Infovista: Simplicidad en la complejidad de la red con IA

Tabla de contenidos

Infovista integra IA para mejorar experiencia de red

  • Infovista presentó en MWC Barcelona avances en VistAI, su marco de IA agéntica para operaciones autónomas, y VistaOne, su plataforma con IA para inteligencia de red y experiencia del cliente (CX).
  • La compañía busca unificar cuatro dominios —planificación, testing, gestión/observabilidad de red y CX— en una capa impulsada por IA.
  • La IA permite correlacionar KPIs de red con métricas de CX, acercando dos mundos que históricamente operaron por separado.
  • El reto ya no es “forzar” integraciones: la promesa es extraer y cristalizar datos según el caso de uso, en el momento adecuado.
  • Infovista anticipa un giro del sector desde compras puntuales hacia ecosistemas y alianzas, con más cooperación entre competidores.

IA para decisiones y resultados
Este anuncio se enmarca en MWC 2026 (Barcelona) y en una conversación pública entre Rick Hamilton (CEO de Infovista) y Sean Kinney (principal analyst de RCRTech). La idea central no es “más IA”, sino usarla para conectar decisiones de red con resultados de cliente de forma operativa: qué pasa en la red, a quién afecta, dónde y con qué impacto.

Innovaciones de Infovista en IA

En el Mobile World Congress (MWC) de Barcelona, Infovista puso el foco en una idea que lleva años rondando el sector telco: conectar de forma práctica lo que ocurre en la red con lo que percibe el cliente. La diferencia, sostiene la compañía, es que ahora la IA hace viable esa convergencia a escala.

El planteamiento se compartió en una conversación entre Rick Hamilton (CEO de Infovista) y Sean Kinney (principal analyst de RCRTech), en el marco de MWC 2026.

Rick Hamilton, CEO de Infovista, resumió el momento como una oportunidad para “derivar simplicidad de la complejidad”: acelerar decisiones y aportar claridad sobre cómo el rendimiento de la red impacta en la experiencia del usuario, y cómo las señales del cliente pueden influir en decisiones de red.

Novedad Qué es Para quién (principal) Qué busca mejorar Resultado esperado (si se implementa bien)
VistAI Marco de IA agéntica para operaciones autónomas Equipos NOC/operaciones, ingeniería de red, automatización Detección→recomendación→(en casos definidos) ejecución Menos fricción operativa y menor tiempo de respuesta ante degradaciones/incidentes
VistaOne Plataforma con IA para inteligencia de red y CX Operaciones + áreas de experiencia/negocio (CX, producto, BSS) Conectar planificación, testing, observabilidad y CX Decisiones priorizadas por impacto en cliente y negocio, no solo por métricas técnicas

VistAI: Marco de IA para operaciones autónomas

VistAI es el marco de IA agéntica de Infovista orientado a operaciones autónomas de red. La propuesta se apoya en agentes capaces de actuar sobre flujos de trabajo operativos —desde la detección hasta la recomendación y, en escenarios definidos, la ejecución— con el objetivo de reducir fricción y tiempo de respuesta.

Según Hamilton, el valor diferencial está en habilitar una lectura cruzada entre dominios: por ejemplo, superponer datos de negocio (BSS) con telemetría y rendimiento de red para responder preguntas operativas con impacto comercial, como identificar a los clientes de mayor valor, su experiencia real y su distribución geográfica, y observar cómo esa experiencia se refleja en comportamientos de compra.

En este contexto, BSS se refiere a los datos y sistemas de negocio que complementan la visión puramente técnica de la red.

Del dato a la acción
1) Ingesta y contexto: el agente toma señales de red (telemetría, eventos, KPIs) y, cuando aplica, señales de negocio (BSS) para entender “qué” ocurre y “a quién” afecta.
2) Detección / correlación: identifica patrones (degradación, anomalías, cambios) y los relaciona con servicios, zonas y segmentos de clientes.
3) Recomendación accionable: propone acciones priorizadas (por ejemplo, mitigación, reconfiguración, escalamiento) con el “por qué” y el impacto esperado.
4) Ejecución (solo en escenarios definidos): automatiza tareas repetibles bajo reglas/guardrails operativos; lo no determinista o de alto riesgo se deriva a aprobación humana.
5) Verificación: comprueba si el KPI técnico y la señal de experiencia mejoran; si no, reitera con nueva hipótesis.
Puntos de control prácticos:
– Definir qué puede automatizarse vs qué requiere aprobación.
– Acordar métricas de éxito (técnicas y de CX) antes de activar automatización.
– Mantener trazabilidad: qué dato disparó la acción y qué cambio se ejecutó.

VistaOne: Plataforma de inteligencia de red y CX

VistaOne se presenta como una plataforma habilitada por IA para inteligencia de red y de experiencia del cliente.

En MWC Barcelona, Infovista enmarcó VistaOne junto con VistAI como sus dos anuncios principales orientados a unir inteligencia de red y de CX en una misma capa impulsada por IA. En la visión de Infovista, es el punto de encuentro donde confluyen y se consumen datos de:

  • Planificación (cómo diseñar y dimensionar la red),
  • Testing (cómo validar desempeño y cambios),
  • Gestión/observabilidad (cómo ver y operar la red en producción),
  • CX (cómo se traduce todo lo anterior en percepción y resultados de cliente).

El objetivo es que la plataforma permita construir casos de uso que vayan desde optimización y monetización hasta mejora de experiencia, sin obligar a que cada dominio funcione como un silo.

Conexión Inteligente de Dominios
Marco de “4 dominios” y cómo se conectan en una capa con IA
– Planificación → define el “diseño objetivo” (capacidad, cobertura, inversión) y genera hipótesis: dónde crecer, qué optimizar.
– Testing → valida cambios antes de producción (nuevas configuraciones, releases, parámetros) para reducir regresiones.
– Gestión/observabilidad → detecta y explica lo que pasa en vivo (eventos, degradaciones, rendimiento por servicio/zona).
– CX → traduce lo anterior a impacto: percepción, quejas, uso, churn, valor de cliente.
Con IA, la promesa es que estos dominios no se consulten como “cuatro pantallas”, sino como una cadena: lo planificado se prueba, lo desplegado se observa y lo observado se prioriza por impacto en CX.

Integración de inteligencia de red y experiencia del cliente

La industria ha hablado durante mucho tiempo de unir “network experience intelligence” con “customer experience intelligence”. Infovista sostiene que el bloqueo histórico no era falta de intención, sino de viabilidad: eran universos con estructuras de datos y formas de derivar información demasiado distintas.

La tesis actual es que la IA permite que la integración deje de ser un ejercicio rígido de normalización total. En su lugar, distintos sistemas pueden aprovechar datos específicos para casos de uso concretos: lo importante no es mezclarlo todo, sino extraer lo necesario para responder lo que el cliente —interno o externo— quiere saber, ya sea en tiempo real o en una ventana temporal.

Integración total vs por uso
Integración “monolítica” vs extracción por caso de uso
– Integración monolítica (unificar todo primero)
– A favor: consistencia de modelo, gobierno centralizado, una “fuente de verdad”.
– En contra: plazos largos, alto coste de normalización, riesgo de que el proyecto se estanque antes de entregar valor.
– Extracción por caso de uso (cristalizar lo necesario)
– A favor: entrega más rápida, foco en decisiones concretas, permite “mezclar y combinar” dominios según la pregunta.
– En contra: si no hay buen gobierno, puede crear múltiples definiciones de métricas; requiere disciplina para trazabilidad y calidad.
Regla práctica: empezar por 1–2 casos de uso donde el impacto sea visible (por ejemplo, degradación en zona + segmento de alto valor) y escalar cuando haya métricas y ownership claros.

Desafíos en la integración de datos

Hamilton atribuye los fracasos previos a una diferencia “fundamental” en estructura y derivación de información: la red se ha medido tradicionalmente con métricas de disponibilidad, capacidad, coste y eficiencia; el cliente, con señales de satisfacción, comportamiento y resultados comerciales.

Ese choque se agrava por la fragmentación típica telco: herramientas distintas para planificación, assurance, pruebas, observabilidad y CX, cada una con su propio modelo de datos y prioridades. La apuesta de Infovista es que la IA reduzca el coste de esa fragmentación al permitir componer vistas y respuestas por caso de uso, en lugar de exigir una integración monolítica previa.

Fricciones al Unir Red y CX
Autoevaluación rápida: fricciones típicas al unir datos de red + CX
– ☐ Silos de herramientas: planificación/testing/observabilidad/CX no comparten identificadores comunes (servicio, celda, zona, cliente).
– ☐ Modelos incompatibles: el mismo KPI se calcula distinto según el dominio o el proveedor.
– ☐ Latencia: la señal de CX llega tarde (o sin granularidad) para operar en tiempo casi real.
– ☐ Calidad y completitud: eventos sin timestamps fiables, datos faltantes, o ruido que dispara falsos positivos.
– ☐ Ownership difuso: nadie “posee” la definición de métricas cruzadas (por ejemplo, KPI técnico → impacto en churn).
– ☐ Trazabilidad insuficiente: cuesta explicar qué dato llevó a qué decisión y qué cambio se aplicó.
Si marcaste 3 o más, suele ser más efectivo empezar con extracción por caso de uso y reforzar gobierno/identificadores en paralelo.

El papel de la IA en la correlación de KPIs

El punto más ambicioso —y más tangible si funciona— es la correlación entre los KPIs que importan a ingeniería y lo que importa al cliente. Hamilton lo planteó como un cambio de paradigma: la red ya no se evalúa solo por “si funciona” y “cuánto cuesta”, sino por su impacto directo en experiencia.

En esa lógica, la IA actúa como puente para que rendimiento y CX se vean “como una misma cosa”: no dos tableros separados, sino una lectura conectada que acelere decisiones. La promesa es pragmática: claridad operativa para priorizar acciones donde el impacto en cliente y negocio sea mayor.

KPI / señal de red (ejemplo) Métrica o señal de CX que suele reflejarse Decisión operativa típica cuando se correlaciona
Aumento de latencia / jitter en una zona Quejas por videollamadas/streaming, caída de uso en hora pico Priorizar capacidad/optimización en esa zona; ajustar QoS; abrir investigación de congestión
Pérdida de paquetes / retransmisiones Tickets por “cortes” o mala calidad en tiempo real Revisar radio/backhaul; optimizar parámetros; activar mitigación temporal
Caídas de sesión / handover fallido Abandono de apps, quejas de “se corta al moverse” Ajustar movilidad; revisar cobertura; priorizar drive tests o pruebas dirigidas
Incidentes recurrentes tras un cambio Aumento de contactos al soporte y degradación de NPS/CSAT Rollback/patch; endurecer testing; crear regla de detección temprana
Saturación de recursos (CPU/colas) en elementos clave Aumento de tiempos de carga y frustración en journeys Balanceo, escalado, optimización de rutas; priorizar inversión donde el journey lo justifique

Futuro de la industria: de la adquisición a los ecosistemas

A dos o tres años vista, Infovista espera que los casos de uso sigan expandiéndose y que el sector se mueva de un enfoque centrado en procurement (compras de herramientas) hacia uno de ecosistemas (colaboración entre actores).

Hamilton apuntó que la presión por materializar valor con IA empuja a cooperar más, incluso entre competidores, y citó como ejemplo la alianza de Infovista con CSG, combinando experiencia de red y BSS para ayudar a los clientes a extraer más valor de sus datos.

También marcó un límite: la IA no es una solución universal. El énfasis, dijo, debe estar en ser específicos sobre cómo se usan los datos en casos de uso “pragmáticos y significativos”, evitando perderse en promesas genéricas de capacidades.

Giro pragmático hacia ecosistemas
Señales concretas (no teoría) que sostienen el giro hacia “ecosistemas” en esta narrativa:
– El mensaje se presentó como dos anuncios específicos (VistAI y VistaOne) en MWC 2026, no como una visión abstracta.
– La conversación pública entre Rick Hamilton (CEO) y Sean Kinney (principal analyst de RCRTech) puso el foco en casos de uso y en cómo “cristalizar” datos según la pregunta.
– Se citó una alianza concreta con CSG para combinar experiencia de red y BSS, como ejemplo de cooperación para extraer valor de datos.
– Se explicitó un límite operativo: “AI will not solve everything for everyone”, reforzando que el valor depende de casos de uso pragmáticos.

La Transformación del Servicio al Cliente en Telecomunicaciones

La Importancia de la Experiencia del Cliente

En telecomunicaciones, la experiencia del cliente se ha convertido en un indicador de competitividad: influye en churn, en la adopción de servicios y en la percepción de marca. La convergencia entre inteligencia de red y CX busca que la operación técnica se traduzca en resultados visibles para el usuario final.

Desafíos Actuales en el Sector de Telecomunicaciones

El sector arrastra complejidad estructural: múltiples dominios técnicos, herramientas heterogéneas y datos dispersos. A esto se suma la necesidad de responder más rápido a incidentes y degradaciones que, aunque “pequeñas” en métricas de red, pueden ser críticas para segmentos de clientes de alto valor.

Soluciones Innovadoras para Mejorar la CX

La línea que impulsa Infovista se apoya en dos ideas: un marco de IA para automatizar y orquestar operaciones (VistAI) y una plataforma para unificar datos y analítica (VistaOne). El objetivo es habilitar decisiones que conecten causa (red) y efecto (cliente) con menos fricción y más contexto.

El Futuro de la Inteligencia Artificial en Telecomunicaciones

La dirección que se perfila es menos “IA por IA” y más IA como capa para hacer utilizables datos complejos en escenarios concretos: planificación, optimización, monetización y experiencia. Si el giro hacia ecosistemas se consolida, la interoperabilidad y las alianzas serán tan importantes como los modelos.

Conclusiones y Reflexiones Finales

Infovista llega a MWC con una narrativa clara: la IA permite, por fin, unir de forma operativa la visión de red y la visión de cliente. El reto no es solo técnico, sino de enfoque: pasar de integrar a activar datos para decisiones específicas, medibles y repetibles.

Transforme su experiencia al cliente con Suricata Cx

Aproveche la inteligencia artificial para optimizar sus operaciones

Suricata Cx propone aplicar IA para reducir fricción operativa, acelerar respuestas y priorizar acciones con impacto en el cliente.

Reduzca costos y mejore la satisfacción del cliente

La automatización y la mejor correlación entre señales operativas y de experiencia pueden recortar tiempos de atención y mejorar consistencia del servicio.

Integre todos sus canales de comunicación en una sola plataforma

Unificar canales busca evitar rupturas en el recorrido del cliente y mejorar la trazabilidad de cada interacción.

Aumente la eficiencia de ventas sin incrementar su equipo

La eficiencia comercial suele depender de mejor segmentación, priorización y seguimiento, apoyados en datos y automatización.

Adopte un enfoque escalable y futuro para su atención al cliente

La escalabilidad exige procesos repetibles, datos conectados y capacidad de incorporar nuevos casos de uso sin rediseñar toda la operación.

Esta idea refuerza un punto clave: cuando la IA conecta red y CX, las decisiones dejan de ser “de silos” y pasan a ser accionables. En Suricata Cx compartimos ese enfoque pragmático, llevando esa correlación a la operación omnicanal para priorizar y resolver interacciones con el contexto real de la red y del cliente, sin perder control humano.

Desde la perspectiva de una plataforma de CX omnicanal para ISPs y telcos, el valor de este tipo de iniciativas suele materializarse cuando la correlación red–cliente se traduce en flujos operativos concretos (automatización, escalamiento a humano y trazabilidad), más que en tableros aislados.

Correlación Red–Cliente en Operación
Cómo aterrizar la correlación red–cliente en una operación de atención (pasos prácticos)
1) Mapear journeys críticos (altas, averías, facturación, calidad de servicio) y definir qué señales de red aportan contexto real a cada uno.
2) Unificar identificadores mínimos (cliente/servicio/zona/tiempo) para que una interacción pueda “ver” el estado de red relevante.
3) Priorizar por impacto: reglas simples primero (segmento de alto valor + degradación en zona + contacto entrante) antes de automatizaciones complejas.
4) Automatizar con escalamiento: resolver lo repetible; cuando haya ambigüedad, escalar a humano con el diagnóstico y la evidencia ya adjuntos.
5) Cerrar el loop: medir si bajan recontactos, tiempos de resolución y quejas; ajustar reglas y playbooks según resultados.
Checkpoint: si la automatización no puede explicar “por qué” tomó una acción y “qué cambió”, suele ser mejor mantenerla como recomendación hasta mejorar trazabilidad.

Este texto se basa en anuncios y declaraciones de acceso público disponibles en el momento de su redacción sobre MWC 2026. Las capacidades, integraciones y niveles de automatización pueden variar según el operador y la configuración adoptada. En iniciativas de IA para operaciones y CX, los resultados dependen de la calidad de los datos, la trazabilidad y la definición de los casos de uso, por lo que pueden producirse cambios a medida que se publiquen nuevas actualizaciones.