Nokia y Databricks se propusieron demostrar que una plataforma de datos común podría funcionar de manera idéntica en diferentes entornos de nube o en infraestructura local, permitiendo una implementación consistente de IA sin necesidad de reescribir código .

La prueba de gestión de rendimiento en tiempo real

Los equipos de ingeniería de ambas empresas se centraron en un caso de uso exigente: la gestión de rendimiento en tiempo real. Simularon la ingesta de análisis a una escala que iguala los requisitos de los operadores de nivel 1 en la nube. El trabajo produjo varios resultados técnicos específicos :

• Pipelines de datos multiplataforma sin cambios de código: Los pipelines de datos se escribieron una vez y se implementaron de manera idéntica en Databricks y en una pila de código abierto (Apache Flink, Kafka, Iceberg), admitiendo streaming en tiempo real, procesamiento por lotes y productos de datos en tiempo de consulta .
• Lógica de datos neutral al proveedor: Los ingenieros de Nokia construyeron la lógica de transformación en Python utilizando expresiones independientes de la plataforma, manteniendo la lógica central separada de los conectores específicos de la plataforma para que los mismos flujos de trabajo pudieran reutilizarse en todos los entornos .
• Despliegue automatizado mediante un compilador personalizado: Los equipos validaron un compilador personalizado que adapta automáticamente los flujos de trabajo en el momento del despliegue, traduciendo la lógica abstracta a formatos nativos (por ejemplo, Delta Live Tables para Databricks, Flink SQL para código abierto) y añadiendo conectores específicos de la plataforma sin reelaboración manual .
• Tejido de datos para el mundo de los agentes: La plataforma admite productos de datos en tiempo de consulta que calculan métricas derivadas al leer en lugar de duplicar datos; uso compartido de copia cero para un consumo ligero de datos entre dominios; y un mecanismo para alimentar selectivamente capas temporales superiores en la nube donde los agentes de IA ejecutan tareas retrospectivas como el análisis de causa raíz .

El agente de tejido de datos inteligente

Más allá de la capa de infraestructura, la prueba de concepto demostró un agente de tejido de datos inteligente impulsado por IA que agiliza las operaciones. Utilizando simples indicaciones en lenguaje natural, el agente puede generar nuevos productos de datos, solicitar validación humana e implementar el pipeline de forma automática, acelerando la innovación con menos esfuerzo manual .

En un mundo de agentes, el mismo mecanismo permite la comunicación entre agentes: otros agentes de IA pueden solicitar productos de datos dinámicos bajo demanda interactuando directamente con el agente de tejido de datos .

Por qué esto es importante: la apuesta más amplia de Nokia por las redes autónomas

La prueba de concepto con Databricks es una parte de una estrategia más amplia. El mismo día, Nokia anunció una colaboración ampliada con AWS para ejecutar su Autonomous Networks Fabric en AWS, con disponibilidad prevista para finales de 2026 .

Elementos clave de esa expansión:

• Autonomía de red de nivel 4: Los operadores obtienen acceso a servicios avanzados de IA y nube necesarios para operaciones de red altamente autónomas .
• Cuatro capacidades principales unificadas: El Fabric integra la Gestión Unificada de Datos entre dominios, IA Agéntica para operaciones de servicios, simulaciones de Gemelos Digitales para la evaluación proactiva de impacto y Redes Basadas en Intenciones para acciones automatizadas de bucle cerrado .
• Servicios de IA que lo sustentan todo: Las soluciones aprovecharán los servicios de IA/ML de AWS, incluyendo Amazon Bedrock y Amazon SageMaker, para una escalabilidad elástica y una amplia selección de modelos .
• Resultados con clientes ya reportados: Los operadores que utilizan el portafolio autónomo de Nokia han reportado tasas de automatización superiores al 90%, tiempos de entrega de servicios de cuatro horas o menos, una reducción de hasta el 85% en el tiempo de implementación de slices y hasta un 50% menos de incidentes que afectan al cliente .

Nokia también actualizó su portafolio de IA agéntica

En DTW Ignite, Nokia presentó su Autonomous Networks Agent Library, un conjunto de agentes de IA preconstruidos para operaciones de seguridad, aseguramiento y servicios. La biblioteca cubre la identificación de ataques de día cero, el razonamiento de anomalías, la clasificación de eventos, la resolución de problemas de órdenes de servicio y la coordinación multiagente. Nokia reporta ganancias de productividad que van del 60% al 80% en comparación con las operaciones de seguridad tradicionales .

Otras actualizaciones agénticas anunciadas incluyen una actualización del Autonomous Networks Suite con opciones de implementación local, optimización de la calidad del servicio VoLTE y una experiencia mejorada del suscriptor RAN; actualizaciones de la plataforma MantaRay de gestión y orquestación de servicios con funcionalidad de Controlador RAN Inteligente no en tiempo real; y un marco de autenticación añadido a WaveSuite para redes ópticas .

Próximos pasos

Nokia y Databricks planean continuar su colaboración en torno a la mejora de las capacidades de red autónoma, ayudando a los operadores a realizar la transición hacia un futuro en el que las aplicaciones de IA accedan, correlacionen y actúen cada vez más sobre datos de red a gran escala en tiempo real .

Nokia y AWS están comprometidos con una agenda de innovación colaborativa que combina los modelos de IA entrenados en telecomunicaciones y la experiencia en el dominio de Nokia con los servicios de IA de AWS para ofrecer operaciones de red cada vez más autónomas, y planean ir al mercado juntos para ayudar a los operadores a evolucionar sus pilas operativas y desbloquear nuevas fuentes de ingresos .

Nokia y Databricks se propusieron demostrar que una plataforma de datos común podría funcionar de manera idéntica en diferentes entornos de nube o en infraestructura local, permitiendo una implementación consistente de IA sin necesidad de reescribir código .

La prueba de gestión de rendimiento en tiempo real

Los equipos de ingeniería de ambas empresas se centraron en un caso de uso exigente: la gestión de rendimiento en tiempo real. Simularon la ingesta de análisis a una escala que iguala los requisitos de los operadores de nivel 1 en la nube. El trabajo produjo varios resultados técnicos específicos :

• Pipelines de datos multiplataforma sin cambios de código: Los pipelines de datos se escribieron una vez y se implementaron de manera idéntica en Databricks y en una pila de código abierto (Apache Flink, Kafka, Iceberg), admitiendo streaming en tiempo real, procesamiento por lotes y productos de datos en tiempo de consulta .
• Lógica de datos neutral al proveedor: Los ingenieros de Nokia construyeron la lógica de transformación en Python utilizando expresiones independientes de la plataforma, manteniendo la lógica central separada de los conectores específicos de la plataforma para que los mismos flujos de trabajo pudieran reutilizarse en todos los entornos .
• Despliegue automatizado mediante un compilador personalizado: Los equipos validaron un compilador personalizado que adapta automáticamente los flujos de trabajo en el momento del despliegue, traduciendo la lógica abstracta a formatos nativos (por ejemplo, Delta Live Tables para Databricks, Flink SQL para código abierto) y añadiendo conectores específicos de la plataforma sin reelaboración manual .
• Tejido de datos para el mundo de los agentes: La plataforma admite productos de datos en tiempo de consulta que calculan métricas derivadas al leer en lugar de duplicar datos; uso compartido de copia cero para un consumo ligero de datos entre dominios; y un mecanismo para alimentar selectivamente capas temporales superiores en la nube donde los agentes de IA ejecutan tareas retrospectivas como el análisis de causa raíz .

El agente de tejido de datos inteligente

Más allá de la capa de infraestructura, la prueba de concepto demostró un agente de tejido de datos inteligente impulsado por IA que agiliza las operaciones. Utilizando simples indicaciones en lenguaje natural, el agente puede generar nuevos productos de datos, solicitar validación humana e implementar el pipeline de forma automática, acelerando la innovación con menos esfuerzo manual .

En un mundo de agentes, el mismo mecanismo permite la comunicación entre agentes: otros agentes de IA pueden solicitar productos de datos dinámicos bajo demanda interactuando directamente con el agente de tejido de datos .

Por qué esto es importante: la apuesta más amplia de Nokia por las redes autónomas

La prueba de concepto con Databricks es una parte de una estrategia más amplia. El mismo día, Nokia anunció una colaboración ampliada con AWS para ejecutar su Autonomous Networks Fabric en AWS, con disponibilidad prevista para finales de 2026 .

Elementos clave de esa expansión:

• Autonomía de red de nivel 4: Los operadores obtienen acceso a servicios avanzados de IA y nube necesarios para operaciones de red altamente autónomas .
• Cuatro capacidades principales unificadas: El Fabric integra la Gestión Unificada de Datos entre dominios, IA Agéntica para operaciones de servicios, simulaciones de Gemelos Digitales para la evaluación proactiva de impacto y Redes Basadas en Intenciones para acciones automatizadas de bucle cerrado .
• Servicios de IA que lo sustentan todo: Las soluciones aprovecharán los servicios de IA/ML de AWS, incluyendo Amazon Bedrock y Amazon SageMaker, para una escalabilidad elástica y una amplia selección de modelos .
• Resultados con clientes ya reportados: Los operadores que utilizan el portafolio autónomo de Nokia han reportado tasas de automatización superiores al 90%, tiempos de entrega de servicios de cuatro horas o menos, una reducción de hasta el 85% en el tiempo de implementación de slices y hasta un 50% menos de incidentes que afectan al cliente .

Nokia también actualizó su portafolio de IA agéntica

En DTW Ignite, Nokia presentó su Autonomous Networks Agent Library, un conjunto de agentes de IA preconstruidos para operaciones de seguridad, aseguramiento y servicios. La biblioteca cubre la identificación de ataques de día cero, el razonamiento de anomalías, la clasificación de eventos, la resolución de problemas de órdenes de servicio y la coordinación multiagente. Nokia reporta ganancias de productividad que van del 60% al 80% en comparación con las operaciones de seguridad tradicionales .

Otras actualizaciones agénticas anunciadas incluyen una actualización del Autonomous Networks Suite con opciones de implementación local, optimización de la calidad del servicio VoLTE y una experiencia mejorada del suscriptor RAN; actualizaciones de la plataforma MantaRay de gestión y orquestación de servicios con funcionalidad de Controlador RAN Inteligente no en tiempo real; y un marco de autenticación añadido a WaveSuite para redes ópticas .

Próximos pasos

Nokia y Databricks planean continuar su colaboración en torno a la mejora de las capacidades de red autónoma, ayudando a los operadores a realizar la transición hacia un futuro en el que las aplicaciones de IA accedan, correlacionen y actúen cada vez más sobre datos de red a gran escala en tiempo real .

Nokia y AWS están comprometidos con una agenda de innovación colaborativa que combina los modelos de IA entrenados en telecomunicaciones y la experiencia en el dominio de Nokia con los servicios de IA de AWS para ofrecer operaciones de red cada vez más autónomas, y planean ir al mercado juntos para ayudar a los operadores a evolucionar sus pilas operativas y desbloquear nuevas fuentes de ingresos .