Nokia i Databricks postawiły sobie za cel udowodnienie, że wspólna platforma danych może działać identycznie w różnych środowiskach chmurowych lub infrastrukturze lokalnej, umożliwiając spójne wdrażanie AI bez przepisywania kodu .

Test zarządzania wydajnością w czasie rzeczywistym

Zespoły inżynieryjne obu firm skupiły się na wymagającym przypadku użycia: zarządzaniu wydajnością w czasie rzeczywistym. Zasymulowały one pobieranie danych analitycznych w skali odpowiadającej wymaganiom operatora tier-1 w chmurze. Prace przyniosły kilka konkretnych rezultatów technicznych :

• Potoki danych działające na różnych platformach bez zmian w kodzie: Potoki danych zostały napisane raz i wdrożone identycznie w Databricks oraz na stosie open-source (Apache Flink, Kafka, Iceberg), obsługując strumieniowanie w czasie rzeczywistym, przetwarzanie wsadowe oraz produkty danych dostępne w zapytaniach .
• Neutralna logika danych: Inżynierowie Nokii zbudowali logikę transformacji w Pythonie, używając wyrażeń niezależnych od platformy, oddzielając główną logikę od łączników specyficznych dla danej platformy, co pozwala na ponowne wykorzystanie tych samych przepływów pracy w różnych środowiskach .
• Automatyczne wdrażanie za pomocą niestandardowego kompilatora: Zespoły potwierdziły działanie niestandardowego kompilatora, który automatycznie dostosowuje przepływy pracy w momencie wdrażania, tłumacząc abstrakcyjną logikę na natywne formaty (np. Delta Live Tables dla Databricks, Flink SQL dla open-source) i dodając łączniki specyficzne dla platformy bez ręcznej przeróbki .
• Architektura danych (data fabric) dla świata agentowego: Platforma obsługuje produkty danych dostępne w zapytaniach (query-time data products), które obliczają pochodne metryki przy odczycie, zamiast duplikować dane; współdzielenie danych bez kopiowania (zero-copy sharing) dla lekkiego zużycia danych między domenami; oraz mechanizm selektywnego zasilania górnych warstw czasowych w chmurze, gdzie agenci AI wykonują zadania retrospektywne, takie jak analiza przyczyn źródłowych .

Inteligentny agent architektury danych (Intelligent Data Fabric Agent)

Poza warstwą infrastruktury, test koncepcyjny pokazał działanie zasilanego przez AI inteligentnego agenta architektury danych, który usprawnia operacje. Za pomocą prostych instrukcji w języku naturalnym agent może generować nowe produkty danych, prosić o akceptację człowieka i automatycznie wdrażać potok danych — przyspieszając innowacje przy mniejszym wysiłku ręcznym .

W świecie agentowym ten sam mechanizm umożliwia komunikację między agentami: inne agenty AI mogą na żądanie dynamicznie zamawiać produkty danych, wchodząc w interakcję bezpośrednio z agentem architektury danych .

Dlaczego to ważne: Szersza strategia Nokii w zakresie autonomicznych sieci

Test koncepcyjny z Databricks jest częścią większej strategii. Tego samego dnia Nokia ogłosiła rozszerzenie współpracy z Amazon Web Services (AWS) w celu uruchomienia swojej platformy Autonomous Networks Fabric na AWS, której dostępność spodziewana jest w drugiej połowie 2026 roku .

Kluczowe elementy tej ekspansji:

• Autonomia sieci na poziomie 4: Operatorzy zyskują dostęp do zaawansowanych usług AI i chmury, niezbędnych do wysoce autonomicznych operacji sieciowych .
• Cztery kluczowe możliwości zintegrowane: Platforma integruje zarządzanie danymi w różnych domenach (Unified Data Management), agentową AI (Agentic AI) do obsługi operacji, symulacje bliźniaków cyfrowych (Digital Twin) do proaktywnej oceny wpływu oraz sieci oparte na intencjach (Intent-Based Networking) do automatycznych działań w pętli zamkniętej .
• Usługi AI podtrzymujące całość: Rozwiązania będą wykorzystywały usługi AI/ML od AWS, w tym Amazon Bedrock i Amazon SageMaker, dla elastycznej skalowalności i szerokiego wyboru modeli .
• Raportowane wyniki u klientów: Operatorzy korzystający z autonomicznych portfolio Nokii zgłaszali wskaźniki automatyzacji przekraczające 90%, czasy realizacji usług wynoszące cztery godziny lub mniej, redukcję czasu wdrażania tzw. slice'ów sieciowych do 85% i do 50% mniej incydentów wpływających na klientów .

Nokia również ulepszyła swoje portfolio agentów AI

Podczas targów DTW Ignite Nokia zaprezentowała Bibliotekę Agentów Sieci Autonomicznych (Autonomous Networks Agent Library) — zestaw gotowych agentów AI do obsługi bezpieczeństwa, zapewniania jakości i operacji serwisowych. Biblioteka obejmuje identyfikację ataków dnia zerowego, wnioskowanie o anomaliach, triage zdarzeń, rozwiązywanie problemów z zamówieniami usług oraz koordynację wielu agentów. Nokia informuje o wzroście wydajności od 60% do 80% w porównaniu z tradycyjnymi operacjami bezpieczeństwa .

Inne ulepszenia agentowe ogłoszone to odświeżenie pakietu Autonomous Networks Suite z opcjami wdrożenia lokalnego, optymalizacja jakości usług VoLTE oraz ulepszone doświadczenie abonentów RAN; aktualizacje platformy zarządzania usługami i orkiestracji MantaRay z funkcjonalnością kontrolera RAN w czasie nie rzeczywistym; oraz framework uwierzytelniania dodany do WaveSuite dla sieci optycznych .

Co dalej?

Nokia i Databricks planują kontynuować współpracę w zakresie udoskonalania możliwości autonomicznych sieci, pomagając operatorom przejść do przyszłości, w której aplikacje AI coraz częściej uzyskują dostęp, korelują i podejmują działania na podstawie danych sieciowych w czasie rzeczywistym .

Nokia i AWS są zobowiązane do współpracy innowacyjnej, która łączy modele AI Nokii wyszkolone na danych telekomunikacyjnych z usługami AI AWS, aby dostarczać coraz bardziej autonomiczne operacje sieciowe. Planują wspólne wejście na rynek, aby pomóc operatorom ewoluować ich stosy operacyjne i odblokować nowe źródła przychodów .

Nokia i Databricks postawiły sobie za cel udowodnienie, że wspólna platforma danych może działać identycznie w różnych środowiskach chmurowych lub infrastrukturze lokalnej, umożliwiając spójne wdrażanie AI bez przepisywania kodu .

Test zarządzania wydajnością w czasie rzeczywistym

Zespoły inżynieryjne obu firm skupiły się na wymagającym przypadku użycia: zarządzaniu wydajnością w czasie rzeczywistym. Zasymulowały one pobieranie danych analitycznych w skali odpowiadającej wymaganiom operatora tier-1 w chmurze. Prace przyniosły kilka konkretnych rezultatów technicznych :

• Potoki danych działające na różnych platformach bez zmian w kodzie: Potoki danych zostały napisane raz i wdrożone identycznie w Databricks oraz na stosie open-source (Apache Flink, Kafka, Iceberg), obsługując strumieniowanie w czasie rzeczywistym, przetwarzanie wsadowe oraz produkty danych dostępne w zapytaniach .
• Neutralna logika danych: Inżynierowie Nokii zbudowali logikę transformacji w Pythonie, używając wyrażeń niezależnych od platformy, oddzielając główną logikę od łączników specyficznych dla danej platformy, co pozwala na ponowne wykorzystanie tych samych przepływów pracy w różnych środowiskach .
• Automatyczne wdrażanie za pomocą niestandardowego kompilatora: Zespoły potwierdziły działanie niestandardowego kompilatora, który automatycznie dostosowuje przepływy pracy w momencie wdrażania, tłumacząc abstrakcyjną logikę na natywne formaty (np. Delta Live Tables dla Databricks, Flink SQL dla open-source) i dodając łączniki specyficzne dla platformy bez ręcznej przeróbki .
• Architektura danych (data fabric) dla świata agentowego: Platforma obsługuje produkty danych dostępne w zapytaniach (query-time data products), które obliczają pochodne metryki przy odczycie, zamiast duplikować dane; współdzielenie danych bez kopiowania (zero-copy sharing) dla lekkiego zużycia danych między domenami; oraz mechanizm selektywnego zasilania górnych warstw czasowych w chmurze, gdzie agenci AI wykonują zadania retrospektywne, takie jak analiza przyczyn źródłowych .

Inteligentny agent architektury danych (Intelligent Data Fabric Agent)

Poza warstwą infrastruktury, test koncepcyjny pokazał działanie zasilanego przez AI inteligentnego agenta architektury danych, który usprawnia operacje. Za pomocą prostych instrukcji w języku naturalnym agent może generować nowe produkty danych, prosić o akceptację człowieka i automatycznie wdrażać potok danych — przyspieszając innowacje przy mniejszym wysiłku ręcznym .

W świecie agentowym ten sam mechanizm umożliwia komunikację między agentami: inne agenty AI mogą na żądanie dynamicznie zamawiać produkty danych, wchodząc w interakcję bezpośrednio z agentem architektury danych .

Dlaczego to ważne: Szersza strategia Nokii w zakresie autonomicznych sieci

Test koncepcyjny z Databricks jest częścią większej strategii. Tego samego dnia Nokia ogłosiła rozszerzenie współpracy z Amazon Web Services (AWS) w celu uruchomienia swojej platformy Autonomous Networks Fabric na AWS, której dostępność spodziewana jest w drugiej połowie 2026 roku .

Kluczowe elementy tej ekspansji:

• Autonomia sieci na poziomie 4: Operatorzy zyskują dostęp do zaawansowanych usług AI i chmury, niezbędnych do wysoce autonomicznych operacji sieciowych .
• Cztery kluczowe możliwości zintegrowane: Platforma integruje zarządzanie danymi w różnych domenach (Unified Data Management), agentową AI (Agentic AI) do obsługi operacji, symulacje bliźniaków cyfrowych (Digital Twin) do proaktywnej oceny wpływu oraz sieci oparte na intencjach (Intent-Based Networking) do automatycznych działań w pętli zamkniętej .
• Usługi AI podtrzymujące całość: Rozwiązania będą wykorzystywały usługi AI/ML od AWS, w tym Amazon Bedrock i Amazon SageMaker, dla elastycznej skalowalności i szerokiego wyboru modeli .
• Raportowane wyniki u klientów: Operatorzy korzystający z autonomicznych portfolio Nokii zgłaszali wskaźniki automatyzacji przekraczające 90%, czasy realizacji usług wynoszące cztery godziny lub mniej, redukcję czasu wdrażania tzw. slice'ów sieciowych do 85% i do 50% mniej incydentów wpływających na klientów .

Nokia również ulepszyła swoje portfolio agentów AI

Podczas targów DTW Ignite Nokia zaprezentowała Bibliotekę Agentów Sieci Autonomicznych (Autonomous Networks Agent Library) — zestaw gotowych agentów AI do obsługi bezpieczeństwa, zapewniania jakości i operacji serwisowych. Biblioteka obejmuje identyfikację ataków dnia zerowego, wnioskowanie o anomaliach, triage zdarzeń, rozwiązywanie problemów z zamówieniami usług oraz koordynację wielu agentów. Nokia informuje o wzroście wydajności od 60% do 80% w porównaniu z tradycyjnymi operacjami bezpieczeństwa .

Inne ulepszenia agentowe ogłoszone to odświeżenie pakietu Autonomous Networks Suite z opcjami wdrożenia lokalnego, optymalizacja jakości usług VoLTE oraz ulepszone doświadczenie abonentów RAN; aktualizacje platformy zarządzania usługami i orkiestracji MantaRay z funkcjonalnością kontrolera RAN w czasie nie rzeczywistym; oraz framework uwierzytelniania dodany do WaveSuite dla sieci optycznych .

Co dalej?

Nokia i Databricks planują kontynuować współpracę w zakresie udoskonalania możliwości autonomicznych sieci, pomagając operatorom przejść do przyszłości, w której aplikacje AI coraz częściej uzyskują dostęp, korelują i podejmują działania na podstawie danych sieciowych w czasie rzeczywistym .

Nokia i AWS są zobowiązane do współpracy innowacyjnej, która łączy modele AI Nokii wyszkolone na danych telekomunikacyjnych z usługami AI AWS, aby dostarczać coraz bardziej autonomiczne operacje sieciowe. Planują wspólne wejście na rynek, aby pomóc operatorom ewoluować ich stosy operacyjne i odblokować nowe źródła przychodów .