Als het optimisme over de omzet de kop is, dan is de ondertitel een stevig oranje waarschuwingslicht voor agentische AI. Uit de enquête bleek dat 57,5% van de respondenten vindt dat de complexiteit van telecomnetwerken nog niet goed is verwerkt in de ontwikkelingen rond agentische AI . Het panel op het DSP Leaders World Forum, met leidinggevenden van Telefónica, Wind River en Appledore Research, bevestigde deze zorgen met technische argumenten uit de praktijk
.
Agentische AI verwijst naar systemen die zelfstandig kunnen plannen, meertraps-taken kunnen uitvoeren en met andere agenten kunnen communiceren – veel verder dan de huidige AI-assistenten die reageren op losse opdrachten. In een telecomproductienetwerk zou een agentisch systeem bijvoorbeeld zelfstandig dataverkeer kunnen omleiden, gevirtualiseerde netwerkfuncties kunnen opstarten of in realtime over serviceniveau-overeenkomsten kunnen onderhandelen met de agent van een andere operator. Dat klinkt krachtig, maar introduceert compleet nieuwe faalwijzen in een infrastructuur waar mensenlevens en kritieke diensten van afhankelijk zijn.
De technische spil voor multi-agentsystemen is het communicatieprotocol. Twee opkomende standaarden – het Model Context Protocol (MCP) en Agent-to-Agent (A2A) protocollen – staan centraal in de visie van interoperabele AI-agenten. Maar de enquête toont aan dat slechts 30% van de respondenten het begrijpen en gebruiken van deze protocollen vandaag de dag als een doorbraak voor telecombedrijven ziet .
Panelleden op het DSP Leaders World Forum gaven een diepere kritiek hierop. Ze wezen erop dat deze protocollen extreem jong zijn – hooguit een paar jaar geleden geformuleerd – en dat de toepassing in de echte wereld beperkt is gebleven tot zeer gesloten omgevingen van één leverancier . Voor een heterogeen telecomnetwerk dat apparatuur van meerdere leveranciers en verschillende technologiegeneraties draait, is dit gebrek aan open, bewezen interoperabiliteit niet alleen een volwassenheidsprobleem – het is een fundamentele architectuurkloof
.
Een panel van experts dat de bevindingen besprak, merkte op dat de grootste barrière, naast de volwassenheid van de AI-modellen zelf, is dat agent-tot-agentcommunicatie momenteel geen geloofwaardig pad heeft om te werken over multi-leverancier, productieklare telecominfrastructuur. Totdat protocollen getest, gestandaardiseerd en veilig bewezen zijn in open omgevingen, blijft de grootschalige inzet van agentische AI een gok die de meeste operators niet willen nemen.
Door zowel de enquête als de forumdiscussies loopt een dubbel thema: vertrouwen en digitale soevereiniteit. Vertrouwen is de bredere, minder technische barrière. Telecomoperators zijn verantwoordelijk voor de netwerkbeschikbaarheid, gegevensbeveiliging en naleving van regelgeving. Het overdragen van beslissingsbevoegdheid aan AI-agenten vereist een mate van vertrouwen die de huidige technologie nog niet kan bieden .
De soevereiniteitsdiscussie voegt een geopolitieke en commerciële laag toe. Uit de enquête bleek dat 54% van de respondenten soevereine AI als een sterke businesscase voor telecombedrijven ziet. Nog eens 27% vindt dat telecombedrijven deze dienst aan IT-specialisten moeten overlaten, terwijl 19% het niet weet .
Soevereine AI verwijst naar AI-systemen en -infrastructuur die ontworpen, gebouwd en beheerd worden binnen een specifiek land of een specifieke regio, onder de lokale wet- en regelgeving en kaders voor databeheer. Voor bedrijven en overheden die het risico niet kunnen lopen dat hun data via buitenlandse clouddiensten stroomt, zijn telecombedrijven uniek gepositioneerd: ze beheren al vertrouwde, gereguleerde nationale infrastructuur, hebben vastgoed voor datacenters in handen en beschikken over diepe klantrelaties. Zoals een paneldiscussie opmerkte, zijn telecombedrijven in een zeer goede positie om de juiste partner te zijn voor ondernemingen die garanties voor soevereine AI nodig hebben .
De edge computing-laag – waar data dicht bij de bron wordt verwerkt in plaats van in gecentraliseerde clouds – is de plek waar soevereiniteit, vertrouwen en AI op het netwerk zelf samenkomen. Forumdiscussies benadrukten dat problemen met de netwerk-edge direct gekoppeld zijn aan de dynamiek rond AI en vertrouwen. Naarmate AI-workloads steeds vaker lage latentie en datalokalisatie vereisen, wordt de netwerk-edge het natuurlijke handhavingspunt voor soevereiniteitsbeleid .
De uitdaging zijn de kosten. Eisen rond datasoevereiniteit brengen extra uitgaven met zich mee: gespecialiseerde hardware, overhead voor naleving en de complexiteit van het onderhouden van gedistribueerde rekenkracht op duizenden edge-locaties. Telecomoperators worstelen met de vraag hoe ze edge AI-diensten moeten prijzen en verpakken wanneer de onderliggende soevereiniteitskosten moeilijk te kwantificeren en door te berekenen zijn aan klanten .
Het beeld dat oprijst is geen simpel verhaal van acceptatie of weerstand. Het is een gespleten visie op AI in de telecom: de sector zet enthousiast in op AI voor omzetgroei en nieuwe diensten, en trapt tegelijkertijd op de rem voor de meest autonome vorm van AI die op een dag de netwerken zelf zou kunnen runnen.
De huidige AI-toepassingen in de telecom zijn gericht op het detecteren van afwijkingen, klantinteractie en operationele ondersteuning – gebieden waar menselijk toezicht de uiteindelijke waarborg blijft . De sprong naar agentische AI, waar systemen onafhankelijk handelen over leveranciers en netwerklagen heen, is het punt waar zorgen over vertrouwen, protocollen en soevereiniteit samenkomen tot een barrière die 57,5% van de industrie vandaag de dag niet wil nemen
.
Zoals de discussies op het DSP Leaders World Forum duidelijk maakten, wijst de sector agentische AI niet af – ze eist dat de onderliggende protocollen, interoperabiliteitskaders en vertrouwensmechanismen volwassener worden voordat productie-implementatie realistisch wordt . In de tussentijd vormen soevereine AI en edge-diensten een kansrijkere, op vertrouwen gebaseerde businesscase die voortbouwt op de bestaande infrastructuurvoordelen van telecombedrijven.