No último ano, a Google Cloud revelou o Autonomous Network Operations framework, um blueprint abrangente desenhado para ajudar Provedores de Serviços de Comunicação (CSPs) na transição da gestão manual para operações zero-touch. Como parte daquele lançamento, introduzimos um agente de IA para RAN como um ativo de Proof-of-Value (PoV), demonstrando como a IA generativa poderia otimizar autonomamente as redes de acesso via rádio (RAN).
Hoje, anunciamos a evolução desse framework. Em parceria com a Future Connections, a Google Cloud está expandindo as capacidades para ir além de tarefas isoladas, alcançando uma agentic AI que raciocina e executa ações em toda a stack de telecomunicações. Estamos introduzindo duas inovações críticas integradas diretamente sob este guarda-chuva: o Autonomous Data Steward e o Core Network VoLTE Agent, que a operadora neozelandesa One NZ já implementou em suas operações.
"Quando lançamos o Autonomous Network Operations Framework, nosso objetivo era fornecer um blueprint para o futuro das telecomunicações. Hoje, estamos solidificando esse framework desenvolvendo e lançando novos agentes críticos. A One NZ está implantando o Core Network VoLTE Agent, o que é um testemunho desse progresso, demonstrando como estamos capacitando operadores a irem além de casos de uso isolados e realmente operacionalizarem a IA em escala." - Muninder Sambi, VP & GM de Produtos, Google Distributed Cloud
O gargalo da indústria: Por que os agentes têm dificuldade em escalar?
Embora a indústria tenha implantado com sucesso agentes individuais, escalar para um ecossistema totalmente autônomo revelou um desafio fundamental de infraestrutura: o acesso aos dados está fragmentado. Atualmente, qualquer organização que desenvolva um novo agente de IA enfrenta os mesmos obstáculos:
- Data silos: Os dados estão presos em esquemas rígidos e espalhados por diferentes domínios. Por exemplo, informações de RAN e Core no BigQuery ou Probes no Cloud Storage.
- Complexidade semântica: Sem contexto semântico, cientistas de dados podem passar meses decifrando contadores específicos de fornecedores (ex: "pmCounterNumber_487") em vez de construir modelos.
- Problemas de acesso: Cada novo agente exige um projeto de integração personalizado, tornando o ganho de escala um desafio complexo.
Para resolver isso, precisamos primeiro ativar a inteligência da infraestrutura de dados. Isso exige uma abordagem de camada dupla: um agente inteligente para governar a fundação de dados e agentes especializados para agir sobre ela.
Expandindo o framework: O Autonomous Data Steward
O Autonomous Data Steward é um agente baseado em Gemini que serve como a espinha dorsal inteligente do framework. Ele não apenas armazena dados; ele os provisiona dinamicamente sob demanda para que outros agentes os utilizem.
Construído na Google Cloud, o Steward utiliza uma arquitetura zero-copy. Utilizando o Dataplex Universal Catalog, ele armazena ponteiros de metadados em vez de duplicar conjuntos de dados massivos. Essa abordagem reduz os custos de armazenamento em até 70%, garantindo que os agentes acessem telemetria em tempo real.
O Autonomous Data Steward automatiza ainda mais o ciclo de vida de DataOps, alavancando os modelos de raciocínio avançado do Google para fechar a lacuna entre a intenção humana e a execução técnica. Isso possibilita:
- Entendimento semântico: Quando um usuário ou agente solicita dados (ex: "taxa de queda de célula"), o Gemini interpreta a intenção em linguagem natural e a mapeia para contadores de telecomunicações específicos usando o Dataplex Universal Catalog.
- Criação dinâmica de ETL: Se o dataset não existir, o Steward escreve e executa autonomamente código Python (via Dataproc) para extrair, limpar e unir os dados — reduzindo semanas de engenharia para minutos.
- Unificação cross-domain: O agente pode gerar querys federadas que unem performance de RAN, falhas de sessão de Core e erros de Probe em uma visão única, unindo domínios isolados de forma transparente.
O Core Network (VoLTE) Agent
Estamos mudando do monitoramento reativo para redes de self-healing. Agentes de remediação de OSS não apenas alertam humanos sobre problemas; eles os diagnosticam e resolvem. Ao quebrar os silos de dados, estamos construindo uma camada cognitiva que transforma meses de expertise de engenharia em milissegundos de ação automatizada.
O IMS Quality Agent (VoLTE Agent) é nosso especialista em rede core. Construído sobre a fundação do Autonomous Data Steward, ele garante a qualidade do serviço de voz de três formas:
- Monitoramento em tempo real: Rastreia continuamente métricas críticas como Call Setup Success Rates, Mean Opinion Scores (MOS) e performance de CSCF.
- Análise inteligente de causa raiz (RCA): Potencializado pelo raciocínio multimodal do Gemini, o agente correlaciona dados complexos de sinalização (SIP/Diameter) com a performance do Core para identificar instantaneamente problemas como sobrecarga de CSCF.
- Recomendações autônomas: O agente recomenda ações corretivas, como o ajuste de roteamento de chamadas ou rebalanceamento de carga.
Quando o VoLTE Agent detecta uma chamada perdida, ele consulta os dados para buscar instantaneamente capturas de probes e sinalização IMS correlacionadas — dados que anteriormente viviam em sistemas desconectados.
A One NZ já está utilizando este agente para gerenciar proativamente a qualidade de voz, evoluindo da manutenção manual para uma rede totalmente autônoma.
"Estamos entusiasmados em fazer parceria com a Future Connections e a Google Cloud, usando as capacidades avançadas do Gemini para implantar fluxos de trabalho agentic em nossa rede. Este é mais um passo significativo em nossa jornada para operações de rede totalmente autônomas." - Kieran Byrne, CTO, One NZ
Acelerando a jornada para operações autônomas
Esses lançamentos representam um salto empolgante no framework. Ao integrar a inteligência de infraestrutura do Autonomous Data Steward com a lógica específica de domínio do VoLTE Agent, estamos entregando:
- Para times de operações: Um acelerador crítico de MTTR, reduzindo drasticamente o tempo necessário para identificar e resolver problemas de serviços de voz. Isso ajuda os times a saltar da detecção para a resolução em uma fração do tempo.
- Para times de dados: Um acelerador de deployment, encurtando o tempo entre o desenvolvimento do modelo e a produção real. Isso permite que times de dados ignorem gargalos tradicionais de operações de dados e percebam o valor de novas implementações de ML quase instantaneamente.
Juntos, abrimos as metodologias principais desses agentes, permitindo que operadoras construam e customizem seus próprios fluxos de trabalho agentic.
Artigo originalmente publicado por Prashant Kumar, Product Strategy Director, Future Connections em Cloud Blog.
