Paradoks AI w telekomunikacji: Wielkie nadzieje na zyski kontra sceptycyzm wobec agentowej AI

Relacja branży telekomunikacyjnej ze sztuczną inteligencją weszła w nową, bardziej skomplikowaną fazę. Z jednej strony operatorzy widzą w AI szansę na ogromne, nowe zyski, z drugiej – obawiają się oddania kontroli nad krytyczną infrastrukturą autonomicznym systemom. Taki obraz wyłania się z najnowszego badania TelecomTV Telcos & AI, przeprowadzonego na przełomie lutego i marca 2026 roku wśród 260 wykwalifikowanych przedstawicieli branży, oraz z debaty ekspertów na DSP Leaders World Forum. Kluczowy wniosek jest zaskakująco symetryczny: 57,5% specjalistów telekomunikacyjnych wierzy, że AI przyniesie firmom znaczące nowe strumienie przychodów, ale dokładnie tyle samo – 57,5% – uważa, że agentowa AI nie jest jeszcze gotowa do pracy w sieciach produkcyjnych .

Nadzieje są realne, a punkt ciężkości się przesuwa

Przez większość trwającego boomu na AI operatorzy telekomunikacyjni koncentrowali się niemal wyłącznie na wewnętrznych oszczędnościach – wykorzystując uczenie maszynowe do predykcyjnego utrzymania sieci, optymalizacji ruchu i cięcia kosztów. Teraz ten nacisk wyraźnie się poszerza. Badanie potwierdza, że większość respondentów postrzega AI przede wszystkim jako motor wzrostu przychodów (tzw. top-line growth), a nie tylko narzędzie do cięcia wydatków .

Oznacza to strategiczny zwrot. AI przestaje być technologią back-office, a staje się potencjalnym, skierowanym do klientów silnikiem sprzedaży. Operatorzy aktywnie badają, jak produkty oparte na AI – od zaawansowanego cięcia sieci (network slicing) po usługi dla przedsiębiorstw z wbudowaną inteligencją – mogą stać się realnymi kanałami sprzedaży . Krótko mówiąc, zamiast po prostu taniej zarządzać sieciami, firmy telekomunikacyjne chcą sprzedawać usługi nasycone AI swoim własnym klientom.

Dlaczego 57,5% mówi agentowej AI „jeszcze nie teraz”?

Jeśli optymizm przychodowy jest głównym nagłówkiem, to podtytułem jest wyraźne żółte światło dla agentowej AI. Badanie pokazało, że zdaniem 57,5% respondentów złożoność sieci telekomunikacyjnych nie została jeszcze właściwie uwzględniona w rozwoju agentowej AI . Panel na DSP Leaders World Forum, w którym uczestniczyli przedstawiciele m.in. Telefóniki, Wind River i Appledore Research, potwierdził te obawy bardzo konkretnymi, technicznymi argumentami .

Agentowa AI (ang. Agentic AI) to systemy zdolne do samodzielnego planowania, wykonywania wieloetapowych zadań i interakcji z innymi agentami – daleko wykraczające poza dzisiejsze asystenty AI, które reagują na pojedyncze polecenia. W produkcyjnej sieci telekomunikacyjnej taki system mógłby np. automatycznie przekierowywać ruch, uruchamiać zwirtualizowane funkcje sieciowe lub negocjować w czasie rzeczywistym umowy SLA z agentem innego operatora. Brzmi to potężnie, ale w infrastrukturze, od której zależy bezpieczeństwo ludzi i krytyczne usługi, rodzi zupełnie nowe tryby awarii.

Problem protokołów: Dlaczego agenci jeszcze nie mogą ze sobą gadać

Technicznym spoiwem dla systemów wieloagentowych są protokoły komunikacyjne. Dwa wschodzące standardy – Model Context Protocol (MCP) i protokół Agent-to-Agent (A2A) – są kluczowe dla wizji interoperacyjnych agentów. Ale badanie ujawnia, że tylko 30% respondentów wierzy, że zrozumienie i stosowanie tych protokołów jest dziś dla telekomów przełomem .

Panel ekspertów na DSP Leaders World Forum jeszcze pogłębił tę krytykę. Wskazali oni, że protokoły te są niezwykle młode – sformułowane najwyżej kilka lat temu – a ich użycie w realnych warunkach ograniczało się do bardzo zamkniętych środowisk pojedynczych dostawców . Dla heterogenicznej sieci telekomunikacyjnej, z urządzeniami od wielu producentów i różnych generacji technologii, ten brak otwartej, sprawdzonej interoperacyjności jest nie tylko problemem dojrzałości – to fundamentalna luka architektoniczna .

Dyskutujący paneliści zauważyli, że poza dojrzałością samych modeli AI, główną barierą jest to, że komunikacja agent-aktor nie ma obecnie wiarygodnej ścieżki do działania w wielodostawczej, produkcyjnej infrastrukturze. Dopóki protokoły nie zostaną przetestowane, znormalizowane i udowodnione jako bezpieczne w otwartych środowiskach, wdrożenie agentowej AI na dużą skalę pozostaje zakładem, którego większość operatorów nie chce podjąć.

Zaufanie i cyfrowa suwerenność jako fundamenty

Przez zarówno badanie, jak i dyskusje na forum przewijają się dwa motywy: zaufanie i suwerenność cyfrowa. Zaufanie jest tą szerszą, mniej techniczną barierą. Operatorzy są odpowiedzialni za ciągłość działania sieci, bezpieczeństwo danych i zgodność z regulacjami. Powierzenie mocy decyzyjnej agentom AI wymaga poziomu pewności, którego obecna technologia jeszcze nie daje .

Wątek suwerenności dodaje warstwę geopolityczną i komercyjną. Badanie wykazało, że 54% respondentów widzi w suwerennej AI silną okazję biznesową dla telekomów. Kolejne 27% uważa, że operatorzy powinni zostawić ten segment specjalistom IT, a 19% pozostaje niezdecydowanych .

Suwerenna AI odnosi się do systemów i infrastruktury AI projektowanych, budowanych i obsługiwanych w konkretnym kraju lub regionie, zgodnie z lokalnym prawem i zasadami zarządzania danymi. Dla firm i rządów, które nie mogą ryzykować przepływu swoich danych przez zagraniczne chmury, operatorzy telekomunikacyjni są w wyjątkowej pozycji: już dziś zarządzają zaufaną, regulowaną infrastrukturą krajową, kontrolują nieruchomości centrów danych i mają głębokie relacje z klientami. Jak zauważono w jednej z dyskusji panelowych, telekomy są w bardzo dobrym miejscu, by być właściwym partnerem dla firm potrzebujących gwarancji suwerenności AI .

AI na krawędzi sieci: Gdzie sieć spotyka się z danymi

Warstwa przetwarzania brzegowego (edge computing) – tam, gdzie dane są przetwarzane blisko źródła, a nie w scentralizowanych chmurach – to punkt, w którym suwerenność, zaufanie i AI spotykają się bezpośrednio na sieci. Dyskusje na forum podkreśliły, że problemy z krawędzią sieci są bezpośrednio powiązane z dynamiką zaufania do AI. Wraz z rosnącym zapotrzebowaniem na niskie opóźnienia i lokalizację danych, brzeg sieci staje się naturalnym punktem egzekwowania zasad suwerenności .

Wyzwaniem są koszty. Wymogi suwerenności danych generują dodatkowe wydatki: specjalistyczny sprzęt, obciążenia związane z przestrzeganiem przepisów i złożoność utrzymania rozproszonej mocy obliczeniowej w tysiącach lokalizacji brzegowych. Operatorzy zmagają się z pytaniem, jak wycenić i oferować usługi AI na brzegu sieci, gdy leżące u ich podstaw koszty suwerenności są trudne do skwantyfikowania i przeniesienia na klientów .

Przyszłość AI w telekomunikacji: Dwa ekrany

Wyłaniający się obraz nie jest prostą historią o adopcji lub oporze. To widok na podzielonym ekranie: branża entuzjastycznie dąży do wzrostu przychodów i nowych usług opartych na AI, jednocześnie naciskając hamulec w przypadku jej najbardziej autonomicznej formy, która mogłaby pewnego dnia samodzielnie zarządzać sieciami.

Obecne zastosowania AI w telekomunikacji koncentrują się na wykrywaniu anomalii, interakcji z klientem i wsparciu operacyjnym – obszarach, gdzie ludzki nadzór pozostaje ostatecznym zabezpieczeniem . Skok do agentowej AI, gdzie systemy działają niezależnie w środowiskach różnych dostawców i na wielu warstwach sieci, jest miejscem, w którym obawy dotyczące zaufania, protokołów i suwerenności zbiegają się w barierę, której 57,5% branży nie jest dziś gotowa przekroczyć .

Jak jasno wynika z dyskusji na DSP Leaders World Forum, branża nie odrzuca agentowej AI – domaga się jednak, aby fundamentalne protokoły, ramy interoperacyjności i mechanizmy zaufania dojrzały, zanim staną się one realistyczne dla wdrożeń produkcyjnych . W międzyczasie suwerenna AI i usługi na krawędzi sieci stanowią bliższą, opartą na zaufaniu szansę biznesową, która wykorzystuje istniejące przewagi infrastrukturalne telekomów.