/en\/wp-json\/wp\/v2\/tags?post=3513"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}