)
Agentic AI OSS
AI, automazione predittiva e reti self-healing
Il futuro dell'automazione intelligente nelle reti di telecomunicazione.
Verso reti autonome, proattive e auto-ottimizzanti: come gli agenti AI stanno ridefinendo la gestione degli Operations Support Systems (OSS) nel settore delle Telecomunicazioni.
Scenario
Le reti di telecomunicazione moderne sono ecosistemi di complessità senza precedenti. Migliaia di apparati, milioni di parametri da monitorare, miliardi di eventi al giorno, servizi 5G da orchestrare in tempo reale, SLA da rispettare con latenze nell'ordine dei millisecondi. I tradizionali OSS, concepiti per reti statiche e processi manuali, faticano a reggere questa pressione.
L'Agentic AI emerge come risposta strutturale: sistemi intelligenti capaci di percepire lo stato della rete, ragionare sul contesto e intervenire, autonomamente o con supervisione umana configurabile, in funzione del rischio operativo associato all'azione. Non è una semplice evoluzione dell'automazione esistente, ma un cambio di paradigma che trasforma gli OSS da strumenti reattivi a motori di intelligenza proattiva, capaci di imparare, ottimizzarsi e adattarsi in tempo reale.
Il mercato dell'Agentic AI nelle telecomunicazioni
)
Il mercato globale dell’Agentic AI sta crescendo rapidamente, trainato dalla necessità di automatizzare sistemi sempre più complessi. Secondo MarketsandMarkets, il settore passerà da 7 miliardi di dollari nel 2025 a oltre 93 miliardi entro il 2032, con un CAGR del 44,6%.
Nel settore delle telecomunicazioni, l’adozione dell’Agentic AI è guidata dalla crescente complessità delle reti 5G, dall’Edge Computing e dalla necessità di orchestrare servizi in tempo reale. Secondo Mordor Intelligence, il mercato dell’Agentic AI applicata al network management crescerà da 4 miliardi di dollari nel 2025 a circa 8,7 miliardi entro il 2031, con un CAGR del 13,5%.
In Italia, l’adozione dell’Agentic AI applicata agli OSS è ancora in fase esplorativa. Secondo l’Osservatorio Artificial Intelligence del Politecnico di Milano, nel 2025 il mercato AI italiano ha raggiunto 1,8 miliardi di euro (+50% rispetto al 2024), con il settore Telco & Media tra i più attivi per spesa per azienda. Tuttavia, i sistemi di Process Orchestration e Agentic AI rappresentano ancora solo il 4% del mercato AI complessivo e appena l’8% delle grandi imprese italiane ha avviato sperimentazioni di Agentic Automation. Il contesto è però favorevole: il consolidamento tra alcuni operatori sta creando una crescente pressione sui costi operativi, rendendo l’automazione intelligente degli OSS una priorità sempre più rilevante.
Cosa distingue l'Agentic AI dall'AI tradizionale
Nei tradizionali OSS, l’AI viene utilizzata soprattutto per attività specifiche e verticali: anomaly detection, analisi predittiva, correlazione eventi o automazione rule-based. Si tratta però di sistemi che operano entro workflow predefiniti e che richiedono comunque supervisione umana nelle decisioni operative più complesse. L’agentic AI introduce un approccio diverso: non si limita a generare insight o alert, ma è in grado di comprendere il contesto operativo della rete, pianificare azioni e intervenire autonomamente sugli OSS attraverso orchestrazione e automazione intelligente.
In pratica, l’agente AI evolve da semplice “copilot” a soggetto operativo attivo: analizza dati provenienti dalla rete, consulta knowledge base e sistemi OSS/BSS, prende decisioni in tempo reale e coordina workflow multi-step adattandosi dinamicamente agli eventi.
I componenti principali di un sistema Agentic AI per OSS
Un sistema Agentic AI per OSS combina capacità di osservazione, ragionamento e automazione all’interno di un’architettura modulare progettata per operare in tempo reale sulla rete. A differenza dei tradizionali motori di automazione, questi sistemi integrano modelli AI, orchestrazione operativa e memoria contestuale per gestire workflow complessi in modo autonomo.
L’architettura si articola generalmente in quattro layer funzionali, ciascuno specializzato in una fase del ciclo operativo: acquisizione dei dati, decision making, esecuzione delle azioni e gestione della conoscenza.
Data & Perception Layer
Raccoglie e normalizza i dati di rete (telemetria, log, KPI, eventi, allarmi) per decisioni affidabili.
Reasoning & Orchestration Layer
Cuore cognitivo: LLM telco + RAG analizzano, pianificano e coordinano gli agenti.
Execution & Automation Layer
Traduce le decisioni in azioni via TM Forum API, con Human-in-the-Loop e livelli di autonomia in funzione del rischio operativo.
Memory & Knowledge Layer
Memoria a breve termine, semantica (vector DB) ed episodica, per continuità, apprendimento e compliance.
Un elemento trasversale a tutti i layer è la governance del sistema multi-agente: con più agenti che operano in parallelo e si coordinano su decisioni operative, diventa essenziale definire politiche chiare di autorizzazione, tracciabilità delle decisioni e meccanismi di override umano. La governance include la gestione dei conflitti tra agenti, l’auditability delle azioni eseguite e la definizione di perimetri operativi — ovvero quali azioni ogni agente può eseguire autonomamente e quali richiedono validazione esplicita.
Il futuro degli OSS nell’era Agentic AI
Nei tradizionali OSS, l’AI viene utilizzata soprattutto per attività specifiche e verticali: anomaly detection, analisi predittiva, correlazione eventi o automazione rule-based. Si tratta però di sistemi che operano entro workflow predefiniti e che richiedono comunque supervisione umana nelle decisioni operative più complesse. L’agentic AI introduce un approccio diverso: non si limita a generare insight o alert, ma è in grado di comprendere il contesto operativo della rete, pianificare azioni e intervenire autonomamente sugli OSS attraverso orchestrazione e automazione intelligente.
In pratica, l’agente AI evolve da semplice “copilot” a soggetto operativo attivo: analizza dati provenienti dalla rete, consulta knowledge base e sistemi OSS/BSS, prende decisioni in tempo reale e coordina workflow multi-step adattandosi dinamicamente agli eventi.
Casi d'uso principali
L’Agentic AI trova applicazione soprattutto nei processi OSS ad alta complessità operativa, dove automazione, rapidità decisionale e adattamento dinamico sono elementi chiave.
I benefici dell'adozione dell’Agentic AI negli OSS
I dati emergenti da operatori, vendor e forum di settore mostrano impatti misurabili su ogni dimensione della gestione di rete.
L'impatto più immediato riguarda la velocità di risposta agli incidenti: il tempo medio di risoluzione (MTTR) può ridursi fino al 70% grazie a meccanismi di self-healing e root cause automation che intervengono prima ancora che un operatore umano prenda in carico il problema. Va precisato che questi valori si riferiscono a contesti di adozione avanzata (Livello 4 TM Forum) e non sono uniformemente applicabili a tutti gli ambiti telco. I benefici variano in funzione del livello di autonomia raggiunto, della maturità dell’infrastruttura OSS e del dominio operativo specifico.
Sul fronte dell'efficienza operativa, si ottiene una riduzione significativa del carico manuale nei NOC, resa possibile dall'automazione delle attività di analisi e troubleshooting. Un effetto diretto si riflette anche sulla produttività dei team, dove si stima un incremento fino al 30% per i team di Network Operations e SRE.
I benefici economici sono altrettanto concreti. TM Forum indica che i modelli di rete a piena autonomia (Autonomous Network Level 4) consentono una riduzione dei costi operativi fino al 30%. Parallelamente, la correlazione automatica degli allarmi riduce drasticamente il volume di eventi gestiti manualmente, alleggerendo ulteriormente il lavoro dei NOC. Il TM Forum definisce cinque livelli di autonomia di rete, utili per contestualizzare questi benefici: il Livello 0 corrisponde a operazioni completamente manuali; il Livello 1 introduce assistenza AI per il monitoraggio; il Livello 2 aggiunge automazione parziale di task ripetitivi; il Livello 3 prevede automazione condizionale con supervisione umana sulle decisioni critiche; il Livello 4 abilita automazione adattiva con intervento umano solo per scenari di eccezione; infine il Livello 5, ancora in fase di ricerca, rappresenta l’autonomia completa senza supervisione operativa.
A livello di qualità del servizio, le reti che adottano operazioni predittive e remediation automatica mostrano miglioramenti misurabili in termini di resilienza e continuità operativa. L'effetto finale si riflette sull'utente finale ottenendo un miglioramento della QoE e una riduzione delle violazioni SLA grazie all'ottimizzazione proattiva della rete.
Il ruolo di Net Reply
In questo scenario, Net Reply supporta diversi operatori telco italiani nell’evoluzione degli OSS verso modelli di autonomous operations basati su Agentic AI. L’obiettivo non è sostituire i sistemi esistenti, ma potenziarli progressivamente con capacità intelligenti di analisi, orchestrazione e automazione.
La trasformazione parte da problematiche oggi comuni nel mondo OSS: elevati volumi di fault management manuale, OPEX crescenti, KPI operativi non ottimali e forte dipendenza da piattaforme legacy. In questo contesto, il ruolo dell’operatore evolve da esecutore operativo a funzione di supervisione e controllo, mentre gli agenti AI supportano monitoraggio proattivo, root cause analysis e remediation assistita.
L’approccio di Net Reply si basa su un framework multi-agente integrato con i sistemi OSS/BSS esistenti, articolato su tre direttrici principali:
• Evoluzione dei sistemi legacy: introduzione graduale delle capacità AI senza discontinuità operative.
• Capacità avanzate GenAI: integrazione di agenti intelligenti, orchestrazione e automazione nel panorama IT esistente.
• Governance e adozione : supporto alla trasformazione operativa attraverso framework di governance, Human-in-the-Loop e controllo dei processi decisionali AI.
L’obiettivo finale è costruire OSS più autonomi, resilienti e proattivi, capaci di migliorare efficienza operativa, qualità del servizio ed esperienza cliente attraverso una visibilità end-to-end della rete.