Nokia сократила время решения сетевых проблем на 50-80%: как система из 6 ИИ-агентов автоматизировала операции связи

Раньше операторы сетевых центров Nokia тратили часы на диагностику и устранение сложных сетевых проблем, пытаясь разобраться в тысячах оповещений и вручную сопоставляя данные из разрозненных систем. Сегодня, благодаря внедрению системы из шести скоординированных ИИ-агентов, эти же задачи решаются за минуты, сокращая время устранения неисправностей на 50-80% и существенно снижая операционные риски.

В телекоммуникационной отрасли, где каждая секунда простоя измеряется миллионами долларов убытков и недовольством абонентов, ручное управление сложными сетевыми операциями — это не просто медленно, это опасно. Операторы тонут в потоках алертов, пытаясь найти иголку в стоге сена, и человеческий фактор неизбежно приводит к ошибкам. Но сегодня есть решение, которое позволяет автоматизировать рутину, оставив за человеком принятие критически важных решений.

Реальность сетевых операций до ИИ

Современные телекоммуникационные сети, это колоссальные, постоянно меняющиеся экосистемы, состоящие из миллионов устройств, сложного программного обеспечения и огромных объёмов трафика. Управление такой инфраструктурой требует постоянного мониторинга, быстрой реакции на инциденты и оперативного устранения неисправностей. До недавнего времени эти задачи ложились на плечи высококвалифицированных инженеров и операторов сетевых центров.

Их день состоял из: обработки тысяч сетевых алертов, многие из которых оказывались ложными или малозначимыми; ручного сопоставления показателей производительности (KPI) из разных систем и от разных вендоров; поиска первопричин сбоев в условиях, когда один инцидент мог вызвать каскад других; и, наконец, разработки и применения решений, которые могли бы затронуть критически важные компоненты сети. Весь этот процесс был медленным, трудоёмким и подверженным ошибкам, что приводило к длительным простоям и высоким операционным затратам.

Почему традиционная автоматизация не справлялась

Nokia, как и многие другие компании в телекоме, уже использовала различные инструменты автоматизации и мониторинга сети. Однако эти системы были, как правило, узкоспециализированными и работали по строго заданным правилам. Они могли выполнять рутинные задачи, вроде сбора данных или простых оповещений, но не умели адаптироваться к изменяющимся условиям или самостоятельно диагностировать сложные, нешаблонные проблемы. Системы не могли «думать» и принимать решения, выходящие за рамки жёстко прописанных скриптов.

Компания нуждалась в более интеллектуальном подходе, который мог бы не просто автоматизировать отдельные задачи, но и координировать действия, понимать контекст, самостоятельно анализировать и предлагать решения. Так возникла идея ИИ-агентов, способных работать как единая, слаженная команда.

Как спроектировали систему ИИ-агентов

Nokia разработала сложную систему, состоящую из шести специализированных ИИ-агентов, работающих под управлением центрального оркестратора. Каждый агент выполняет свою уникальную функцию, но все они взаимодействуют друг с другом, создавая эффект слаженной команды. Главная задача, обеспечить "автономию в прозрачной коробке" (glass box autonomy), то есть полную автоматизацию рутины при сохранении человеческого контроля над высокорисковыми изменениями.

• Агент-оркестратор (Router Agent). Это сердце системы. Он принимает команды на естественном языке от операторов, управляет потоками информации между другими агентами, следит за соблюдением политик безопасности и направляет запросы к нужному специалисту.
• Агент триажа событий (Event Triage Agent). Получает тысячи сетевых алертов, фильтрует "шум", сравнивает их с историческими данными и топологией сети, чтобы выявить истинные проблемы и их вероятные первопричины.
• Агент выбора KPI (KPI Selector Agent). Анализирует разрозненные метрики производительности сети от разных вендоров и слоёв, выделяя наиболее релевантные KPI для конкретной проблемы, помогая операторам быстро понять суть происходящего.
• Агент выявления аномалий (Anomaly Reasoner Agent). Использует исторические данные для отличия настоящих аномалий от безобидных колебаний, предотвращая ложные срабатывания и ненужную эскалацию.
• Агент устранения неисправностей (Remediation Agent). Генерирует предложения по устранению проблем, например, перенаправление трафика или изменение конфигураций. Может автоматически выполнять низкорисковые действия, а для высокорисковых — запрашивает подтверждение человека.
• Агент генерации дашбордов (Dashboard-Generation Agent). Создаёт динамические визуализации на основе телеметрии, KPI и исторических данных, предоставляя операторам наглядную картину состояния сети.

Внедрение и поэтапный запуск

Внедрение системы происходило поэтапно. Nokia не стала ждать полной готовности всех шести агентов, а запустила первые два — оркестратор и агент триажа событий — сразу, как только они достигли необходимой функциональности. Эти агенты стали основой, к которой постепенно подключались остальные. Такой подход позволил операторам быстрее увидеть ценность нового инструмента и постепенно привыкнуть к работе с ИИ. Полный запуск платформы как SaaS-решения на Google Cloud Marketplace запланирован на сентябрь 2026 года, с последующим выпуском более сложных компонентов через обновления до 2027 года.

Важным аспектом внедрения стала концепция "glass box autonomy", которая позволяет операторам видеть и понимать логику работы ИИ-агентов, а также сохранять контроль над критически важными решениями. Низкорисковые рутинные операции выполняются автоматически, но для внесения серьёзных изменений в ядро сети всегда требуется подтверждение человека. Это снимает опасения, связанные с "чёрным ящиком" ИИ, и обеспечивает необходимый уровень прозрачности и подотчётности.

Результаты

Благодаря внедрению системы ИИ-агентов, Nokia достигла значительного сокращения времени решения сетевых проблем, что напрямую влияет на качество обслуживания клиентов и снижает операционные расходы. Операторы теперь могут сосредоточиться на более сложных и стратегических задачах, а не на рутинном "тушении пожаров", что повышает их удовлетворённость работой и общую производительность.

Как перенести это на ваш бизнес

Если в вашем бизнесе есть сложные операции, требующие постоянного мониторинга, быстрой реакции на инциденты и принятия решений в условиях неопределённости, система ИИ-агентов может стать мощным инструментом. Вот с чего можно начать:

• Идентифицируйте узкие места. Где ваши сотрудники тратят больше всего времени на рутинную диагностику, фильтрацию информации или принятие однотипных решений? Это идеальные кандидаты для автоматизации ИИ-агентами.
• Разбейте сложный процесс на подзадачи. Вместо создания одного "супер-агента", спроектируйте несколько специализированных агентов, каждый из которых отвечает за свою часть процесса, а затем объедините их оркестратором.
• Начните с низкорисковых задач. Внедряйте ИИ-агентов поэтапно, начиная с тех задач, где потенциальный риск ошибки минимален, а выгода очевидна. Это поможет команде адаптироваться и убедиться в эффективности решения.
• Обеспечьте прозрачность и контроль. Используйте подход "glass box autonomy", чтобы сотрудники могли понимать, как работает ИИ, и сохранять контроль над критически важными решениями.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру