Si el tráfico móvil puede multiplicarse casi cinco veces hacia 2030, como proyecta la GSMA, mantener la infraestructura actual funcionando con más usuarios y aplicaciones empieza a convertirse en una cuestión de productividad y no solamente de cobertura, porque cada nueva unidad de tráfico exige procesamiento, energía y capacidad de red. Bajo esa presión, GlobalLogic decidió probar qué ocurre cuando la inteligencia artificial y las GPU NVIDIA se incorporan directamente a la operación de una red 5G Open RAN.
Lo llamativo de la primera prueba es que la mejora no se quedó en una diferencia marginal, ya que la incorporación de GPU permitió elevar hasta 15 veces los tiempos de procesamiento bajo determinadas condiciones. Cuando ese resultado se lleva al terreno empresarial, la pregunta deja de ser cuánto más rápida puede ser una tecnología y pasa a ser cuánta capacidad adicional podría obtener un operador de una infraestructura existente antes de tener que ampliar sus recursos.
Aunque el consumo energético suele aparecer como una variable secundaria frente a velocidad y cobertura, el experimento de GlobalLogic muestra por qué empieza a ganar protagonismo, debido a que la misma prueba registró una reducción de alrededor de 40% en el consumo de energía. Para una red que opera de forma permanente, una mejora de ese tamaño puede convertirse en una variable relevante dentro de los costos recurrentes, especialmente cuando el tráfico sigue creciendo.
El segundo caso probado por la compañía aborda otro problema menos visible, pero igualmente importante para la operación, porque las redes tienen que distinguir entre accesos reales y señales generadas por ruido o interferencias. Al integrar modelos de deep learning, GlobalLogic logró reducir en 99,98% las falsas detecciones de intentos de acceso, lo que puede evitar que recursos de procesamiento sean utilizados en eventos que no corresponden a tráfico efectivo.
Cuando Cristian Dieguez, Head of DU CSP & NEP para América Latina de GlobalLogic, habla de la necesidad de redes más eficientes, el contexto ayuda a entender por qué la compañía está mirando más allá del aumento tradicional de capacidad, ya que la complejidad de 5G, la futura evolución hacia 6G y el crecimiento del edge computing están agregando nuevas exigencias a la infraestructura. “Resulta innegable la necesidad de contar con redes móviles más eficientes”, afirma Dieguez, al vincular esa transformación con la aparición de nuevos modelos de negocio para las empresas de telecomunicaciones.
En la práctica, AI-RAN propone que parte de esa inteligencia esté dentro de la propia infraestructura radioeléctrica, de modo que la red pueda adaptar la utilización de recursos según cambien las condiciones del tráfico. Esto importa porque una red que responde dinámicamente puede utilizar mejor el espectro, gestionar la energía con mayor eficiencia y distribuir las cargas de procesamiento de acuerdo con la demanda, en lugar de operar siempre bajo una asignación fija.
Si uno mira el mercado colombiano, la discusión resulta especialmente interesante porque el crecimiento de los servicios digitales obliga a las redes a sostener cada vez más actividad, mientras los operadores necesitan controlar el costo de mantener esa infraestructura disponible. Dieguez señala que, en países como Colombia, el avance hacia AI-RAN representa una oportunidad para analizar nuevas formas de aprovechar la infraestructura de telecomunicaciones, lo que abre una conversación que combina tecnología con productividad y eficiencia.
Mientras las redes incorporan capacidades de inteligencia artificial, también cambia el papel de la infraestructura de telecomunicaciones, porque una plataforma que procesa datos de manera más eficiente puede servir como base para servicios vinculados con IA y computación en el borde. En ese escenario, la inversión tecnológica deja de estar asociada exclusivamente con conectividad y comienza a relacionarse con la posibilidad de habilitar nuevos servicios sobre la misma infraestructura.
Por eso, cuando se ponen juntos los resultados de las pruebas, aparece una fotografía bastante clara del reto que enfrentan las redes móviles, debido a que el mercado tendrá que procesar mucho más tráfico mientras busca contener consumo y mejorar la precisión de sus operaciones. Los resultados de GlobalLogic, con hasta 15 veces más velocidad de procesamiento, cerca de 40% menos consumo energético y 99,98% menos falsas detecciones en escenarios específicos, muestran que AI-RAN puede analizarse desde una perspectiva concreta de productividad, costos y utilización de infraestructura.
