es.wedoany.com Noticia: Una prueba de optimización con IA realizada por Samsung y KDDI en la red 5G independiente (SA) en vivo de Japón mostró un aumento promedio del 31 % en el rendimiento de enlace descendente durante las horas pico, con una ganancia del 52 % en áreas urbanas densas. Las pruebas abarcaron cientos de celdas alrededor de Tokio, utilizando 100 MHz de espectro en la banda TDD de 3,7 GHz, cubriendo diversas condiciones de implementación y escenarios de tráfico.
Para los operadores, las pruebas de campo pueden verse afectadas por el área de prueba, la línea base, la combinación de equipos y la ventana de tiempo, por lo que el valor real debe evaluarse en función del entorno operativo específico. La cuestión clave es si la IA puede hacerse cargo de los procesos en las redes móviles que aún se consideran lentos, localizados y dependientes de la intervención humana, es decir, ajustar celdas individualmente sin afectar las áreas vecinas.
El RAN Speed Optimizer (RSO) de Samsung se probó durante varios meses en la red comercial 5G independiente de KDDI, a partir de finales de 2025. Los problemas de red en el área urbana densa de Tokio, con alta carga, son muy diferentes de los de la cobertura suburbana o la propagación rural. La prueba aprovechó estas condiciones mixtas para entrenar y validar el modelo de IA con tráfico real. El RSO puede recomendar parámetros personalizados para cada celda, en lugar de usar configuraciones compartidas para ajustar grupos de celdas. Si funciona a gran escala, esto representaría un cambio operativo.
La industria móvil ha debatido durante mucho tiempo las redes autooptimizadas, pero la mayoría de las herramientas aún requieren intervención de ingenieros. Samsung posiciona la optimización con IA como un enfoque más preciso y adaptable. Su sistema analiza datos del entorno del sitio, predice los efectos de los cambios de parámetros y recomienda configuraciones personalizadas para cada celda. El RSO forma parte del conjunto de operaciones de red CognitiV de Samsung, que incluye herramientas de automatización con IA, agentes y aplicaciones de red.
Los operadores enfrentan la presión de mejorar el rendimiento 5G con un gasto de capital limitado. El espectro es costoso, la obtención de sitios es lenta y los costos de energía son importantes. Si la IA puede extraer más rendimiento de los activos inalámbricos existentes, esto se convierte en una estrategia de capacidad. Pero las estrategias de capacidad tienen consecuencias: un aumento en el rendimiento de enlace descendente no necesariamente mejora la experiencia del usuario final; factores como la latencia, el rendimiento de enlace ascendente, el comportamiento de traspaso y la gestión de congestión siguen siendo importantes. Los operadores necesitan barreras de seguridad, controles de reversión y pistas de auditoría para garantizar que el modelo no esté optimizando un KPI estrecho mientras crea problemas ocultos.
La prueba se realizó en una red 5G independiente, que proporciona una arquitectura más limpia para funciones avanzadas y una base confiable para operaciones de red con IA, segmentación de red y control de servicios detallado. Sin embargo, muchos operadores en todo el mundo aún se encuentran en entornos híbridos, donde el RAN tradicional, la dependencia de 4G y la diversidad de proveedores complican la automatización de la red. Samsung y KDDI tienen una larga colaboración en implementaciones de redes completamente virtualizadas, lo que facilitó la prueba, pero no todos los operadores cuentan con esta base.
La optimización del RAN impulsada por IA puede requerir más que la compra de un módulo de software; también depende de telemetría limpia, gestión de configuración coherente y procesos operativos modernizados. Para los desarrolladores y los equipos de software de red, la dirección ya está clara: las redes inalámbricas se están convirtiendo en plataformas de datos, y el valor se está desplazando hacia modelos predictivos, automatización de bucle cerrado y motores de políticas. Samsung necesita este éxito; el mercado de equipos de red es altamente competitivo y AI-RAN se ha convertido en una nueva frontera de competencia.
El papel de KDDI también es importante; los operadores japoneses suelen ser adoptantes tempranos de arquitecturas de red avanzadas. La mejora del 31 % en la tasa de descarga promedio durante las horas pico, si se puede replicar fuera del alcance de la prueba, tiene valor comercial, ya que podría reducir las quejas por congestión y mejorar la percepción de la calidad 5G. Samsung y KDDI indicaron que continuarán evaluando la optimización basada en IA para un uso comercial más amplio; la próxima fase será más importante que los resultados de la prueba.
Los operadores deben considerar el aumento del 31 % en el rendimiento como una señal prometedora de la prueba, no como un resultado garantizado para toda la red. La línea base, la ubicación geográfica y el control operativo determinan el valor real. La optimización a nivel de celda puede extraer más capacidad de los activos RAN existentes y reducir el trabajo manual de ingeniería. Existen riesgos operativos en los parámetros RAN ajustados por IA; una automatización mal gestionada puede perjudicar la latencia, los traspasos o la experiencia del cliente. La arquitectura 5G independiente proporciona una base más clara para la automatización. Los compradores de infraestructura deben preguntar a los proveedores sobre mecanismos de reversión, explicabilidad y soporte para múltiples proveedores.
