Level 4 Dimulai: Saat AI Agent Mengambil Alih Ruang NOC
Jaringan otonom level 4 adalah tahap evolusi jaringan telekomunikasi ketika sistem, dengan bantuan AI agent optimasi jaringan, mampu menganalisis kondisi, mengambil keputusan, dan mengeksekusi tindakan optimasi secara otomatis dalam satu siklus tertutup tanpa bergantung pada intervensi manual di setiap langkah operasional utama. Pengujian XLSmart dan ZTE atas Network Optimization Agent berbasis AI di sejumlah skenario jaringan aktif dalam sebuah kongres industri di Kuala Lumpur menandai bahwa ambisi ini tidak lagi sebatas slide presentasi, tetapi sudah menyentuh jaringan yang betul-betul beroperasi. Langkah ini jelas bukan eksperimen iseng; ini adalah sinyal bahwa operator siap membiarkan mesin ikut mengatur kualitas jaringan, dan para engineer harus bersiap berperan sebagai arsitek algoritma, bukan sekadar tukang tuning parameter.
Closed-loop 25%: Angka Kecil, Lompatan Besar
Dalam pengujian di jaringan aktif, mekanisme closed-loop automation yang dijalankan Network Optimization Agent baru mencapai tingkat penyelesaian sekitar 25% dari cakupan skenario yang diuji. Sekilas ini tampak angka yang bisa diremehkan, tetapi justru di sinilah poinnya: seperempat siklus optimasi sudah berpindah dari tangan manusia ke AI, di jaringan nyata, bukan di lab. Teknologi ini memproses kondisi jaringan, menganalisis, menyusun strategi, dan mendukung eksekusi tindakan optimasi cakupan nirkabel dalam satu alur otomatis. "Pengujian menunjukkan kemampuan closed-loop secara otomatis dengan tingkat penyelesaian sebesar 25% dalam cakupan pengujian, sehingga mengurangi upaya manual dan waktu untuk beralih dari analisis ke eksekusi". Jika sekarang 25% sudah otonom, pertanyaannya bukan apakah bisa naik, melainkan seberapa cepat operator berani menaikkan persentasenya.
Mengapa Operator Mengganti Proses Manual dengan AI Agent
Selama bertahun-tahun, optimasi jaringan telekomunikasi identik dengan tim NOC yang menatap dashboard, mengidentifikasi anomali, lalu menjalankan serangkaian tindakan manual. AI agent optimasi jaringan mengguncang pola ini. Network Optimization Agent dari ZTE dirancang untuk menangani skenario optimasi jaringan nirkabel dengan rangkaian proses yang lebih otomatis, dari persepsi kondisi hingga eksekusi tindakan. Otomatisasi telekomunikasi berbasis agent ini mengurangi pekerjaan manual dan memangkas waktu yang dibutuhkan untuk berpindah dari tahap analisis ke eksekusi. Artinya, respons terhadap anomali jaringan menjadi lebih cepat, dan siklus optimasi berjalan lebih rapat. Bukan sekadar efisiensi operasional, ini adalah pergeseran model kerja: manusia tidak lagi menjadi eksekutor utama, melainkan pengawas dan perancang kebijakan bagi jaringan yang kian mandiri.
Level 4 Bukan Mimpi: XL Sudah Menyusun Peta Jalan
Pengembangan jaringan otonom level 4 oleh XLSmart bukan jargon marketing; fokusnya jelas: menjadikan sistem semakin mandiri dalam menjalankan fungsi operasional inti. CTO XLSmart, Shurish Subbramaniam, menegaskan bahwa perusahaan terus mengeksplorasi bagaimana AI dan otomatisasi dapat meningkatkan operasional jaringan sekaligus mempercepat perjalanan menuju autonomous network. Dalam konteks ini, Network Optimization Agent yang diuji di jaringan aktif adalah batu loncatan penting, bukan tujuan akhir. Hasil pengujian digunakan untuk memperoleh wawasan praktis dan hasil terukur sebagai dasar pengembangan kapabilitas autonomous networks berikutnya. Dengan kata lain, setiap skenario yang diuji adalah iterasi menuju L4: lebih banyak proses yang ditutup dalam loop otomatis, lebih sedikit jeda antara analisis dan tindakan, serta lebih besar kepercayaan operator pada keputusan yang diambil mesin.
Apa Berikutnya: Dari Pilot ke Operasi Harian
Pengujian Network Optimization Agent di live network hanyalah tahap pertama. XLSmart dan ZTE secara terbuka menyatakan bahwa ke depan mereka akan terus mengeksplorasi dan menguji berbagai skenario jaringan otonom yang bernilai bisnis tinggi, memanfaatkan hasil dari pengujian jaringan aktif sebagai bahan pengembangan lanjutan. Artinya, kita sedang menyaksikan transisi dari pilot project ke rancangan operasi harian yang mengandalkan AI agent sebagai bagian standar dari toolset jaringan. Tantangan terbesar bukan lagi teknologinya, tetapi keberanian operator mengubah proses dan kultur kerja untuk memberi ruang bagi otomasi telekomunikasi yang lebih dalam. Jika siklus closed-loop bisa diperluas melampaui 25% dan menyentuh area lain selain optimasi cakupan, maka jaringan otonom level 4 akan bergeser dari target strategis menjadi kenyataan operasional.
