MWC 2026: Telekomsektorn ville låta artificiell intelligens styra sina nät. Men vägen dit visade sig vara längre – och mer mänsklig – än den såg ut.
Föreställ dig ett telenät som aldrig sover, aldrig missar en avvikelse och aldrig behöver en ingenjör för att lösa ett fel. Det var visionen bakom det som branschen kallar autonoma nät – och på Mobile World Congress 2026 i Barcelona var frågan inte längre om det var möjligt. Frågan var om man kunde lita på det.
Och svaret, visade det sig, var mer komplext än branschen gärna ville erkänna.
Utan data, Ingen AI
Jon Penrose från Snowflake slog an tonen tidigt. Allt börjar med data – inte med modeller eller infrastruktur, utan med råmaterialet som gör intelligent automation möjlig överhuvudtaget.
– Utan data kan det inte bli någon AI. Och med ofullständig, felaktig eller rörig data kan det bara bli dålig AI, konstaterade han.
Det låter självklart. Men verkligheten var att de flesta telekomoperatörer befann sig i ett slags mellanskede: de förstod att de behövde en molnbaserad, api-driven dataarkitektur, men hade fortfarande stora mängder äldre infrastruktur som inte passade in. Data var fragmenterad, domäner kommunicerade inte med varandra och AI-modeller som inte såg hela bilden fattade beslut på bristfälligt underlag.
Akhil Gokul från Ericsson fyllde i bilden. En AI-anpassad nätverksarkitektur handlade om fyra förmågor: observerbarhet, beslutsfattande, handling och kvalitetssäkring. I praktiken krävde det att alla dessa förmågor fungerade i realtid, tvärs över nätverksdomäner, med beslut på millisekunder i basskiktet och strategiska beslut i det övre skiktet.
Belöningen, om man lyckades, var påtaglig. Ericsson redovisade 20 procents högre genomströmning med AI-baserad länkanpassning och 14 procents energibesparing med AI-styrda vilolägen i MIMO-basstationer.
Bildtext: Besökare strömmar in mot Fira Gran Via under Mobile World Congress 2026 i Barcelona. Foto: GSMA / MWC Barcelona 2026.
SoftBanks ärliga svar
Ryuji Wakiwawa från SoftBank Corp. var påfallande öppen. Den japanska operatörsjätten hade ännu inget AI-drivet radionät i drift. Merparten av automatiseringen skedde på nivå tre av fem möjliga och felhantering var fortfarande i stora delar manuell. Det grundläggande hindret var inte tekniken.
– Vår verksamhet är byggd för hårdvarudrift. Det finns en låda, du byter ut den, stänger av den eller startar om. Men dit vi behöver komma är mjukvarudrift – som i it-branschen, förklarade han.
Han pekade på ett kulturellt gap som måste överbryggas: telekomsektorn var byggd kring nät som aldrig fick gå ner, medan it-kulturen var byggd kring system som var designade att fallera – men återhämta sig snabbt.
Det var en iakttagelse som Manas Human, vd för teknik- och transformationskonsulten Nagarro, kände igen. Under sin föreläsning på samma mässa beskrev han hur organisationer gång på gång fastnade i exakt den här typen av friktion – inte av illvilja, utan för att processer, incitament och kulturer satt djupare än tekniken.
– Den reflexmässiga reaktionen när vi ser friktioner i organisationen är att vilja automatisera bort dem. Vi ser människan som ett hinder och vill ersätta henne. Men det är helt fel ingång, sa Human.
Tillit som teknisk fråga
Lilac Ilan från Nvidia formulerade utmaningen på ett sätt som stannade kvar i rummet: för att lita på ett autonomt nät behövde man kunna behandla det som en betrodd medarbetare.
– När litar du på din anställde? Du litar på den när du har testat hur den hanterar en riktigt dålig dag, när du vet att misstag går att rätta till och när du kan förklara varje åtgärd i varje skikt av systemet – vad det gjorde och varför, sa hon.
Det innebar i praktiken tre krav: att systemet var begripligt, reversibelt och försvarsbart. Dessa tre krav var ännu inte uppfyllda i tillräcklig utsträckning – varken tekniskt eller regulatoriskt.
Vara Prasad Kalari från AWS lyfte ytterligare en dimension: det som på engelska kallas hallucination, det vill säga när AI-modeller genererar felaktiga eller påhittade svar. I ett autonomt nät med en miljon anslutna enheter var det ett annat slags risk än i konsumentsammanhang. AWS svar var automatiserade logikkontroller – policyer formaliserade i matematisk logik som AI-agenter måste passera innan de utförde en åtgärd – kombinerat med validering i digitala tvillingar innan något slog igenom i skarp drift.
Ericssons monter på MWC 2026 i Barcelona visade upp nätverksutrustning för det AI-drivna mobilnätet med budskapet "Evolve networks with AI" och "Level-up network autonomy". Foto: Ericsson
Från testprojekt till produktion
Ett återkommande tema under sessionen var det Kamrose kallade den eviga testloopen – den cirkel av pilotprojekt som aldrig riktigt nådde skarp drift. Kombinationen av hög komplexitet, hög riskaversion och fragmenterad datainfrastruktur skapade en miljö där det var lättare att fortsätta testa än att faktiskt driftsätta.
Vägen ur det handlade om ett synsätsskifte: från att bevisa ett koncept till att bevisa ett värde. Definiera ett verkligt affärsproblem, sätt mätbara mål och bygg datakvalitet som standard, inte som eftertanke.
Nokia visade vad det kunde se ut i praktiken med sitt autopilot-system, som tog operatörens avsikt och omvandlade den till nätverksåtgärder i realtid. Under ett stort evenemang med miljontals besökare genomförde systemet 15 000 autonoma operationer per timme: lastbalansering, användaromkopplingar och kapacitetshantering – åtgärder som var praktiskt omöjliga att utföra manuellt i den skalan.
Kompetensen som saknades
En fråga som förtjänade mer utrymme var om telekomoperatörerna ens var bemannade för att driva AI-anpassade nät. SoftBanks Wakiwawa var återigen uppfriskande ärlig: bolagets 5 000 nätverksingenjörer hade djup kompetens om Nokias och Ericssons system, men den kompetensen var inte densamma som förmågan att träna, validera och äga en AI-modell.
Nvidias Ilan berättade om ett indiskt telekombolag som löste problemet på ett oväntat sätt: de utbildade om sina nätverksingenjörer till AI-ingenjörer, alla på en gång. Resultatet var snabbare driftsättning och modeller som faktiskt förstod domänen – eftersom de byggdes av människor som levt i den.
Det var ett exempel som påminde om en av Nagarros kärnteser: lokal kompetens, förankrad i verksamhetens faktiska kontext, var inte ett trevligt tillval i AI-omvandling. Det var ofta avgörande för om lösningen överhuvudtaget fungerade i praktiken.
Autopilot, men inte utan pilot
I slutet av sessionen ställde moderatorn Sylwia Kechiche en enkel fråga till SoftBanks representant: skulle du tillåta AI att justera nätverksparametrar i dag?
Svaret var nej. Det handlade inte om att tekniken saknades, utan om att förtroendet ännu inte var etablerat. Och förtroende, påpekade Wakiwawa med ett leende, byggde man på samma sätt som med en självkörande bil: den första resan var nervös, den andra lite lugnare – och vid den tredje satt man och kollade e-post.
Det var kanske den bästa sammanfattningen av var branschen befann sig. Tekniken var på väg, infrastrukturen byggdes och modellerna tränades. Men autonoma nät handlade i grunden inte om algoritmer. De handlade om att lära en hel industri att lita på något den aldrig fullt ut kontrollerat förut.
Det är ett mänskligt problem. Och mänskliga problem löses inte med mer kod.
Nagarros monter på MWC 2026 i Barcelona lockade besökare med budskapet "Engineering the AI-native telecom era". För transformationskonsulten handlar det om samma sak som panelen diskuterade – att bygga bort friktionen, inte bara automatisera den. Foto: Nicholas Christiansen.
