In che modo l'Agentic AI sta entrando nel settore Tlc
L’Agentic AI non è più una promessa futura per il settore delle telecomunicazioni. Secondo le recenti previsioni di Stl Partners, questa tecnologia è già operativa negli sforzi di migliorare i servizi clienti, il billing e la manutenzione nel settore Tlc. Il progresso si è verificato seguendo una precisa traiettoria: inizialmente nei processi a basso rischio, ad esempio in aree dove non occorrono dati real time o interventi diretti su funzioni core delicate. Oggi le domande centrali per le aziende sono: dove possono già produrre valore gli agenti intelligenti e dove serve ancora costruire fiducia.
Studi recenti e previsioni di espandersi
Nel nuovo report intitolato Agentic AI in telecoms: what is live now and coming next?, Stl Partners ha documentato la crescita esplosiva dell’adozione di queste tecnologie nel settore Tlc durante l’evento Mwc 2026. Da questo osservatorio, emergono 64 annunci significativi, segni di una transizione iniziata ma tutt’altro che conclusa. Secondo il rapporto di Stl Partners, il numero di agenti AI in utilizzo diretto negli operatori è destinato a crescere. Per esempio, At&t avrebbe già installato oltre 400 agenti mentre SK Telecom ne avrebbe integrati più di 2.000.
Quali funzioni di Agentic AI già operano
Il messaggio complessivo è abbastanza chiaro: l'Agentic AI diventa uno strumento concreto soprattutto là dove il contesto è stabile e i dati permettono un’accurata valutazione del rischio. Howard Watson, chief security and networks officer di BT ha affermato: “Per me, Agentic AI significa AI che fa cose.” Questi agenti non sono limitati a generare testi o ad aiutare un operatore umano; ora sono sistemi capaci di interpretare obiettivi, coordinare azioni, attivare strumenti e completare compiti autonomi.
Differenze di adozione nei contesti specifici
Proprio questa capacità sembra aprire una serie di complessità industriali; intervenire nei processi critici di rete richiede precisione, velocità e adattabilità. Nei servizi clienti invece ci si trova a operare con dati contestuali ricchi e verificati. Questi sono fondamentali per addestrare i modelli linguistici. Secondo Stl Partners, le applicazioni Agentic sono più maturate laddove i dati esistenti sono consolidati, come nei file CRM, nei cataloghi, nei billing e negli storici di interazione con il cliente.
Oggetti specifici di adozione in rete
Ci sono però settori in cui l’Agentic AI procede con cautela e l’implementazione avviene in fase di sperimentazione. Si registrano trial in ottimizzazione Ran, field operation e assurance. La maturità però non si è spostata in decisioni real time che coinvolgano varie aree operazionali. L’elemento chiave per il progresso è rappresentato dalla capacità di gestire dati aggiornati in tempo reale, una capacità che le tecnologie non possiedono in modo esteso al momento.
Obiettivi futuri per l’Agentic AI
Le tele comunicazioni punteranno a creare servizi reattivi e ad alto livello di personalizzazione. Gli agenti AI dovranno non solo rispondere a richieste di supporto, ma anche adattare il tono delle risposte, proporre pacchetti tailor-made, rispondere in dialetti locali, offrire soluzioni di troubleshooting modulate. Il tutto in funzione del livello tecnico dell’utente. Questo obiettivo rilancia il ruolo degli operatori, passandoli a essere un interfaccia digitale integrata in attività economiche come pagamenti, e-commerce, servizi bancari o gestione quotidiana.
La protezione dal rischio di frodi e le sperimentazioni in rete
Una direttiva cruciale per la crescita futura riguarda la protezione da frodi. Per esempio, SK Telecom ha realizzato un sistema con tecnologia Agentic AI per il controllo delle chiamate scam tramite app dedicate. Questa tecnologia però necessita di dati in tempo reale per funzionare in modo efficace. Il pericolo, cresce con il rischio di frodi basate sull’AI generativa che aumenta la complessità di impersonificazioni e chiamate automatizzate sofisticate.
Progetti di sperimentazione
Diverse telco si impegnano in soluzioni innovative. Ad esempio, Singtel sta testando un sistema di AI Call Screening per deviare chiamate a una rete di agenti autonomi. Deutsche Telekom sperimenta l’analisi del rischio legati ai numeri telefonici. e& invece ha sviluppato un monitoraggio vocale per riconoscere voci false. Questi test evidenziano il potenziale Agentic AI nello sviluppo di nuovi modelli di servizio.
I nuovi possibili di Agentic AI
Docomo SyncMe rappresenta un esempio avanzato mostrato durante l’evento Mwc 2026. Questo assistente personale si sincronizza con app diverse come calendari, acquisti e messaggi. Può generare promemoria e raccomandazioni, un modo per integrare funzionalità in uso quotidiano. La visione è chiara: se un operatore Tlc possiede dati, canali digitali e una relazione con i clienti, può costruire assistenti veramente utili.
I problemi tecnologici da superare
Nonostante tutto, l’espansione nella rete richiede nuove soluzioni. Una barriera importante sono i tempi di inferenza: i cicli di pensiero degli agenti AI sono troppo lenti per decisioni rapide. L’altra barriera è l’accuratezza dei dati real time; un agente AI che agisce su dati quasi istantanei potrebbe prendere decisioni basate su un'immagine già obsoleta. Senza risolvere questi problemi, si complica l’idea di affidare decisioni complesse ad un agente autonomo.
La questione della fiducia nell’uso di Agentic AI
Un’importante variabile da considerare per il futuro di Agentic AI è la fiducia. Le Tlc non sembrano disposte a lasciare decisioni delicate all’automazione quando non c’è una risposta chiaramente corretta. Anche la maturità nel ragionamento non è sufficientemente sviluppata da permettere un’automatizzazione completa dei processi critici di rete.
Prospettive future
I casi di Agentic AI live che si registrano nel settore Tlc sono interessanti ma raramente complessi. Spesso si limitano a un unico ambito operativo. Per esempio, si ha un’efficiente gestione dell’energy-saving o ottimizzazione della manutenzione in contesti isolati. I dati real time non sono utilizzati in nessuna di queste situazioni.
Conclusioni e considerazioni
Nonostante i progressi, il percorso verso una piena adozione dell’Agentic AI nella gestione di rete richiederà soluzioni tecnologiche più mature e una governance robusta. Il settore deve ancora sviluppare modelli di AI in grado di prendere decisioni rapide basandosi su dati attuali e contesto dinamico. Solo allora potrebbe emergere un uso esteso e strategico dell’Agentic AI, non solo come strumento di supporto ma come elemento centrale per mantenere alta qualità e competitività nel settore