AT&T ha costruito un sistema di intelligenza artificiale per la gestione della rete che ha ridotto i disservizi ai clienti di oltre 12 milioni di ore. Il dato, riportato da Business Insider, fotografa uno dei progetti AIOps più ambiziosi nel settore delle telecomunicazioni americane. Non è un progetto di laboratorio: è in produzione, e i risultati sono misurabili.
Il sistema è stato sviluppato sulla piattaforma Snowflake e ha avuto una traiettoria precisa: nasce dal machine learning classico, quello che riconosce pattern nei dati e genera previsioni, poi negli anni successivi ha incorporato capacità di AI generativa e, più di recente, funzionalità agentiche. Questo passaggio non è banale. Un sistema agentico non si limita a segnalare un’anomalia o a produrre un report: pianifica una sequenza di azioni, le esegue e, se necessario, coinvolge un operatore umano solo nei punti critici del processo. AT&T descrive i suoi agenti come “autonomous assistants” capaci di combinare comprensione degli obiettivi, pianificazione multi-step e orchestrazione degli strumenti in un unico flusso.
Nel concreto, gli ingegneri di rete di AT&T possono oggi affidare a una catena di agenti la gestione di un alert: il primo correla la telemetria per localizzare il problema e apre un ticket, il secondo propone una soluzione e scrive il codice per una patch, il terzo compila un resoconto da usare per pianificare azioni preventive future. Un ingegnere supervisiona l’intero flusso, ma il lavoro manuale si riduce drasticamente. Il modello funziona perché ogni azione degli agenti è registrata, con politiche di isolamento dei dati e controlli di accesso basati sui ruoli che si attivano a ogni passaggio di consegne tra agenti.
Il contesto aiuta a capire perché questo tipo di investimento sia diventato urgente. AT&T gestisce una delle reti più estese al mondo, con oltre 100 milioni di abbonati wireless e un’infrastruttura in fibra in rapida espansione. I metodi tradizionali, basati su processi manuali e sistemi a regole fisse, non riescono più a tenere il passo con la scala e la velocità delle reti moderne. Un’anomalia non rilevata in tempo può propagarsi su migliaia di nodi prima che un team umano riesca a intervenire. L’AI predittiva interrompe questa catena prima che si formi. Il sistema Geo Modeler, per esempio, è in grado di rilevare un’interruzione e mapparne l’impatto in meno di 15 minuti su aree che si estendono per centinaia di chilometri, usando un gemello digitale dell’intera rete mobile costruito con AI generativa e ray tracing.
I risultati operativi vanno oltre la riduzione dei disservizi. L’investimento complessivo in AI ha contribuito a un risparmio totale di un miliardo di dollari nel 2025, e AT&T ha comunicato un obiettivo da quattro miliardi entro il 2028. Sul fronte della qualità del codice, i team di ingegneria assistiti dall’AI hanno registrato una riduzione del 23% nel tempo di sviluppo e dell’80% nei problemi di qualità del codice rilevati dall’analisi statica. Numeri che raccontano un’integrazione trasversale, non limitata alla sola gestione della rete.
La fiducia nei propri sistemi si traduce anche in impegni commerciali più stringenti: AT&T ha esteso la sua garanzia di servizio, che prevede crediti automatici per le interruzioni qualificate, al prodotto Internet Air, il suo servizio internet domestico wireless. Una mossa che sarebbe difficile da sostenere senza una rete sempre più capace di correggersi da sola. Se la traiettoria attuale continua, il modello agentico smetterà di essere un’aggiunta al sistema e diventerà la sua architettura centrale — con gli esseri umani che definiscono le priorità e gli agenti che gestiscono tutto il resto.
