Nokia dan Databricks bertujuan untuk membuktikan bahwa sebuah platform data umum dapat berfungsi secara identik di lingkungan cloud yang berbeda atau infrastruktur on-premise, memungkinkan penerapan AI yang konsisten tanpa perlu menulis ulang kode .

Uji Manajemen Performa Real-Time

Tim teknik dari kedua perusahaan fokus pada satu use case yang menuntut: manajemen performa real-time. Mereka menyimulasikan penyerapan data analitik pada skala yang setara dengan kebutuhan operator tier-1 di cloud. Pekerjaan ini menghasilkan beberapa capaian teknis spesifik :

• Pipeline data lintas platform tanpa perubahan kode: Pipeline data ditulis sekali dan diterapkan secara identik di Databricks dan di tumpukan open-source (Apache Flink, Kafka, Iceberg), mendukung streaming real-time, pemrosesan batch, dan produk data query-time .
• Logika data netral vendor: Insinyur Nokia membangun logika transformasi dalam Python menggunakan ekspresi independen platform, menjaga inti logika tetap terpisah dari konektor spesifik platform sehingga alur kerja yang sama dapat digunakan kembali di berbagai lingkungan .
• Deployment otomatis via compiler kustom: Tim memvalidasi sebuah compiler kustom yang secara otomatis menyesuaikan alur kerja pada saat deployment, menerjemahkan logika abstrak ke dalam format asli (misalnya, Delta Live Tables untuk Databricks, Flink SQL untuk open-source) dan menambahkan konektor spesifik platform tanpa pengerjaan ulang manual .
• Data fabric untuk dunia agentic: Platform ini mendukung produk data query-time yang menghitung metrik turunan saat pembacaan, bukan menduplikasi data; berbagi zero-copy untuk konsumsi data lintas domain yang ringan; dan mekanisme untuk secara selektif memberi umpan ke lapisan temporal atas di cloud tempat agen AI menjalankan tugas retrospektif seperti analisis akar masalah .

Agen Data Fabric Cerdas

Di luar lapisan infrastruktur, PoC ini mendemonstrasikan sebuah agen data fabric cerdas bertenaga AI yang menyederhanakan operasi. Menggunakan perintah bahasa alami sederhana, agen ini dapat menghasilkan produk data baru, meminta validasi manusia, dan menerapkan pipeline secara otomatis — mempercepat inovasi dengan lebih sedikit usaha manual .

Dalam dunia agentic, mekanisme yang sama memungkinkan komunikasi antar-agen: agen AI lain dapat meminta produk data dinamis sesuai permintaan dengan berinteraksi langsung dengan agen data fabric .

Mengapa Ini Penting: Dorongan Nokia untuk Jaringan Otonom yang Lebih Luas

PoC dengan Databricks adalah salah satu bagian dari strategi yang lebih besar. Pada hari yang sama, Nokia mengumumkan perluasan kolaborasi dengan AWS untuk menjalankan Autonomous Networks Fabric di AWS, dengan ketersediaan yang diharapkan pada akhir 2026 .

Elemen kunci dari perluasan ini:

• Otonomi jaringan Level 4: Operator mendapatkan akses ke layanan AI dan cloud canggih yang diperlukan untuk operasi jaringan yang sangat otonom .
• Empat kemampuan inti disatukan: Fabric ini mengintegrasikan Manajemen Data Terpadu di seluruh domain, AI Agen untuk operasi layanan, simulasi Digital Twin untuk penilaian dampak proaktif, dan Jaringan Berbasis Niat untuk tindakan loop tertutup otomatis .
• Layanan AI yang mendukung semuanya: Solusi ini akan memanfaatkan layanan AI/ML AWS termasuk Amazon Bedrock dan Amazon SageMaker untuk skalabilitas elastis dan pilihan model yang luas .
• Hasil pelanggan sudah dilaporkan: Operator yang menggunakan portofolio otonom Nokia telah melaporkan tingkat otomatisasi melebihi 90%, waktu pengiriman layanan empat jam atau kurang, pengurangan waktu penerapan hingga 85%, dan hingga 50% lebih sedikit insiden yang berdampak pada pelanggan .

Nokia Juga Tingkatkan Portofolio AI Agen

Di DTW Ignite, Nokia meluncurkan Autonomous Networks Agent Library — seperangkat agen AI bawaan untuk keamanan, jaminan, dan operasi layanan. Perpustakaan ini mencakup identifikasi serangan zero-day, penalaran anomali, triase peristiwa, pemecahan masalah pesanan layanan, dan koordinasi multi-agen. Nokia melaporkan peningkatan produktivitas mulai dari 60% hingga 80% dibandingkan dengan operasi keamanan tradisional .

Peningkatan agentic lainnya yang diumumkan termasuk penyegaran Autonomous Networks Suite dengan opsi deployment on-premise, optimasi kualitas layanan VoLTE, dan pengalaman pelanggan RAN yang ditingkatkan; pembaruan platform manajemen dan orkestrasi layanan MantaRay dengan fungsionalitas RAN Intelligent Controller non-real-time; dan kerangka kerja autentikasi yang ditambahkan ke WaveSuite untuk jaringan optik .

Langkah Selanjutnya

Nokia dan Databricks berencana untuk melanjutkan kolaborasi mereka di sekitar peningkatan kemampuan jaringan otonom, membantu operator bertransisi ke masa depan di mana aplikasi AI semakin mengakses, menghubungkan, dan bertindak berdasarkan data jaringan skala besar secara real-time .

Nokia dan AWS berkomitmen pada agenda inovasi kolaboratif yang menggabungkan model AI terlatih telekomunikasi Nokia dan keahlian domain dengan layanan AI AWS untuk memberikan operasi jaringan yang semakin otonom, dan mereka berencana untuk go-to-market bersama untuk membantu operator mengembangkan tumpukan operasional mereka dan membuka sumber pendapatan baru .

Nokia dan Databricks bertujuan untuk membuktikan bahwa sebuah platform data umum dapat berfungsi secara identik di lingkungan cloud yang berbeda atau infrastruktur on-premise, memungkinkan penerapan AI yang konsisten tanpa perlu menulis ulang kode .

Uji Manajemen Performa Real-Time

Tim teknik dari kedua perusahaan fokus pada satu use case yang menuntut: manajemen performa real-time. Mereka menyimulasikan penyerapan data analitik pada skala yang setara dengan kebutuhan operator tier-1 di cloud. Pekerjaan ini menghasilkan beberapa capaian teknis spesifik :

• Pipeline data lintas platform tanpa perubahan kode: Pipeline data ditulis sekali dan diterapkan secara identik di Databricks dan di tumpukan open-source (Apache Flink, Kafka, Iceberg), mendukung streaming real-time, pemrosesan batch, dan produk data query-time .
• Logika data netral vendor: Insinyur Nokia membangun logika transformasi dalam Python menggunakan ekspresi independen platform, menjaga inti logika tetap terpisah dari konektor spesifik platform sehingga alur kerja yang sama dapat digunakan kembali di berbagai lingkungan .
• Deployment otomatis via compiler kustom: Tim memvalidasi sebuah compiler kustom yang secara otomatis menyesuaikan alur kerja pada saat deployment, menerjemahkan logika abstrak ke dalam format asli (misalnya, Delta Live Tables untuk Databricks, Flink SQL untuk open-source) dan menambahkan konektor spesifik platform tanpa pengerjaan ulang manual .
• Data fabric untuk dunia agentic: Platform ini mendukung produk data query-time yang menghitung metrik turunan saat pembacaan, bukan menduplikasi data; berbagi zero-copy untuk konsumsi data lintas domain yang ringan; dan mekanisme untuk secara selektif memberi umpan ke lapisan temporal atas di cloud tempat agen AI menjalankan tugas retrospektif seperti analisis akar masalah .

Agen Data Fabric Cerdas

Di luar lapisan infrastruktur, PoC ini mendemonstrasikan sebuah agen data fabric cerdas bertenaga AI yang menyederhanakan operasi. Menggunakan perintah bahasa alami sederhana, agen ini dapat menghasilkan produk data baru, meminta validasi manusia, dan menerapkan pipeline secara otomatis — mempercepat inovasi dengan lebih sedikit usaha manual .

Dalam dunia agentic, mekanisme yang sama memungkinkan komunikasi antar-agen: agen AI lain dapat meminta produk data dinamis sesuai permintaan dengan berinteraksi langsung dengan agen data fabric .

Mengapa Ini Penting: Dorongan Nokia untuk Jaringan Otonom yang Lebih Luas

PoC dengan Databricks adalah salah satu bagian dari strategi yang lebih besar. Pada hari yang sama, Nokia mengumumkan perluasan kolaborasi dengan AWS untuk menjalankan Autonomous Networks Fabric di AWS, dengan ketersediaan yang diharapkan pada akhir 2026 .

Elemen kunci dari perluasan ini:

• Otonomi jaringan Level 4: Operator mendapatkan akses ke layanan AI dan cloud canggih yang diperlukan untuk operasi jaringan yang sangat otonom .
• Empat kemampuan inti disatukan: Fabric ini mengintegrasikan Manajemen Data Terpadu di seluruh domain, AI Agen untuk operasi layanan, simulasi Digital Twin untuk penilaian dampak proaktif, dan Jaringan Berbasis Niat untuk tindakan loop tertutup otomatis .
• Layanan AI yang mendukung semuanya: Solusi ini akan memanfaatkan layanan AI/ML AWS termasuk Amazon Bedrock dan Amazon SageMaker untuk skalabilitas elastis dan pilihan model yang luas .
• Hasil pelanggan sudah dilaporkan: Operator yang menggunakan portofolio otonom Nokia telah melaporkan tingkat otomatisasi melebihi 90%, waktu pengiriman layanan empat jam atau kurang, pengurangan waktu penerapan hingga 85%, dan hingga 50% lebih sedikit insiden yang berdampak pada pelanggan .

Nokia Juga Tingkatkan Portofolio AI Agen

Di DTW Ignite, Nokia meluncurkan Autonomous Networks Agent Library — seperangkat agen AI bawaan untuk keamanan, jaminan, dan operasi layanan. Perpustakaan ini mencakup identifikasi serangan zero-day, penalaran anomali, triase peristiwa, pemecahan masalah pesanan layanan, dan koordinasi multi-agen. Nokia melaporkan peningkatan produktivitas mulai dari 60% hingga 80% dibandingkan dengan operasi keamanan tradisional .

Peningkatan agentic lainnya yang diumumkan termasuk penyegaran Autonomous Networks Suite dengan opsi deployment on-premise, optimasi kualitas layanan VoLTE, dan pengalaman pelanggan RAN yang ditingkatkan; pembaruan platform manajemen dan orkestrasi layanan MantaRay dengan fungsionalitas RAN Intelligent Controller non-real-time; dan kerangka kerja autentikasi yang ditambahkan ke WaveSuite untuk jaringan optik .

Langkah Selanjutnya

Nokia dan Databricks berencana untuk melanjutkan kolaborasi mereka di sekitar peningkatan kemampuan jaringan otonom, membantu operator bertransisi ke masa depan di mana aplikasi AI semakin mengakses, menghubungkan, dan bertindak berdasarkan data jaringan skala besar secara real-time .

Nokia dan AWS berkomitmen pada agenda inovasi kolaboratif yang menggabungkan model AI terlatih telekomunikasi Nokia dan keahlian domain dengan layanan AI AWS untuk memberikan operasi jaringan yang semakin otonom, dan mereka berencana untuk go-to-market bersama untuk membantu operator mengembangkan tumpukan operasional mereka dan membuka sumber pendapatan baru .