ИИ против плохого сигнала: Yadro показала систему оптимизации сотовой сети

Российская Yadro представила MDT Vision — систему анализа качества мобильной связи, которая использует обезличенные информация с устройств абонентов и методы машинного обучения, чтобы точнее находить проблемные зоны в покрытии. Идея в том, чтобы сократить зависимость от классических drive-тестов, когда сеть приходится проверять выездными замерами, и быстрее видеть, где сигнал реально проседает — особенно внутри зданий и в других сложных для измерений местах.

В компании говорят, что подход дает операторам более полную картину по покрытию, нагрузке и пользовательскому трафику, а ИИ помогает достраивать данные там, где традиционные измерения ограничены. По данным «Коммерсанта», инвестиции в разработку MDT Vision составили 200 млн рублей.

Самая заметная часть новости — заявленный практический эффект. По итогам тестирования Yadro утверждает, что MDT Vision позволила увеличить емкость сети до 30% без установки дополнительного оборудования, поднять пользовательские скорости на 20–40% и сократить объем выездных измерений на 70–90%. Отдельно упоминается и возможное падение оттока абонентов в отдельных регионах на 15–20%.

Другие новости и материалы по AI — в Telegram-канале NH | Новости технологий, AI и будущее.

Здесь важен не только сам факт использования ИИ, а то, куда именно его пытаются встроить. MDT-подходы в телекоме не новы, и у операторов уже есть собственные аналоги виртуальных drive-тестов, но появление ML заметно повышает точность такой аналитики. По оценке участников рынка, классические алгоритмы часто дают точность порядка 200–300 метров, тогда как модели машинного обучения могут сузить ее до 50–100 метров при корректно собранных метриках.

Пока массового внедрения у таких систем нет: телеком-рынок остается консервативным, и без сильных пилотов даже рабочие решения могут долго идти до полноценного масштаба. Но сам вектор понятен: операторы все активнее пытаются улучшать сеть не только новым железом, но и аналитикой поверх уже развернутой инфраструктуры. Для отрасли, где каждая лишняя базовая станция стоит дорого, это уже не декоративный AI, а довольно прикладной средство.