La inteligencia artificial fue, sin dudas, la gran protagonista del Mobile World Congress (MWC) 2026. En pasillos, escenarios y stands, proveedores de toda la industria presentaron soluciones basadas en IA destinadas a optimizar redes, mejorar la experiencia de los dispositivos y automatizar operaciones.

Desde arquitecturas de red con IA nativa hasta asistentes inteligentes integrados directamente en dispositivos y plataformas, el enfoque empieza a desplazarse hacia sistemas capaces de anticipar las necesidades de los usuarios, en lugar de simplemente responder a ellas.

Para las empresas de telecomunicaciones, esta evolución promete transformar profundamente la gestión de las redes. El mantenimiento predictivo, la optimización automatizada y la orquestación del tráfico en tiempo real apuntan a mejorar la eficiencia operativa y la experiencia de los usuarios.

La dimensión del desafío es clara. La gestión del tráfico en las redes digitales se ha vuelto extraordinariamente compleja, a una escala y velocidad inéditas. Con la llegada del 5G Avanzado, el desarrollo del edge computing y la expansión del Internet de las Cosas (IoT), las redes dejaron de ser simples tuberías de datos —con mayor o menor inteligencia— para convertirse en ecosistemas dinámicos basados en software. Dominar esta nueva realidad exige incorporar inteligencia artificial por varias razones que serán cada vez más críticas.

El límite del tiempo real. En apenas un milisegundo, una red moderna puede tener que gestionar simultáneamente una aplicación crítica con latencia ultrabaja, miles de sensores enviando datos y usuarios transmitiendo video en 4K. Tareas como la reconfiguración de red, la asignación dinámica de espectro o el balanceo de cargas requieren analizar millones de variables en tiempo real. Esa capacidad está, cada vez más, en manos de la IA.

El objetivo de los operadores es avanzar hacia redes de bucle cerrado (closed-loop), es decir, infraestructuras capaces de autoconfigurarse, detectar degradaciones del servicio antes de que ocurran y repararse de forma autónoma mediante la redirección automática del tráfico. La realidad indica que operar infraestructuras cada vez más complejas con métodos tradicionales de ingeniería es económicamente oneroso. El aumento de los costos operativos (OPEX) y del consumo energético obliga a automatizar gran parte de las operaciones.

En este contexto, la IA deja de ser una ventaja competitiva para convertirse en una condición de supervivencia operativa. Sin ella, las redes de próxima generación podrían colapsar bajo su propio peso.

Ahora bien, los operadores no utilizarán una única IA, sino un ecosistema de tecnologías especializadas:

• Machine Learning y Deep Learning: el motor predictivo de las redes. Permiten anticipar fallas en equipos, prever patrones de tráfico y detectar anomalías de ciberseguridad.
• Reinforcement Learning: fundamental para la toma de decisiones en milisegundos, por ejemplo en el enrutamiento dinámico del tráfico o en la optimización del consumo energético.
• IA generativa y modelos de lenguaje (Telco LLMs): utilizados como copilotos de red que asisten a los ingenieros con diagnósticos de fallas o sugerencias de código para resolver problemas operativos.
• Sistemas expertos o IA simbólica: aunque es una de las formas más antiguas de inteligencia artificial, sigue siendo clave para muchas operaciones básicas. Funcionan mediante reglas del tipo “si ocurre X, entonces haz Y”. Por ejemplo, redirigir automáticamente el tráfico si se detecta un corte en un enlace de fibra.

Sin embargo, más allá de las demostraciones y el inevitable hype que rodea a eventos como el MWC, la realidad todavía es más compleja.

Los modelos de IA de propósito general aún tienen dificultades para interpretar datos de red o documentación técnica especializada. Como resultado, en la actualidad solo el 16% de los despliegues de IA generativa en telecomunicaciones se aplican directamente a operaciones de red.

Para cerrar esta brecha, la GSMA —organizadora del MWC— lanzó Open Telco AI, con el fino de acelerar el desarrollo de inteligencia artificial de grado operador (telco-grade). La iniciativa reúne a operadores, proveedores tecnológicos, desarrolladores de IA e instituciones académicas para crear recursos compartidos que permitan mejorar el rendimiento de estas tecnologías en el sector.

Entre los socios fundadores se encuentra AT&T, que liberó una familia de modelos abiertos entrenados con datos públicos. AMD y TensorWave, por su parte, aportarán la infraestructura de procesamiento necesaria para entrenar y evaluar estos modelos.

La plataforma se estructura sobre cinco pilares:

• Modelos Telco: modelos especializados para tareas del sector.
• Datos abiertos: documentación técnica, logs de red y datos sintéticos.
• Computación: acceso a infraestructura de procesamiento.
• Benchmarks: evaluaciones de desempeño mediante el Telco Capability Index.
• Comunidad: programas y desafíos colaborativos para resolver problemas reales de la industria.

El objetivo final es claro: lograr que la inteligencia artificial “hable el idioma telco”. Solo entonces podrá cumplir con los niveles de precisión, complejidad y seguridad que exigen las redes de telecomunicaciones antes de su despliegue masivo.