Cuando el tráfico de datos móviles apunta a multiplicarse casi por cinco hacia 2030, según la GSMA, el problema de las telecomunicaciones deja de ser únicamente cómo conectar más usuarios y empieza a ser cómo procesar esa demanda sin disparar los costos de operación, de modo que las pruebas realizadas por GlobalLogic adquieren una lectura bastante más empresarial que tecnológica. La compañía de ingeniería digital del Grupo Hitachi puso a prueba en un laboratorio 5G Open RAN la combinación de inteligencia artificial y GPU NVIDIA, y encontró mejoras que llegan hasta 15 veces en los tiempos de procesamiento bajo determinadas condiciones.
Aunque hablar de GPU, inteligencia artificial y Open RAN puede sonar como un asunto reservado para los equipos de ingeniería, el dato que cambia la conversación está en el impacto sobre recursos concretos de la red, porque una infraestructura que procesa más rápido puede responder a mayores cargas sin exigir necesariamente el mismo nivel de capacidad instalada. En una de las pruebas, además, la aceleración permitió reducir alrededor de 40% el consumo energético, un resultado que lleva la discusión directamente hacia eficiencia operativa y costos.
Mientras el sector espera una demanda creciente por conectividad, el consumo energético se convierte en una variable cada vez más importante para los operadores, ya que las redes tienen que sostener mayores volúmenes de tráfico sin que cada incremento de capacidad se traduzca proporcionalmente en gasto. En ese contexto, el resultado de GlobalLogic no plantea solamente una mejora de desempeño, sino una posibilidad para revisar cuánto recurso computacional necesita una red cuando parte de esa carga puede ser acelerada mediante GPU.
De hecho, el segundo experimento muestra que el problema no está únicamente en procesar más rápido, sino también en procesar mejor, porque la integración de modelos de deep learning redujo en 99,98% las falsas detecciones de intentos de acceso a la red provocadas por ruido o interferencias. Para un operador, disminuir ese tipo de eventos significa evitar que recursos de la infraestructura se ocupen en señales que finalmente no corresponden a accesos reales, lo que puede mejorar la utilización de la capacidad disponible.
Cristian Dieguez, Head of DU CSP & NEP para América Latina de GlobalLogic, pone esa discusión dentro de un escenario más amplio cuando señala que, ante la complejidad creciente de las redes 5G, los futuros despliegues de 6G y la expansión del edge computing y la inteligencia artificial, resulta necesaria una infraestructura móvil más eficiente. La lectura empresarial de esa afirmación está en que las redes tendrán que absorber más funciones y más demanda sin depender únicamente de aumentar infraestructura física.
Si uno mira el caso desde la operación diaria, AI-RAN aparece entonces como una forma de hacer que la infraestructura tome decisiones más dinámicas sobre sus propios recursos, porque la incorporación de inteligencia artificial permite gestionar aspectos como el espectro, la energía y la capacidad de procesamiento de acuerdo con las condiciones de la red. Eso modifica una lógica tradicional en la que buena parte de los recursos se asignan de manera estática y deja abierta la posibilidad de ajustar la operación en función del comportamiento real del tráfico.
En mercados como Colombia, donde el crecimiento de los servicios digitales presiona la capacidad de las redes móviles, el punto interesante está en que la evolución tecnológica no tendría que medirse únicamente por velocidad para el usuario final, sino también por cuánto cuesta sostener esa velocidad a escala. Dieguez explica que el avance hacia AI-RAN representa una oportunidad para analizar nuevas formas de aprovechar la infraestructura de telecomunicaciones, especialmente cuando eficiencia energética, procesamiento distribuido y capacidad de adaptación empiezan a pesar cada vez más en las decisiones de inversión.
Mientras tanto, la combinación entre Open RAN, GPU e inteligencia artificial también introduce una discusión sobre la flexibilidad tecnológica de los operadores, porque una arquitectura capaz de distribuir y acelerar cargas de trabajo puede abrir espacio para nuevos servicios relacionados con IA y edge computing. El valor potencial, por tanto, no está solamente en ahorrar energía o reducir tiempos de procesamiento, sino en utilizar una infraestructura de telecomunicaciones que pueda soportar más aplicaciones y modelos de negocio.
Así, cuando se conectan los resultados de las dos pruebas, el dato más interesante no es una cifra aislada sino la relación entre rendimiento, consumo y calidad de procesamiento, porque GlobalLogic encontró hasta 15 veces más velocidad en determinadas condiciones, cerca de 40% menos consumo energético y una reducción de 99,98% en falsas detecciones en otro escenario. Para los operadores, esa combinación lleva AI-RAN de la conversación sobre tecnología futura hacia una discusión mucho más concreta sobre productividad de la red, eficiencia de costos y capacidad para responder al crecimiento del tráfico móvil.
