Letar du efter en kortare översikt?
AI Summary
Viktiga ögonblick
Snabbare datatillgång för AI
Integration av Nokia Data Suite och Microsoft Fabric minskar tiden för databehandling från veckor till minuter.AI-agenter som automatiserar nätverksdriften
Intelligenta AI-agenter kan inte bara analysera utan även självständigt genomföra åtgärder och kontrollera resultat.Multivendor- och hybridstöd
Lösningen fungerar i nätverk med flera leverantörer och kan köras såväl i molnet som lokalt för att möta säkerhets- och regulatoriska krav.Större ekosystem för autonoma nätverk
Nokia bygger en bred AI-strategi med samarbeten mot flera molnleverantörer och fokus på nätverksautomation.Nokia fördjupar samarbetet med Microsoft för att accelerera utvecklingen av autonoma telekomnät. Genom att kombinera Nokia Data Suite med Microsoft Fabric vill bolagen skapa en gemensam datagrund som gör det möjligt för AI-agenter att analysera nätverksdata, identifiera problem och automatisera delar av operatörernas nätverksdrift.
AI-agenter är på väg att flytta från kontorsapplikationer och utvecklingsmiljöer till själva infrastrukturen bakom moderna kommunikationsnät.
Nokia och Microsoft utvecklar nu en gemensam datagrund för AI-driven nätverksautomation riktad till telekomoperatörer. 
Lösningen kombinerar Nokia Data Suite med Microsoft Fabric och ska göra det möjligt att använda data från flera delar av telekomnätet tillsammans med företagsdata, IT-data och information från tredjepartssystem.
Målet är att ge AI-baserade system tillgång till en gemensam och kvalitetssäkrad datagrund som kan användas för allt mer automatiserad nätverksdrift.
Från veckor till minuter
En av de stora utmaningarna när AI ska användas i telekomnät är inte själva AI-modellen, utan datan som modellen behöver.
Telekomoperatörer hanterar stora mängder information från olika leverantörer, nätverksdomäner och IT-system. Informationen behöver normalt samlas in, struktureras och kvalitetssäkras innan den kan användas för analys eller automation.
Nokia uppger att den processen med traditionella metoder kan ta flera veckor.
Genom integrationen mellan Nokia Data Suite och Microsoft Fabric ska färdiga dataprodukter i stället kunna göras tillgängliga på några minuter.
Det kan ge AI-agenter betydligt snabbare tillgång till den information som krävs för att fatta beslut om nätverkets prestanda och drift.
AI-agenter ska automatisera nätverksdriften
Ambitionen går längre än att använda AI för traditionell analys.
Nokia och Microsoft beskriver en miljö där intelligenta agenter kan arbeta över flera delar av nätverket.
Ett möjligt användningsområde är automatiserad grundorsaksanalys. När ett problem uppstår kan systemet analysera information från flera nätverksdomäner för att identifiera orsaken.
Nästa steg är så kallade closed-loop operations.
I en sådan modell kan systemet inte bara identifiera ett problem utan också initiera eller genomföra en åtgärd och därefter kontrollera resultatet.
Det är en viktig del av utvecklingen mot mer autonoma telekomnät.
Börjar med optimering av mobilnäten
De första användningsområdena fokuserar på radioaccessnätet, RAN.
Ett av dem är autonom kvalitetssäkring av Voice over New Radio, VoNR, tekniken som möjliggör röstsamtal direkt över 5G.
Ett annat område är vad Nokia kallar geo-experience.
Här kombineras information om abonnenter, nätverk och radiofrekvenser för att skapa en geografisk bild av användarnas upplevelse och nätverkets prestanda.
Det kan exempelvis hjälpa operatörer att identifiera områden där användare upplever sämre kvalitet och koppla problemet till bakomliggande nätverksförhållanden.
Microsoft Fabric blir den gemensamma dataplattformen
Microsoft Fabric fungerar som den bredare dataplattformen i lösningen.
Fabric samlar bland annat datalagring genom OneLake, analysverktyg, styrning och integration med Microsofts AI-miljö.
Nokia bidrar samtidigt med telekomspecifika dataprodukter och semantiska modeller genom Nokia Data Suite.
Det innebär att rå nätverksdata kan presenteras i en struktur som AI-system lättare kan förstå och använda.
Nokia betonar också transparens och datakvalitet. Plattformen innehåller kontroller som ska göra det möjligt att förstå vilken data som ligger bakom AI-baserade beslut.
Det blir särskilt viktigt när AI går från att rekommendera åtgärder till att faktiskt påverka driften av kritisk infrastruktur.
Ska fungera även i multivendor-miljöer
Telekomnät består sällan av utrustning och mjukvara från endast en leverantör.
Därför har Nokia och Microsoft utformat lösningen för multivendor- och multidomain-miljöer.
Den ska också kunna användas i hybrida molnmiljöer och lokalt i operatörernas egna datacenter.
Det ger operatörer möjlighet att välja var data och AI-funktioner körs beroende på bland annat säkerhetskrav, lagstiftning och regulatoriska krav.
Nokia bygger ett större ekosystem för autonoma nätverk
Microsoft-samarbetet är en del av en betydligt bredare AI-strategi hos Nokia.
Under 2026 har det finska bolaget presenterat flera initiativ inom autonoma nätverk och agentbaserad AI.
I juni presenterade Nokia bland annat ett samarbete med Google Cloud där Gemini-baserade AI-agenter integreras i Nokias produktportfölj för autonoma nätverk.
Nokia har också utökat samarbetet med AWS kring autonoma nätverk och demonstrerat en gemensam dataplattform med Databricks.
I september presenterade bolaget dessutom ett nytt forsknings- och utvecklingscenter med fokus på AI-baserad nätverksautomation.
Utvecklingen visar hur Nokia försöker bygga en plattform som kan fungera tillsammans med flera av de stora moln- och dataplattformsleverantörerna.
Agentisk AI flyttar närmare kritisk infrastruktur
För företag har agentisk AI hittills främst handlat om applikationer som kan automatisera administrativa arbetsflöden, kundservice, programmering eller dataanalys.
Telekombranschen innebär en annan nivå av komplexitet.
Mobil- och fibernät är kritisk infrastruktur där felaktiga automatiserade beslut kan påverka stora mängder användare.
Det gör datakvalitet, styrning, transparens och möjligheten att kontrollera AI-agenternas beslut särskilt viktiga.
Microsoft beskriver samma grundproblem i sin bredare AI-strategi: när AI-agenter går från att besvara frågor till att faktiskt utföra uppgifter blir kvaliteten på den underliggande datagrunden allt viktigare.
Samarbetet mellan Nokia och Microsoft visar därför en större förändring inom enterprise AI.
Nästa fas handlar inte bara om att koppla AI till fler applikationer. AI-agenter börjar också flytta djupare in i infrastrukturen och de operativa system som digitala tjänster är beroende av.
För telekomoperatörer kan det på sikt innebära nätverk som i högre grad själva kan identifiera problem, analysera orsaker, optimera kapacitet och genomföra korrigerande åtgärder, samtidigt som människor behåller kontrollen över regler, säkerhet och övergripande drift.
