О чём говорят последние отчёты

В своём отчёте Tech Trends 2026 компания Deloitte отмечает, что организациям необходимо перейти от экспериментов с ИИ к достижению конкретных бизнес-результатов. Простого запуска пилота уже недостаточно — ключевым становится вопрос о том, действительно ли новое решение повышает эффективность, сокращает затраты или оптимизирует операционные процессы.

В то же время Deloitte ссылается на прогноз Gartner, согласно которому к концу 2027 года более 40% проектов на базе агентного ИИ (Agentic AI) могут быть закрыты. Проблема заключается не в самой технологии, а в способе её внедрения — в частности, в попытках навязать механизмы ИИ процессам и архитектурам, которые изначально не проектировались с учетом автономных агентов.

При этом в телекоммуникационном секторе объем инвестиций быстро растет. Согласно прогнозу Mordor Intelligence, рынок агентного ИИ в сфере телекоммуникаций и управления сетями вырастет с $3,75 млрд в 2025 году до $4,63 млрд в 2026 году, а к 2031 году достигнет примерно $13,35 млрд.

Это пока не означает повсеместного перехода к полностью автономным сетям. Однако агентный ИИ все чаще фигурирует в стратегиях операторов и поставщиков решений как инструмент для анализа, автоматизации и поддержки принятия решений.

Сети, спроектированные с учетом ИИ

Изменения затрагивают не только методы управления существующей инфраструктурой, но и векторы развития будущих архитектур.

Международный союз электросвязи (МСЭ / ITU) активно работает над концепцией IMT-2030, определяющей рамки сетей 6G. Разрабатываемые сценарии включают такие направления, как «Искусственный интеллект и связь» (Artificial Intelligence and Communication), «Интегрированное зондирование и связь» (Integrated Sensing and Communication / ISAC), а также концепцию «Повсеместного интеллекта» (Ubiquitous Intelligence).

Таким образом, сети будущего предназначены не только для передачи данных между пользователями и устройствами, но и для distributed-обработки, машинного обучения, работы с сенсорами и принятия решений непосредственно в месте генерации трафика.

Это полностью соответствует концепции AI-native сетей — архитектур, в которых механизмы ИИ изначально заложены в основу процессов, а не наложены сверху в виде отдельного адаптивного слоя.

Интеграционный барьер по-прежнему остается вызовом

Несмотря на прогресс, одним из главных препятствий остается интеграция новых механизмов ИИ с существующими системами OSS/BSS.

Телекоммуникационные сети представляют собой сложные мультивендорные среды, развивавшиеся десятилетиями. Данные об инфраструктуре, сервисах, клиентах и конфигурациях часто фрагментированы i хранятся в разрозненных системах и базах данных.

Именно фрагментация данных становится главным барьером при масштабировании ИИ.

Алгоритм способен принимать точные решения только при наличии доступа к актуальным, согласованным и структурированным данным. Если картина инфраструктуры неполная, устарела или распределена по независимым системам, даже самая передовая модель ИИ будет работать на основе искаженной базы.

Поэтому масштабное внедрение ИИ требует, прежде всего, систематизации данных и создания единого достоверного источника информации о ресурсах, сервисах и сетевых зависимостях.

Автоматизация требует доверия

Второй критически важный фактор — доверие к решениям автономных систем.

Операторы традиционно с осторожностью относятся к передаче алгоритмам управления критической инфраструктурой. Основные опасения связаны с объяснимостью решений ИИ (Explainable AI), возможностью контроля и оперативного вмешательства человека при аномальном поведении системы.

Поэтому развитие агентного ИИ неизбежно сопровождается внедрением механизмов прозрачности, аудита i надзора.

Сеть может автоматически обнаруживать проблемы, анализировать первопричины и инициировать корректирующие действия, но это не означает отказ оператора от контроля. На практике зрелая автоматизация сочетает автономность системы с четко регламентированными правилами, прослеживаемостью решений и участием человека там, где это необходимо.

Какое место в этом занимает SunVizion?

Именно поэтому мы развиваем платформу SunVizion w направлении, сочетающем глубокое знание инфраструктуры с интеллектуальной автоматизацией.

Модуль AI Network Planner обеспечивает автоматизированное проектирование и оптимизацию сетей, а встроенный AI-помощник позволяет специалистам взаимодействовать с данными на естественном языке, исключая ручной поиск информации по разным экранам системы.

Однако фундаментальное значение имеет именно слой данных.

ИИ может эффективно помогать в проектировании, анализе и эксплуатации только тогда, когда опирается на точные данные об активах, их топологии, конфигурациях и взаимосвязях. В такой модели Network Inventory (система учета сетевых ресурсов) становится не просто инструментом документирования, а ключевым поставщиком данных для механизмов автоматизации.

В результате ИИ берет на себя рутинные i повторяющиеся операции, оставляя инженерам принятие стратегических решений, требующих экспертных знаний i ответственности.

Операторы, которые уже сегодня инвестируют в качество и целостность своих сетевых данных, окажутся w гораздо более выгодном положении при масштабировании ИИ, чем компании, пытающиеся внедрять сложные алгоритмы поверх неупорядоченной инфраструктуры.