Resumen: Las redes de telecomunicaciones están creciendo rápidamente en escala y complejidad, lo que hace que la gestión, operación y optimización efectivas sean cada vez más desafiantes. Aunque la Inteligencia Artificial (IA) se ha aplicado a muchas tareas de telecomunicaciones, los modelos existentes suelen tener un alcance limitado, requieren grandes cantidades de datos etiquetados y tienen dificultades para generalizarse en implementaciones heterogéneas. En consecuencia, la solución de problemas de la red sigue dependiendo en gran medida de los expertos en la materia (PYME) para correlacionar manualmente varias fuentes de datos para identificar las causas fundamentales y las acciones correctivas. Para abordar estas limitaciones, proponemos un sistema multiagente (MAS) que emplea un flujo de trabajo agente, con modelos de lenguaje grandes (LLM) que coordinan múltiples herramientas especializadas para la resolución de problemas de red totalmente automatizada. Una vez que los monitores basados en IA/ML detectan las fallas, el marco activa dinámicamente agentes como un orquestador, un planificador de soluciones, un ejecutor, un recuperador de datos y un analizador de causa raíz para diagnosticar problemas y recomendar estrategias de solución en un corto período de tiempo. Un componente clave de este sistema es el planificador de soluciones, que genera planes de remediación apropiados basados en documentación interna. Para permitir esto, ajustamos un modelo de lenguaje pequeño (SLM) en documentos propietarios de solución de problemas para producir planes de solución basados en el dominio. Los resultados experimentales demuestran que el marco propuesto acelera significativamente la automatización de la resolución de problemas en los dominios de la red de acceso por radio (RAN) y de la red central.
Publicado originalmente en export.arxiv.org el 4 de noviembre de 2025.
Ver fuente original
