Ericsson ha lanzado AI in RAN, una suscripción de software que introduce modelos de inteligencia artificial en la red de acceso radio, tanto en unidades de banda base como en radios, para actuar sobre una parte de la infraestructura móvil donde se decide buena parte de la experiencia real del usuario. La propuesta llega cuando el 5G ya no se mide solo por cobertura, sino por capacidad efectiva, consumo energético, automatización y respuesta ante patrones de tráfico menos previsibles.
La compañía sitúa esta solución dentro de su transición hacia redes nativas en IA. No se trata de añadir una capa analítica externa a la red, sino de incorporar inferencia en tiempo real en elementos que intervienen directamente en la gestión radio. Esa diferencia técnica resulta relevante para los operadores: las decisiones sobre espectro, haces de antena, adaptación de enlace o coordinación entre capas pierden valor si llegan tarde. En redes densas, con usuarios moviéndose y aplicaciones que demandan latencia estable, unos milisegundos pueden separar una mejora perceptible de una optimización invisible.
Ericsson sostiene que AI in RAN no requiere hardware adicional y que puede desplegarse sobre plataformas específicas y sobre Cloud RAN. La primera oleada de funciones estará disponible en el segundo trimestre de 2026, con mejoras posteriores durante el año, e incluirá un planificador nativo de IA para adaptación de enlace, posicionamiento macro asistido por IA, beamforming gestionado mediante IA y coordinación multicapa. También incorpora aprendizaje continuo y soporte para IA agéntica aplicada a operaciones de red.
AI in RAN ante la presión de capacidad en España
El lanzamiento encaja con una tensión que ya se observa en el mercado español. El Ministerio para la Transformación Digital situó la cobertura 5G global en el 99,27% de la población en el Informe de Cobertura de Banda Ancha 2025, mientras que el 5G Stand Alone alcanza el 98,1% y la cobertura rural 5G se aproxima al 96,13%. España ha avanzado rápido en disponibilidad. El problema empieza a desplazarse hacia otro terreno: cómo sostener el crecimiento del uso sin multiplicar costes de red al mismo ritmo.
Los datos de la CNMC apuntan en esa dirección. En el primer trimestre de 2025, el tráfico de datos móviles aumentó un 13,8% interanual, hasta 2,3 millones de terabytes, y en el cuarto trimestre el tráfico de banda ancha móvil creció un 18,2%, mientras que el 5G subió un 71,9% y ya representaba el 22,1% del total. La cobertura, por sí sola, no resuelve la congestión en estadios, estaciones, áreas turísticas, polígonos industriales o barrios donde la demanda se concentra por franjas horarias.
Para las operadoras españolas, el interés de una solución como AI in RAN reside precisamente en ese cambio de escala. El despliegue de nuevas ubicaciones radio seguirá siendo necesario en ciertos puntos, aunque el margen de mejora pasa cada vez más por sacar más capacidad de activos ya instalados. Ericsson afirma que su tecnología se ha probado en más de 15 despliegues y ensayos en redes comerciales, con hasta un 20% más de rendimiento en enlace descendente, hasta un 10% más de eficiencia espectral, soporte para el doble de usuarios en zonas de alto tráfico y una precisión de predicción de cobertura del 90% al 95%.
Inferencia en la red, no solo análisis desde fuera
La RAN ha sido tradicionalmente una de las partes más exigentes de la red móvil. Gestiona variaciones de señal, interferencias, movilidad, carga de celdas y asignación de recursos radio. La promesa de la IA aplicada a esta capa no está en detectar problemas después de que ocurran, sino en anticipar ajustes mientras la red opera. Ericsson afirma que sus modelos están diseñados para inferencia con latencia ultrabaja a escala de microsegundos, una exigencia que separa los casos de uso radio de otras aplicaciones empresariales de IA menos dependientes del tiempo real.
Ese planteamiento también introduce una cuestión de arquitectura. Ejecutar modelos de IA en radios y banda base implica restricciones de energía, seguridad, fiabilidad y compatibilidad con equipos existentes. La compañía apoya el enfoque en Ericsson Silicon para inferencia de bajo consumo y en la última generación de RAN Compute, aunque mantiene la portabilidad de Cloud RAN para desplegar capacidades en plataformas de socios. La combinación refleja una tensión conocida en telecomunicaciones: los operadores quieren flexibilidad de software, pero difícilmente aceptan sacrificar previsibilidad operativa en la parte más crítica de la red.
Mårten Lerner, responsable de estrategia y gestión de producto de redes en Ericsson, vincula AI in RAN con el paso hacia redes nativas en IA y con las radios preparadas para IA presentadas en febrero. La frase tiene lectura industrial. Los fabricantes de equipamiento ya no compiten solo por la calidad del hardware radio, sino por la capacidad de insertar modelos, datos y automatización dentro del ciclo operativo de la red. En febrero, Ericsson había presentado aceleradores de redes neuronales en radios Massive MIMO, con una capacidad de inferencia diez veces superior.
Eficiencia energética y automatización, dos frentes sensibles
La eficiencia energética pesa cada vez más en las decisiones de red. Las operadoras afrontan más tráfico, mayores exigencias regulatorias y presión sobre márgenes en un mercado muy competitivo. Mejorar el rendimiento sin añadir hardware no elimina la necesidad de inversión, pero altera la discusión sobre retorno. Joe Madden, analista principal de Mobile Experts, resume el atractivo con una lectura directa: una actualización de software puede permitir a los operadores extraer más capacidad, observabilidad y precisión de localización de redes 5G adquiridas hace años.
La dimensión de automatización no es menor. La gestión manual de parámetros radio tiene límites claros cuando el tráfico se vuelve más dinámico y los servicios de IA, realidad aumentada, industria conectada o vídeo de alta resolución exigen respuestas más finas. El soporte de IA agéntica apunta hacia operaciones capaces de ejecutar acciones con mayor autonomía, bajo políticas definidas por el operador. Sin embargo, esa evolución obliga a reforzar gobernanza, trazabilidad y mecanismos de control.
Las primeras referencias de clientes muestran usos distintos. SoftBank destaca la optimización en tiempo real de rendimiento radio, eficiencia de espectro y experiencia de usuario, además del potencial para escenarios de IA física que dependen de conectividad fiable y de baja latencia. Bell vincula la integración de IA en la RAN con rendimiento y eficiencia energética. SK Telecom conecta la evolución AI-RAN con una base tecnológica para el 6G nativo en IA, mientras Rogers pone el foco en la optimización en tiempo real y la reducción del consumo energético.
Para el mercado español, la derivada empresarial está en la explotación de redes ya extendidas. La disponibilidad 5G se ha acercado a la universalidad, pero la monetización sigue dependiendo de casos de uso capaces de pagar por calidad, localización precisa, baja latencia o conectividad diferenciada. AI in RAN entra en ese punto intermedio entre ingeniería y negocio: mejora técnica que solo será relevante si reduce saturación, estabiliza costes operativos y permite vender servicios con garantías medibles. Pese al avance, los operadores tendrán que decidir qué parte de esa inteligencia permanece ligada al proveedor de red y qué margen conservan para una arquitectura más abierta.
