Сеть, которая думает и действует: как ИИ меняет телеком прямо сейчас

За последние несколько лет телеком-отрасль прошла путь от пилотных проектов с машинным обучением до системного внедрения искусственного интеллекта во все ключевые процессы. Сегодня отрасль движется к автономным сетям — инфраструктуре, способной не только анализировать происходящее, но и самостоятельно принимать решения и выполнять действия без участия человека в рамках заданных политик безопасности и контроля. Параллельно формируется и международная система стандартов, ускоряющая внедрение подобных решений. Это всё драйвит отрасль, где ИИ уже не просто инструмент повышения эффективности, а фундаментальная технология, лежащая в основе будущей телеком-инфраструктуры.

Эксперты Департамента по внедрению новых технологий Билайна проанализировали ключевые мировые тренды применения искусственного интеллекта в отрасли, оценили, куда движется телеком-рынок, и на основе международного опыта и собственной практики подготовили обзорный материал и подробную презентацию к нему.

Скачать презентацию можно здесь

Эволюция ИИ в телекоме (2024–2025)

В 2024–2025 годах отрасль перешла в следующую фазу зрелости ИИ-технологий: генеративный ИИ (GenAI) перестал быть на пике ажиотажа и всё чаще применяется в реальных рабочих процессах, а автономные агенты становятся доминирующей операционной парадигмой.

Ключевые факты периода:

GenAI движется к плато продуктивности: инструменты на базе генеративных моделей переводятся из пилотов в продуктовые процессы.
Рост интереса к внедрению агентов, позволяющих преобразовывать аналитику в автоматические управленческие действия.
Инструменты ИИ внедряются во всех бизнес-функциях операторов — от клиентской поддержки до коммерции и инженерии. На сетевой домен сейчас приходится около 20% всех кейсов по применению ИИ: это планирование, оптимизация, эксплуатация, автоматическое решение инцидентов и прочее.
Только небольшая доля операторов серийно интегрирует технологии, но значительная часть отрасли остаётся на стадии «незрелых возможностей». Примерно треть операторов экспериментирует и проводит пилоты, и около 14% операторов (на середину 2025 г.) уже активно использует генеративный ИИ в сетевых операциях.

LLM для телекома: почему нужны специализированные модели

За прошедшие пару лет в телекоме сформировался отдельный пласт инициатив вокруг больших языковых моделей — не ради красивых демо, а ради практического решения задач эксплуатации, анализа логов и автоматизации конфигурации оборудования. Главное отличие отраслевого подхода — вертикализация: вместо «одной большой модели на всё» операторы и вендоры создают специализированные модели, бенчмарки и платформы. Ниже — ключевые игроки и направления.

Open-Telco Benchmarks (GSMA)

В 2023 году была запущена инициатива, сформировавшая бенчмарки для телеком-LLM — наборы задач и датасетов, ориентированных на телеком-домен (сперва три датасета, затем расширение до пяти). Цель — дать измеримый эталон того, насколько большие языковые модели понимают 3GPP-документацию, умеют разбирать логи, работать с конфигурациями и решать прикладные математические задачи для сети. Практический смысл: обычные LLM на общих данных дают мало качественного результата, если не проверить их на телеком-наборах, поэтому бенчмарки стали основой для оценки моделей и их дообучения.

TelClaude от Anthropic (адаптация крупной модели под телеком)

Крупные поставщики платформ сотрудничают с разработчиками LLM для создания отраслевых версий. Один из примеров — адаптация модели Claude для задач телеком-индустрии (условное имя TelClaude) по запросу оператора SK Telecom. Смысл не в том, чтобы «перетащить» универсальную модель как есть, а в том, чтобы дообучить и снабдить её профильными датасетами: документацией, логами, конфигурациями и знанием инвентаря. Это снижает число ошибочных («галлюцинаций») ответов и повышает практическую точность для инженерных сценариев.

Global Telco AI Alliance

В 2023 году SK Telecom, Deutsche Telekom, e&, Singtel и SoftBank основали Global Telco AI-альянс для разработки специализированных телеком-моделей и ускорения совместимых решений. В июне 2024 года альянс создал JV для разработки мультиязыковой LLM для телекома — Telco LLM.

Cisco Deep Network Model и Configuration LM

Cisco — один из вендоров, который пошёл путём создания узконаправленных моделей.

Примеры инициатив:

Configuration Language Model — модель обучена на реальных конфигурациях Cisco-маршрутизаторов/коммутаторов. Она умеет формально анализировать конфигурацию, находить синтаксические и семантические ошибки (например, неверно записанный параметр) и давать выводы до выката конфигурации в прод. Это важный класс задач: здесь нужна не «интуиция» модели, а строгая проверка, — и специализированная модель справляется с этим лучше универсальной LLM.
Deep Network Model от Cisco — модель для работы с сетевым оборудованием и его конфигурациями, показавшая высокую полезность во внутренних тестах.

LLM vs SLM (не всегда больше значит лучше)

Универсальные большие модели дают широкий охват, но:

дороги в развертывании и обслуживании (ресурсы GPU, сложность интеграции в периметре оператора);
хуже работают с табличными и конфигурационными форматами без специального дообучения;
более склонны к «галлюцинациям» вне проверенных данных.

По этой причине результативнее смешанные подходы:

Большие LLM — для обобщённой работы с текстом, интерфейсов и агрегации знаний.
Малые / специализированные модели (SLM) — для критичных эксплуатационных задач: анализа логов, поиска RCA, проверка конфигураций и т. д. Уже есть примеры, когда SLM с ~18 млрд параметрами конкурентоспособна по качеству в телеком-домене при гораздо меньших издержках и требовательности к инфраструктуре.

Развитие стандартов применения ИИ в телекоме

Стандартизация — ключевой элемент того, как ИИ превратится из набора пилотов в надёжные, масштабируемые рабочие процессы для операторов. Несколько организаций сегодня влияют на то, какие интерфейсы, форматы данных и практики будут приняты в отрасли — от низкоуровневых механизмов сбора данных и управления моделями до высокоуровневых определений AI-native сетей.

3GPP — стандарты для интеграции ИИ в 5G/NG-RAN и управление моделями

3GPP активно работает над включением возможностей ИИ/ML в архитектуру 5G-Advanced и NG-RAN. Это и механизмы сбора данных, и функциональные блоки для интеллектуальной телеком-аналитики, и средства управления моделями в сети. При этом 3GPP, как правило, стандартизирует не сами модели, а механизмы и интерфейсы, то есть способы, как операторы будут собирать данные, доставлять модели и управлять их жизненным циклом в сетях. Эти усилия оформляются в релизных работах (Rel-18/Rel-19 и далее), охватывая задачи от оптимизации покрытия до поддержки сетевых срезов (network slicing).

ETSI и другие SDO — безопасность, процедуры, дата-сеты

Европейский институт стандартов в телекоммуникациях (ETSI) также активно развивает стандарты для ИИ в ИКТ и работает по двум основным направлениям. Первое — Zero-touch Network & Service Management (ZSM) — e2e-автоматизация в телекоммуникационных сетях, а также использование AI и ML для поддержки принятия решений в режиме реального времени и повышения эксплуатационной эффективности. Второе — Securing AI (SAI) — безопасность систем и решений на основе AI и ML. Сюда входит всё, что касается конфиденциальности данных, соответствия нормативным требованиям, внутренних угроз, рисков безопасности в облаке, уязвимости удаленной работы и сложности системной интеграции.

ITU-T (МСЭ-Т) — AI-native сети

Международный союз электросвязи (ITU-T) запустил фокус-группы по AI-Native сетям, задача которых — выработать определения, концепции и рекомендации для сетей с нативной поддержкой ИИ. ITU-T концентрируется на согласовании терминологии, архитектурных принципов и ориентиров, чтобы различные операторы и вендоры могли говорить на одном языке. Документы FG-AI-NN помогают формулировать, что именно, например, подразумевается под «автономностью» или «замкнутыми контурами».

AI-RAN Alliance — промышленный альянс для AI в радиодоступе

AI-RAN Alliance — это отраслевое объединение операторов и вендоров, которое помогает разрабатывать, координирует практические демонстрации, тест-лабы и рекомендации для внедрения AI в RAN (например, размещение вычислений на краю сети, кейсы по энергоэффективности и управлению ресурсами). Альянс был создан в начале 2024 года семью компаниями-основателями, и к середине 2025 года стал насчитывать уже 100 участников. Ключевые игроки — NVIDIA, SoftBank, T-Mobile, Vodafone, KT, Samsung, Nokia, Ericsson, Microsoft.

Что это всё значит для оператора

Стандарты и альянсы уже активно формируют инструменты и сценарии использования AI, что одновременно снижает риск при внедрении (интероперабельность, проверенные практики), ускоряет перенос пилотов в продакшн (совместимые механизмы доставки моделей и сбора данных), но и повышает требования к безопасности и прозрачности действий подобных систем.

Агентный ИИ (Agentic AI): что это и какие агенты бывают

Agentic AI — это тип системы ИИ, которая может понимать запросы и отвечать на них без вмешательства человека. Агентный ИИ выходит за рамки традиционных языковых моделей и создает более динамичные и автономные системы. Агентный ИИ полагается на машинное обучение и обработку естественного языка (NLP) для решения широкого спектра задач: восприятие и сбор данных, сложные рассуждения, принятие решений, самообучение.

Чем отличается «ИИ-агент» от «агентного ИИ»

Термины часто путают, особенно в переводах, поэтому важно разделить:

ИИ-агент — это программный модуль, выполняющий определённую функцию по определенным правилам или по заранее заданному сценарию (например, ассистент для диагностики или оркестратор, запускающий заранее подготовленный плейбук).
Агентный ИИ (agentic AI) — более широкий концепт: автономная система (или набор агентов), которая действует исходя из цели, оценивает варианты, может планировать многошаговые действия, координироваться с другими агентами и адаптироваться по мере получения обратной связи.

Главная разница — логика целей, способность к автономному принятию и корректировке действий, а не просто исполнение фиксированного сценария.

Типы агентов (практическая классификация)

В телеком-практике и в исследованиях различают несколько типов агентов в зависимости от роли и архитектуры.

Первые инструменты на базе агентного ИИ — реальные внедрения

Первые production-кейсы уже активно реализовываются. Например, Deutsche Telekom (Германия) с мультиагентными сценариями, где:

один агент отслеживает внешний контекст (например, массовые или локальные события);
второй анализирует и планирует изменения сети под эти условия;
третий производит оптимизацию и исполняет изменения через оркестрационные шлюзы.

Другие операторы проводили пилоты по аналогичным сценариям (управление перегревом узлов пакетной коры, автоматическое выявление «спящих» сот, цифровые двойники), и их кейсы также показывают практическую ценность агентного подхода при реальном развертывании.

Ключевые протоколы и зарождающиеся стандарты

Для того чтобы агенты от разных разработчиков и вендоров могли взаимодействовать и координироваться, в отрасли появляются базовые протоколы:

Model Context Protocol (MCP) — в декабре 2024 года Anthropic представил протокол для обмена контекстом между моделями и внешними системами. Стандартизирует взаимодействие между LLM и внешними системами: БД, RAG, вики, поисковики, таск-трекеры, мессенджеры, соцсети, Умный дом, и др. MCP даёт возможность агентам и внешним системам надёжно передавать состояние, контекст и метаданные.
Agent-to-Agent (A2A) протокол — Google в апреле 2025 года анонсировал протокол для взаимодействия агентов. Стандартизирует взаимодействие между агентами: обнаружение возможностей, управление задачами, оценка и сопоставление статуса, обмен сообщениями для передачи контекста, согласование пользовательского опыта и др. Такие протоколы позволяют агентам обнаруживать возможности друг друга, договариваться об ответственности и синхронизировать выполнение.
Agntcy — разработка Cisco, переданная в Linux Foundation. Определяет инфраструктурный уровень для взаимодействия агентов. Обеспечивает обнаружение и понимание возможностей других агентов (DNS для агентов), идентификацию и контроль доступа агентов, а также безопасную работу.

Автономные сети и AIOps (Zero-Touch, уровни AN L4 → дальше)

Автономная сеть — это не абстрактная система «без людей», а практическая модель управления, в которой этапы процесса: обработка намерения (задачи) → сбор данных → анализ → принятие решения → исполнение — поэтапно переходят в ответственность системы. AIOps стал первым крупным шагом: он дал возможность автоматически анализировать объемы логов и телеметрии, коррелировать события и ускорять поиск первопричин.

Следующий этап — автономность операций, когда система уже способна не только предлагать решения, но и безопасно выполнять их в замкнутом контуре (zero-touch).

Уровни автономности сети — общее понимание

Упрощённо индустрия выделяет уровни автономности (L-уровни), где:

L1–L2 — частичная автоматизация отдельных шагов;
L3 — система сама анализирует и предлагает решения в большинстве сценариев;
L4 — высокий уровень автономности: сбор, анализ, принятие решения и исполнение выполняются системой, человек остаётся на уровне установки целей и политик;
L5 — полная автономность.

Реальные оценки уровня автономности (сертификаты TM Forum)

TM Forum предложил разбивать любой сетевой процесс на пять логических этапов:

Интенция — постановка задачи/намерения.
Сбор данных — агрегирование телеметрии, логов, инвентаря.
Анализ — собранных данных и выбор способа решения.
Принятие решения — выбор варианта действия с учётом политик.
Исполнение — применение изменений и проверка результата.

Уровень автономности процесса определяется тем, кто выполняет каждый из этих шагов — человек или система. Эта матрица даёт операторам удобный и объективный способ оценить, какие части процесса можно безопасно автоматизировать, а какие требуют сохранения человеческого контроля.

В TM Forum пошли дальше и разработали собственную методику оценки уровня автономности, по которой уже начали сертифицировать операторов.

Где сегодня находятся сети операторов по уровню автономности — реальные оценки и прогнозы

Согласно опросам и исследованиям:

в 2023 большинство операторов находились между L1 и L2 — многие процессы частично автоматизированы, но доминирует человек в ключевых шагах;
операторы планировали постепенный рост: к 2028–2030 годам многие рассчитывают поднять уровень автономности хотя бы на одну ступень;
однако в более свежем опросе (май 2025 г.) видна сдвижка — доля более автономных процессов заметно выросла, и к горизонту 2030 года многие операторы уже ожидают, что будут на уровне L4.

Инициатива L4 is On (инициативы по ускорению перехода к L4)

На саммите по автономным сетям (Mobile World Congress 2025, Барселона) при поддержке Huawei, China Mobile, Telefónica, Telecom Argentina, Accenture и AsiaInfo Technologies, была объявлена инициатива «L4 is On», цель которой — координировать отраслевой переход к уровню L4. Инициатива ставит задачу согласовать сценарии, инструменты и стандарты, чтобы операторы и вендоры могли совместно продвигать готовые пакеты решений и быстрее коммерциализировать повышение автономности.

Выделяют три ключевых направления развития:

Усовершенствование отраслевого плана L4. Уточнение сроков внедрения для основных сценариев L4 и улучшение целевой архитектуры на основе co-pilot и ИИ-агентов для продвижения к L4 при поддержке всех отраслевых партнеров.
Разработка стандартизированных пакетов решений L4. Разработка решений, включая требования к сценариям L4, ключевые показатели эффективности, стандарты оценки уровней автономности и решения E2E.
Продвижение инноваций и коммерциализации сценариев L4. Проведение оценки сетей на уровень автономности, ускорение разработки инновационных приложений, основанных на цифровых близнецах, генеративном ИИ и других передовых технологиях.

Agentic AI приближает этап AN L4: от AIOps к AgenticOps

AIOps дал операторам способность понимать, — Agentic AI даёт им возможность действовать. Переход AIOps → AgenticOps — ключевой шаг на пути к автономным сетям уровня L4 (zero-touch operations).

Термин AIOps придумали аналитики Gartner в 2016 году. В общем смысле AIOps — это использование методов искусственного интеллекта и машинного обучения для поддержки эксплуатации (Operations) ИТ и сетей. Конечная цель — построение надёжной автономной сети (zero-touch operations, ZTO): система не только диагностирует, но и безопасно исполняет операции по минимальному вмешательству человека.

Основные достоинства AIOps:

Интеллектуальная автоматизация — ML для поиска закономерностей и обнаружения аномалий в огромных объёмах телеметрии.
Самообучающаяся автоматизация — система учится на прошлом опыте и со временем повышает качество рекомендаций.

Практические преимущества (согласно оценке Gartner):

Время обнаружения инцидентов сокращается до +80%.
Время разрешения инцидентов уменьшается примерно на 30%.
Точность анализа первопричин (RCA) улучшается до ~90%.

Развитие к AgenticOps

Термин AgenticOps предложила компания Cisco в июне 2025 года, его поддержали и другие компании, такие как Nokia и IBM. Иногда его называют Agentic AIOps

Если просто, то:

AIOps в основном анализирует и рекомендует.
Agentic AI — системы агентов, которые объединяют восприятие, рассуждение и исполнение в замкнутом цикле: они собирают контекст, планируют многошаговые действия и выполняют их через оркестраторы.
AgenticOps переводит рекомендации в управляемые действия: отказ от чистого «человеческого решения» в части быстро повторяющихся или чувствительных по времени сценариев.

Концепция zero-touch — полная автоматизация рутинных операций без вмешательства человека — остаётся целевым ориентиром отрасли. На практике переход к zero-touch требует:

точных вертикальных моделей и векторных или графовых баз знаний;
зрелого data-слоя с качественной телеметрией и инвентарных данных;
надёжных протоколов взаимодействия агентов и систем оркестрации;
продуманной схемы контроля, отката и телеметрии действий агентной системы.

Пилоты TM Forum и зарубежных операторов демонстрируют значимые улучшения (снижение числа алармов, ускорение поиска RCA, сокращение MTTR), но при этом подчёркивают: полномасштабный zero-touch по всему спектру услуг — это вопрос постепенной эволюции, а не одномоментного перехода.

Кейсы операторов

Еще больше примеров в презентации.

Выводы и перспективы

ИИ в телекоме окончательно вышел из стадии экспериментов и стал стратегической технологией уровня архитектуры сети. Сегодня речь идёт уже не о точечных пилотах, а о системной трансформации эксплуатации, планирования и развития сетей.

Агентный ИИ — следующий этап эволюции сетей

Главный сдвиг отрасли — переход от систем, которые анализируют и рекомендуют, к системам, которые способны самостоятельно принимать решения и выполнять действия в рамках заданных политик. Именно поэтому агентный ИИ становится ключевой технологией на пути к автономным сетям уровней AN L4–L5. Будущее — за системами, которые работают в замкнутом контуре: восприятие → сбор данных → анализ → планирование → исполнение → обучение на результате.

Фактически развитие агентных архитектур становится фундаментом перехода от AIOps к AgenticOps — операционной модели, где ИИ не только выявляет проблему, но и участвует в её устранении.

Отрасль уже формирует единые правила игры

Параллельно с технологическим развитием идёт масштабная стандартизация. Работы ведутся в рамках: 3GPP, ETSI, TM Forum, ITU-T и AI-RAN Alliance. Стандартизация ускоряет внедрение ИИ-решений, снижает технологические риски и обеспечивает совместимость решений разных вендоров и платформ.

ML, GenAI и Agentic AI — не конкуренты, а единая экосистема

Отрасль постепенно приходит к пониманию, что разные классы ИИ-технологий решают разные задачи:

классический ML — прогнозирование, обнаружение аномалий, оптимизация;
генеративный ИИ — работа с знаниями, интерфейсы и ускорение инженерных процессов;
агентный ИИ — принятие решений и выполнение действий в операционных контурах.

Вместе они формируют единую интеллектуальную операционную среду сети.

Эффект уже измеряется

Практические внедрения и пилоты показывают измеримые результаты:

сокращение времени обнаружения и устранения инцидентов;
снижение операционных затрат;
уменьшение количества сетевых инцидентов;
высвобождение инженерных ресурсов.

Во многих проектах эффект измеряется десятками процентов как по времени реакции, так и по операционной эффективности.

Вывод

Телеком-отрасль входит в фазу, где ИИ становится не инструментом оптимизации, а частью базовой архитектуры сети. И если AIOps сделал сети наблюдаемыми и предсказуемыми, то агентные системы делают их адаптивными и самоуправляемыми.

Искусственный интеллект

Качество связи