La red fija en la era de la IA: de infraestructura pasiva a producto inteligente
Guillermo Sólomon | Director de TMT-SME de Deloitte Hispanoamérica
Durante décadas, el negocio fijo de telecomunicaciones se construyó sobre una premisa aparentemente simple: desplegar infraestructura, conectar hogares y empresas, garantizar disponibilidad, vender capacidad y mantener la red funcionando. Esa lógica fue extraordinariamente valiosa para cerrar brechas de conectividad, habilitar Internet masivo, soportar la digitalización empresarial y sostener buena parte de la economía moderna.
Pero esa misma lógica también empujó al operador fijo hacia una trampa: mientras más madura se volvió la conectividad, más difícil fue diferenciarla. En muchos mercados, el cliente dejó de comprar “red” y empezó a comparar velocidad, precio, promociones, estabilidad percibida, instalación y atención. Para el operador, eso significó invertir más, transportar más tráfico y mantener estándares de disponibilidad cada vez más exigentes, sin necesariamente capturar una proporción equivalente del valor que fluye sobre su infraestructura.
La Inteligencia Artificial puede profundizar esa tensión o puede convertirse en el punto de inflexión que permita a los operadores redefinir su papel. La IA no sólo generará más tráfico. También cambiará dónde se procesa la información, cómo se consume la red, cómo se gestionan los servicios, cómo se garantiza la experiencia y cómo se monetizan capacidades que antes se trataban como parte invisible de la infraestructura.
El artículo base que sirvió como inspiración plantea precisamente esta transición: dejar de ver la red como una utilidad y empezar a pensarla como un producto programable, automatizado, expuesto por APIs, medible por desempeño y operado con inteligencia nativa.
Para los operadores fijos en América Latina, el reto no es simplemente “usar IA”. Eso sería demasiado genérico. El verdadero desafío es convertir la red en un producto inteligente: programable, medible, automatizado, expuesto por APIs, optimizado por IA y asociado a resultados concretos de negocio. Deloitte ha señalado que la industria telecom enfrenta una etapa donde la IA Generativa, la conectividad avanzada, la presión por monetización y la búsqueda de nuevos modelos de crecimiento están redefiniendo las prioridades del sector.
La pregunta de fondo ya no es si los operadores deben adoptar IA. La pregunta estratégica es otra: ¿qué parte de la cadena de valor de la IA puede capturar un operador fijo?
1. Antes de transformar la red, hay que transformar el gobierno de la IA
La discusión sobre IA en telecom suele empezar por casos de uso: atención al cliente, automatización de operaciones, mantenimiento predictivo, análisis de tráfico, ciberseguridad, optimización energética o nuevos servicios digitales. Todo eso es relevante. Pero antes de hablar de aplicaciones, hay que hablar de gobierno.
La aparición de agentes de IA capaces de razonar, decidir, ejecutar tareas y coordinar flujos de trabajo está obligando a las empresas más avanzadas a crear nuevas responsabilidades ejecutivas alrededor de la IA agentiva.
El concepto de Chief Agentic Officer surge para cubrir un vacío organizacional: los agentes de IA no pertenecen por completo al CTO, porque no son sólo infraestructura; tampoco al CDO, porque no son sólo datos; ni al COO, porque no son sólo procesos. Operan en la intersección de tecnología, operación, riesgo, datos, automatización y negocio.
David Armando López Noria lo plantea de forma clara: si una organización ya tiene agentes de IA tomando decisiones, alguien debe saber qué hacen, cómo se coordinan, quién arbitra conflictos entre agentes y bajo qué reglas pueden actuar. Su reflexión resume bien el problema: cuando el portafolio de agentes crece, la pregunta ya no es sólo qué agente funciona, sino quién gobierna el sistema completo.
En telecomunicaciones, este punto es crítico. Si la red evoluciona hacia un modelo AI-native, donde agentes puedan optimizar rutas, priorizar tráfico, detectar incidentes, activar servicios, configurar políticas o interactuar con clientes empresariales, el operador necesitará mucho más que modelos de IA. Necesitará gobierno, límites de autonomía, trazabilidad, auditoría, seguridad, ética, cumplimiento regulatorio y medición de valor.
El perfil para esta posición no debería ser únicamente técnico. Se requiere un ejecutivo híbrido, con capacidad de entender IA, arquitectura tecnológica, gobierno de datos, riesgos, regulación, ciberseguridad, automatización de procesos y estrategia de negocio.
Debe poder conversar con el CTO sobre infraestructura y APIs; con el CDO sobre calidad, linaje y gobierno de datos; con el COO sobre procesos operativos; con el CISO sobre seguridad; con Legal y Compliance sobre responsabilidad y auditoría; y con las áreas comerciales sobre monetización, experiencia del cliente y nuevos productos.
En un operador fijo, además, este perfil necesita entender la red: OSS/BSS, operación, SLA, telemetría, automatización, atención al cliente, privacidad, continuidad, inventarios, configuración, seguridad y exposición de capacidades mediante APIs. No se trata de nombrar a “alguien de innovación” para coordinar pilotos aislados. Se trata de crear una función ejecutiva capaz de convertir la IA Agentiva en una capacidad gobernada, segura, escalable y monetizable.
Por eso, el Chief Agentic Officer no debe verse como “el jefe de los bots”. Su función sería definir el portafolio de agentes, priorizar casos de uso, establecer límites de autonomía, diseñar esquemas de supervisión humana, medir valor, evitar duplicidad de iniciativas, asegurar trazabilidad de decisiones y garantizar que los agentes operen bajo reglas claras.
Deloitte proyectó que 25% de las empresas que usan GenAI lanzarían pilotos o pruebas de concepto de IA Agentiva en 2025, creciendo a 50% hacia 2027.
Esto confirma que la conversación ya no está limitada a modelos conversacionales; se está moviendo hacia agentes que ejecutan procesos, coordinan acciones y participan en decisiones empresariales.
Antes de que una red pueda comportarse como producto inteligente, la organización debe saber quién gobierna los agentes de IA que la van a operar, optimizar y eventualmente monetizar.
2. El problema no es ser “pipe”; es vender la red como si fuera invisible
Durante años, la industria repitió que el peor destino de un operador era convertirse en un “dumb pipe”. La reacción natural fue buscar negocios adyacentes: contenido, publicidad, fintech, Cloud, IoT, ciberseguridad, entretenimiento, servicios administrados y, ahora, IA. El problema es que esa búsqueda llevó a veces a subestimar el activo más poderoso que ya tenía el operador: la red.
La red no es el problema. El problema es venderla como si fuera un recurso plano: tantos megas, tanta disponibilidad, tanto precio mensual. Bajo esa lógica, el operador compite en una dimensión que el cliente entiende rápidamente y presiona constantemente: precio por velocidad.
El enfoque de “red como producto” propone otra cosa. La conectividad no debe venderse únicamente como capacidad, sino como un conjunto de atributos diferenciados: latencia, jitter, disponibilidad, aislamiento, seguridad, telemetría, priorización, experiencia, resiliencia, ubicación del procesamiento y capacidad de respuesta ante eventos.
Un ejemplo: para una oficina administrativa, 500 Mbps pueden ser suficientes la mayor parte del tiempo. Para una operación de atención con agentes de voz basados en IA, la conversación ya no debería ser “¿cuántos megas necesita?”, sino “¿qué latencia, estabilidad, continuidad y calidad de experiencia necesita para que sus agentes funcionen sin interrupciones?”
Para una fábrica conectada, el valor no está solamente en tener Internet, sino en garantizar que sensores, cámaras, robots, sistemas de seguridad y plataformas de analítica funcionen con parámetros predecibles.
En la era de la IA, la red fija no puede seguir vendiéndose como un insumo indiferenciado. Debe venderse como una plataforma de desempeño.
3. De infraestructura estática a infraestructura dinámica
La red fija tradicional se ha operado muchas veces como infraestructura relativamente estática. Se instala capacidad, se configura el servicio, se asignan recursos, se monitorea el enlace y se atienden fallas. Ese modelo funcionó mientras la demanda era relativamente predecible y los servicios eran menos dinámicos.
Pero la IA cambia el patrón de consumo. Las cargas pueden ser más variables, más sensibles a la latencia y más dependientes del contexto. Una empresa puede tener horas de alta actividad en contact centers con agentes de IA; una universidad puede requerir picos de capacidad durante exámenes remotos o laboratorios virtuales; un hospital puede necesitar priorización para aplicaciones clínicas; una cadena de retail puede exigir analítica en tiempo real durante campañas o temporadas de alto tráfico.
En este entorno, la infraestructura debe comportarse menos como una carretera de carriles fijos y más como un sistema elástico. La red debe “respirar”: ajustar capacidad, priorización y rutas de acuerdo con la demanda, la aplicación, el cliente, el horario o el evento.
Para un operador fijo, esto significa evolucionar hacia arquitecturas donde SDN, automatización, orquestación, telemetría y políticas inteligentes permitan que el servicio se adapte a la necesidad. No se trata de prometer capacidad infinita, sino de usar mejor los recursos existentes y empaquetarlos de forma más inteligente.
El cambio comercial es igual de importante que el técnico. En lugar de vender enlaces rígidos, el operador puede vender perfiles dinámicos: conectividad crítica durante ventanas operativas, baja latencia para aplicaciones específicas, priorización temporal para eventos, respaldo automatizado, conectividad aislada para IoT o servicios de continuidad para aplicaciones empresariales.
La IA puede acelerar este cambio porque permite detectar patrones, anticipar congestión, recomendar ajustes, automatizar decisiones y optimizar recursos en tiempo real.
4. La IA no debe ser un chatbot sobre un portal legado
Uno de los mayores riesgos en la conversación actual sobre IA en telecom es reducirla a asistentes conversacionales. Claro que los chatbots pueden mejorar la atención, reducir llamadas y resolver dudas frecuentes. Pero eso no transforma el corazón del negocio de red.
La IA que realmente importa para un operador fijo debe estar dentro de la operación: en la telemetría, el control plane, la orquestación, el assurance, la planeación, el mantenimiento, la seguridad y la experiencia del cliente.
La red fija genera una enorme cantidad de datos: degradación óptica, pérdida de paquetes, latencia, jitter, saturación por zona, desempeño por aplicación, cortes de fibra, alarmas de equipo, reincidencias, rutas alternas, tickets, tiempos de reparación, comportamiento de consumo y experiencia percibida. En muchos operadores, esa información existe, pero está fragmentada entre OSS, BSS, NOC, sistemas de inventario, plataformas de monitoreo, herramientas de campo, CRM y sistemas de facturación.
La IA puede convertir esa fragmentación en inteligencia operativa si se construye sobre una base de datos confiable. No basta con poner una capa de GenAI para consultar documentos o resumir tickets. El cambio profundo ocurre cuando la IA puede observar la red, razonar sobre el estado del servicio, recomendar acciones y eventualmente ejecutar cambios bajo políticas definidas.
Ericsson describe las redes autónomas como una evolución habilitada por IA, gestión de datos, automatización closed-loop, operaciones basadas en intención, APIs abiertas e interfaces estandarizadas entre dominios autónomos.
Ese es el punto crítico: una red AI-native no es una red con un chatbot. Es una red que usa IA para operar, proteger, optimizar y monetizar la experiencia desde adentro.
5. Operaciones por intención: del “cómo” al “qué”
La operación tradicional de red está llena de instrucciones técnicas: configurar VLANs, ajustar rutas, provisionar CPEs, crear políticas, abrir tickets, revisar alarmas, escalar incidentes y coordinar áreas. En un modelo de red como producto, el cliente o el área comercial no deberían tener que traducir una necesidad de negocio a tareas técnicas. Deberían poder expresar una intención.
Por ejemplo: “necesito conectividad segura y aislada para 500 sensores IoT con 99.99% de disponibilidad”. O bien: “necesito baja latencia garantizada para 300 agentes de voz con IA durante horario laboral”. También: “necesito continuidad operativa para mis sucursales críticas durante la temporada de ventas”. O: “necesito telemetría visible para demostrar que mis aplicaciones regulatorias están cumpliendo su SLA”.
En una operación basada en intención, el sistema interpreta el resultado esperado y lo traduce en configuración, políticas, monitoreo y assurance. Ericsson plantea que las operaciones intent-based capturan objetivos de negocio, los traducen en KPIs, políticas y recursos, automatizan configuración, optimización y assurance y usan monitoreo continuo para alimentar modelos de IA que detectan desviaciones y detonan acciones correctivas.
Esto es especialmente relevante para operadores fijos, porque muchos servicios empresariales siguen dependiendo de procesos manuales, inventarios incompletos o configuraciones específicas por cliente. El resultado suele ser lentitud comercial, complejidad operativa y altos costos de atención.
El modelo por intención no elimina la ingeniería. La eleva. Libera a los expertos de tareas repetitivas y permite que se concentren en diseñar políticas, modelos de servicio, arquitecturas de resiliencia y reglas de negocio.
6. De vender megabits a vender resultados medibles
La trampa del ancho de banda es conocida: el tráfico crece, las inversiones continúan y el ingreso por unidad de capacidad tiende a presionarse. Si el operador sólo vende más velocidad, corre el riesgo de que cada mejora tecnológica termine trasladándose al cliente como mayor capacidad al mismo precio o a un precio apenas incremental.
La IA obliga a repensar este modelo. Muchas aplicaciones no necesitan simplemente “más ancho de banda”; necesitan calidad específica. Un agente de voz con IA necesita baja latencia y estabilidad conversacional. Una plataforma de video analítico necesita procesamiento cercano y flujo continuo. Un sistema de seguridad requiere priorización y disponibilidad. Una operación financiera necesita trazabilidad, seguridad y continuidad.
En ese contexto, el operador puede crear SKUs de desempeño: baja latencia para aplicaciones críticas, telemetría visible para auditoría de SLA, conectividad aislada para IoT empresarial, priorización temporal para eventos o campañas, continuidad para sucursales críticas, edge inference para procesamiento local, seguridad integrada para tráfico sensible y experiencia garantizada para voz, video o aplicaciones empresariales.
La diferencia es que el cliente paga por el resultado, no por el insumo. Esa es la esencia del cambio de utilidad a producto.
Un contact center con agentes de voz basados en IA, por ejemplo, podría pagar por un perfil de baja latencia, jitter controlado y telemetría visible. Si el agente virtual se corta, tarda en responder o degrada la experiencia, el valor del caso de negocio cae. Por lo tanto, el operador no está vendiendo “Internet empresarial”; está vendiendo continuidad de la experiencia conversacional.
7. APIs: si no se puede consumir, no es producto
Un producto moderno debe poder consumirse de forma sencilla. Si cada activación requiere una negociación comercial larga, múltiples áreas técnicas, configuraciones manuales y tiempos de provisión impredecibles, entonces la red sigue operando como infraestructura, no como producto.
La exposición por APIs es fundamental para cambiar esta realidad. Una API no es sólo una interfaz técnica; es una forma de empaquetar capacidades para que terceros las usen, integren y paguen.
En 2024, Ericsson y doce grandes operadores globales (incluidos América Móvil, AT&T, Bharti Airtel, Deutsche Telekom, Orange, Reliance Jio, Singtel, Telefónica, Telstra, T-Mobile, Verizon y Vodafone) anunciaron una iniciativa para crear una compañía enfocada en combinar y vender APIs de red a escala global. El objetivo es que desarrolladores y empresas puedan acceder más fácilmente a capacidades avanzadas de red y que los operadores encuentren nuevas vías de monetización.
El concepto suele asociarse más con redes móviles, pero el operador fijo también tiene mucho que exponer: disponibilidad, identidad de acceso, calidad, seguridad, telemetría, ubicación de edge, estado de servicio, configuración bajo demanda, priorización, inventario empresarial y políticas de conectividad.
Para América Latina, el punto es importante: muchos clientes empresariales no quieren comprar tecnología por silos. Quieren integrar capacidades de conectividad dentro de sus procesos digitales. Un banco, una cadena de tiendas, una empresa logística o una plataforma de salud no necesariamente quiere hablar con un ingeniero de red cada vez que activa un nuevo flujo. Quiere consumir capacidades confiables mediante procesos simples.
Si la red no puede integrarse al software del cliente, difícilmente podrá capturar el valor del software del cliente.
8. Edge e inferencia: cuando los bits pueden ganar valor en el camino
La IA también cambia la conversación sobre edge. Durante años, edge computing fue una promesa en busca de casos de uso masivos. Con la IA, el caso se vuelve más claro: no todo puede procesarse en una Nube central y no todo debe procesarse en el dispositivo final.
La inferencia (es decir, el uso de modelos de IA para generar respuestas, clasificar información, detectar patrones o tomar decisiones) puede ocurrir en diferentes lugares: dispositivo, gateway, sucursal, central, Data Center regional, Nube pública o edge del operador. Cada ubicación implica un balance distinto entre costo, latencia, privacidad, consumo energético y control.
Para el operador fijo, esto abre una oportunidad: posicionar su infraestructura como la capa local de inferencia para empresas. No necesariamente para competir frontalmente contra hyperscalers, sino para complementar su modelo con proximidad, baja latencia, operación local, soberanía de datos y conectividad crítica.
Imaginemos algunos casos: una cadena de retail procesa video en el borde para detectar filas, inventario, seguridad o comportamiento de tienda sin enviar todo el tráfico a la Nube. Una planta industrial analiza datos de sensores en tiempo real para anticipar fallas, pero mantiene información sensible dentro de una infraestructura local o regional. Una ciudad procesa video de seguridad en nodos cercanos para reducir la latencia y costos de transporte. Una institución educativa usa IA para laboratorios virtuales, asistencia personalizada o análisis de desempeño, con servicios alojados localmente para mejorar experiencia y privacidad.
Deloitte proyectó que en 2025 la participación de smartphones con capacidades de GenAI podría superar 30% de los envíos, además de alrededor de 50% de laptops con procesamiento local de GenAI. Ese dato apunta a una arquitectura donde la IA ya no vive sólo en grandes Nubes, sino también en dispositivos, endpoints y entornos distribuidos.
En estos escenarios, la red no sólo transporta. La red participa en el procesamiento, en la priorización, en la seguridad y en la calidad del resultado. Ese es el cambio hacia “bits con valor”.
9. Eficiencia energética: la IA también debe bajar costos
La IA no sólo crea nuevos ingresos potenciales. También genera presión sobre energía, enfriamiento, espacio, capacidad y resiliencia. La Agencia Internacional de Energía estima que el consumo eléctrico de Data Centers podría duplicarse hacia 2030, alcanzando alrededor de 945 TWh en su caso base, con un crecimiento anual cercano a 15% entre 2024 y 2030.
Para operadores fijos en América Latina, esto importa por dos razones. Primero, porque cualquier estrategia seria de IA, edge o Data Centers debe considerar energía como una variable estratégica. Segundo, porque la IA puede usarse para optimizar la infraestructura existente y reducir costos operativos.
Telefónica ofrece un ejemplo cercano a la industria: implementó gemelos digitales basados en IA para optimizar la gestión térmica en Data Centers, con evaluaciones iniciales que apuntan a reducciones de 15% a 20% en consumo energético de sistemas de enfriamiento. La iniciativa se enmarca en su plan de automatización y busca mejorar eficiencia energética, OpEx y operación de infraestructura crítica.
La lectura para operadores fijos es directa. Antes de pensar en IA sólo como producto externo, conviene pensarla como una herramienta para operar mejor: reducir consumo energético, anticipar fallas, evitar inversiones innecesarias, mejorar utilización de capacidad, automatizar mantenimiento y priorizar intervenciones.
En mercados con presión sobre márgenes, la eficiencia operativa puede ser tan valiosa como una nueva línea de ingresos.
10. Auto-reparación: la confiabilidad como característica del producto
La promesa histórica de las telecomunicaciones ha sido la confiabilidad. Pero en un modelo tradicional, esa confiabilidad depende mucho de monitoreo, cuadrillas, escalaciones y procesos de mantenimiento. En la era de la IA, la confiabilidad debe convertirse en una característica integrada del producto.
Una red auto-reparable usa telemetría en tiempo real para detectar degradaciones, anticipar fallas, activar rutas alternas, reasignar capacidad, priorizar tráfico crítico y proteger SLAs. No espera a que el cliente reporte el problema; actúa antes de que el impacto sea visible.
Por ejemplo, ante un corte de fibra, la red puede identificar servicios afectados, evaluar rutas disponibles, priorizar tráfico empresarial crítico, activar contingencias, notificar al cliente con información clara y abrir automáticamente una orden de campo. En paralelo, puede alimentar modelos predictivos para identificar si esa zona tiene patrones de reincidencia, riesgo físico o necesidad de rediseño.
El valor no está sólo en reparar más rápido. Está en convertir la confiabilidad en una función del producto. El cliente no compra simplemente conectividad; compra una experiencia que se monitorea, se protege y se corrige continuamente.
11. Confianza digital: el operador como capa de validación
La IA también está amplificando el fraude. Deepfakes, suplantación de voz, documentos falsos, robo de identidad, automatización de ataques y fraude transaccional aumentan la presión sobre bancos, fintechs, retailers, gobiernos y plataformas digitales.
Aunque este tema suele asociarse más al móvil, el operador fijo también puede participar en confianza digital. Las redes empresariales, los accesos residenciales, la identidad de dispositivos, los patrones de tráfico, la geolocalización aproximada, los servicios gestionados, la ciberseguridad y el edge pueden aportar señales para proteger transacciones y operaciones.
En América Latina ya se observan pasos en esta dirección. En Colombia, Claro, Movistar y Tigo lanzaron herramientas bajo GSMA Open Gateway enfocadas en verificación de identidad de usuarios, incluidos SIM Swap y Number Verification para combatir fraude digital.
El principio detrás de estos casos es relevante para toda la industria: los operadores tienen señales únicas. La oportunidad está en convertir esas señales en servicios de confianza digital, siempre bajo esquemas adecuados de privacidad, consentimiento, regulación y seguridad.
Para operadores fijos, el campo natural puede estar en ciberseguridad gestionada, identidad empresarial, protección de sucursales, seguridad para IoT, acceso seguro, monitoreo de comportamiento anómalo y validación de tráfico crítico.
12. El reto oculto: modernizar el “core operativo”
La visión de red como producto suena atractiva, pero no se logra con una capa cosmética. Requiere modernizar el core operativo: inventario, datos, OSS/BSS, orquestación, assurance, facturación, catálogo de productos, APIs, automatización y gobierno.
Muchos operadores tienen una complejidad heredada considerable: sistemas duplicados, catálogos fragmentados, inventarios incompletos, procesos manuales, dependencias de conocimiento individual y áreas que operan con información distinta. En ese contexto, lanzar productos programables se vuelve difícil, porque la fábrica interna no está preparada.
El cambio hacia red como producto exige algo parecido a una limpieza industrial: simplificar, estandarizar, documentar, automatizar y gobernar. No todo tiene que resolverse de una sola vez, pero sí debe existir una ruta clara. Los servicios más valiosos —baja latencia, edge, seguridad, telemetría, conectividad aislada, continuidad, inferencia— requieren precisión operativa.
Si el operador no sabe con certeza qué activos tiene, dónde están, cómo se relacionan, qué capacidad disponible existe y qué políticas aplican, la IA tendrá poco margen para actuar de forma confiable.
La IA necesita datos. La automatización necesita inventario. La monetización necesita catálogo. Y el cliente necesita evidencia.
13. Qué deberían hacer los operadores fijos en América Latina
El primer paso no es lanzar una gran transformación abstracta. El primer paso es escoger casos de uso donde la IA, la red fija y el valor de negocio se crucen claramente.
Primero, crear gobierno ejecutivo de IA agentiva. Antes de escalar agentes, se debe definir quién es responsable del portafolio, las reglas de autonomía, la trazabilidad, los riesgos y la medición de valor.
Segundo, convertir servicios empresariales en productos medibles. No vender sólo enlaces, sino perfiles de desempeño: baja latencia, continuidad, telemetría, seguridad, aislamiento y experiencia.
Tercero, insertar IA en la operación. Usar IA para assurance, mantenimiento predictivo, optimización de capacidad, detección de degradación, eficiencia energética y priorización de incidentes.
Cuarto, exponer capacidades por APIs. Permitir que clientes, integradores y plataformas consuman funciones de red de forma más simple y automatizada.
Quinto, desarrollar edge e inferencia con foco práctico. No hablar de edge en abstracto, sino vincularlo con video, seguridad, retail, manufactura, salud, educación y analítica local.
No se trata de que todos los operadores se conviertan en hyperscalers, ni de que cada red fija sea una fábrica de IA. Se trata de identificar dónde sus activos físicos, operativos y comerciales pueden capturar valor en la nueva economía digital.
Conclusión: la IA devuelve protagonismo a la red, si el operador sabe monetizarla
La Inteligencia Artificial no reduce la importancia de la red. La aumenta. Pero no necesariamente aumenta automáticamente el ingreso del operador. Esa es la diferencia crítica.
Si la red sigue vendiéndose como una utilidad indiferenciada, el operador transportará cada vez más valor creado por otros. Si la red se convierte en un producto inteligente, programable, automatizado y medible, el operador podrá capturar una parte más relevante de la cadena de valor de la IA.
Para los operadores fijos en América Latina, la oportunidad es clara: combinar fibra, Data Centers, edge, operación local, clientes empresariales, telemetría, automatización e IA para vender algo más valioso que conectividad. Vender experiencia. Vender continuidad. Vender baja latencia. Vender confianza. Vender capacidad inteligente.
Pero para lograrlo, el cambio no empieza sólo en la red. Empieza en el gobierno de la IA, en la claridad de responsabilidades, en la calidad de los datos, en la modernización operativa y en la decisión estratégica de dejar de vender infraestructura como si fuera invisible.
En la era de la IA, el valor del operador fijo ya no estará en transportar más bits, sino en convertir la red en una plataforma inteligente, programable y monetizable.
Fuentes
• Artículo base proporcionado por el usuario: The Network as the Product: 10 Strategic Pillars for the Transition to AI-Native, Sebastian Barros, 9 de mayo de 2026.
• Deloitte, 2025 Global Telecommunications Outlook. https://www.deloitte.com/us/en/insights/industry/technology/technology-media-telecom-outlooks/telecommunications-industry-outlook-2025.html
• Deloitte, Global 2025 Predictions Report: Generative AI and agentic AI. https://www.deloitte.com/global/en/about/press-room/deloitte-globals-2025-predictions-report.html
• Deloitte, Agentic AI and autonomous workforce planning. https://www.deloitte.com/us/en/insights/topics/talent/future-of-workforce-planning/autonomous-workforce-planning.html
• David Armando López Noria, publicación sobre Chief Agentic Officer. https://www.linkedin.com/posts/dalopeznoria_gobernanzaia-agentesia-chiefagenticofficer-share-7462147538230333440-QApg
• Ericsson, Autonomous networks explained. https://www.ericsson.com/en/ai/autonomous-networks
• Ericsson, Intent-based autonomous operations. https://www.ericsson.com/en/managed-services/ai-intent-based-operations
• Ericsson, Global leaders redefine telecom industry with network APIs. https://www.ericsson.com/en/press-releases/2024/9/global-telecom-leaders-join-forces-to-redefine-the-industry-with-network-apis
• GSMA, Open Gateway Colombia. https://www.gsma.com/about-us/regions/latin-america/es/open-gateway-colombia/
• International Energy Agency, Energy demand from AI. https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai• Telefónica, AI-based digital twin for data center energy efficiency. https://www.telefonica.com/en/communication-room/press-room/telefonica-drives-energy-efficiency-data-centers-ai-based-digital-twin/