Tech Mahindra werkt samen met Microsoft aan een nieuw platform met agentische kunstmatige intelligentie voor telecombedrijven. De partijen maken de samenwerking deze week bekend en richten zich wereldwijd op operators en datateams. Doel is snellere automatisering en betere data-uitwisseling via een data mesh-architectuur. Voor Europa is naleving van de AVG en de Europese AI-verordening (AI Act) een belangrijk uitgangspunt.
Partnerschap richt zich op telecom
Tech Mahindra en Microsoft bouwen een agentisch AI-platform dat draait op Microsofts cloudplatform Azure. Het moet telecomprocessen versnellen, zoals klantenservice, netwerkbeheer en facturatie. De bedrijven zeggen hiermee de kloof te dichten tussen losse AI-proefprojecten en schaalbare, veilige toepassingen. Het initiatief richt zich zowel op bestaande IT-landschappen als op moderne cloudomgevingen.
De oplossing combineert AI-agents met datadiensten om werklasten end-to-end te sturen. Denk aan integraties met operationele systemen (OSS) en bedrijfssystemen (BSS) bij een telecomprovider. Zo kan een agent een storing detecteren, data opvragen, een analyse uitvoeren en een monteursbezoek plannen, met toezicht door een medewerker. Het platform belooft minder handwerk en kortere doorlooptijden.
De timing past bij de druk op Europese operators door 5G, glasvezel en marges. Veel providers willen kosten verlagen en klanttevredenheid verhogen met digitale zelfservice. Tegelijk vragen toezichthouders om transparantie en betrouwbare dienstverlening. Dat plaatst techniekkeuze en governance centraal bij iedere AI-investering.
Agentische AI automatiseert processen
Agentische AI is software die zelfstandig taken plant en uitvoert op basis van doelen, met menselijk toezicht. Het verschilt van een gewone chatbot doordat meerdere stappen, tools en databronnen worden gecombineerd. Een agent kan bijvoorbeeld documenten lezen, een interne API aanroepen en resultaten terugkoppelen. Dit kan repetitieve taken versnellen en fouten verminderen.
Agentische AI: een systeem van samenwerkende software-assistenten die zelfstandig acties uitvoeren, beslissingen voorstellen en leren van feedback, onder duidelijke grenzen en menselijk toezicht.
Mogelijke toepassingen in telecom zijn tickettriage, netwerkmonitoring, contractverlenging en veldserviceplanning. Ook kan de agent klanten door complexe storingsstappen leiden en relevante accountdata ophalen. Belangrijk is een “human-in-the-loop”, zodat medewerkers kunnen ingrijpen bij twijfel. Zo blijft de controle bij het team en wordt kwaliteit geborgd.
Betrouwbaarheid is een aandachtspunt, omdat grote taalmodellen soms onjuiste uitkomsten geven. Daarom zijn zogenoemde guardrails nodig: regels, validaties en bronverwijzingen. Daarnaast is continue evaluatie nodig met testsets en realistische scenario’s. Zonder dit risico- en kwaliteitskader is opschalen onverstandig.
Data mesh maakt data bruikbaar
De data mesh-aanpak verdeelt data-eigenaarschap per domein, bijvoorbeeld “netwerk”, “klant” of “facturatie”. Elk domein levert zijn data als een vindbaar, goed gedocumenteerd product met duidelijke kwaliteitseisen. Dit maakt delen en hergebruik eenvoudiger, zonder één centraal knelpunt. Voor AI-agents betekent dit sneller toegang tot betrouwbare data.
In telecom zijn data verspreid over veel systemen en leveranciers. Een data mesh helpt silo’s te doorbreken met gestandaardiseerde definities en toegangsregels. Ook worden herkomst (lineage) en kwaliteit zichtbaar, wat audits vereenvoudigt. Dat ondersteunt zowel operationele rapportages als algoritmen die beslissingen voorbereiden.
De keerzijde is dat governance en vaardigheden moeten meegroeien. Domeinteams hebben tooling, standaarden en rollen nodig om dataproducten te beheren. Ook legacy-koppelingen kosten tijd en geld om te moderniseren. Zonder deze basis blijft een data mesh een papieren ontwerp.
AI-verordening vraagt risicobeheer
De Europese AI-verordening (AI Act) plaatst zware eisen op hoog-risicosystemen, zoals toepassingen die kritieke infrastructuur aansturen. Voor telecom betekent dit dat automatisering van netwerkbeheer en storingsoplossing extra aandacht vraagt. Vereisten omvatten risicobeoordeling, datakwaliteit, logging en menselijke controle. Leveranciers moeten bovendien technische documentatie en transparantie bieden.
De AVG geldt voor alle klant- en verkeersgegevens die het platform verwerkt. Dataminimalisatie, versleuteling en duidelijke bewaartermijnen zijn verplicht. Bij grootschalige of gevoelige verwerkingen is een DPIA nodig, op het moment van schrijven gangbaar bij telecomprojecten. Microsoft biedt een EU Data Boundary, wat Europese gegevensresidentie kan ondersteunen.
Voor Nederlandse en Europese operators betekent dit strengere inkoop- en auditprocessen. Contracten moeten vastleggen waar data staan, wie toegang heeft en hoe modellen worden getraind. Ook moeten verklaringen beschikbaar zijn over bias-tests en foutafhandeling. Overheden die telecomdiensten inkopen zullen hier extra op toetsen.
Impact voor Nederlandse operators
Voor KPN, VodafoneZiggo en Odido kan agentische AI helpen bij snellere storingsafhandeling en minder wachttijd. Klantenservice kan profiteren van agents die context ophalen en acties voorstellen. In het netwerk kunnen agents afwijkingen sneller signaleren en escaleren. Dit alles vraagt wel om duidelijke KPI’s en toezicht.
Publieke diensten leunen op stabiele telecom, van gemeenten tot hulpdiensten. Betere monitoring en geautomatiseerde analyses kunnen storingsduur beperken en servicelevels verbeteren. Tegelijk mogen automatische beslissingen geen ongewenste uitsluiting veroorzaken, bijvoorbeeld bij betalingsachterstanden. Uitlegbaarheid en bezwaarprocedures blijven dus noodzakelijk.
Implementatie begint meestal met pilots op afgebakende processen. Daarna volgt integratie met bestaande OSS/BSS, identity & access en logging. Ook medezeggenschap en privacy-afdelingen moeten vroeg betrokken zijn. Zo ontstaat draagvlak en wordt aan wet- en regelgeving voldaan.
Beperkingen en open vragen
Afhankelijkheid van één cloudleverancier kan tot lock-in leiden. Operators doen er goed aan exit-strategieën en interoperabiliteit te eisen. Open standaarden voor data en interfaces verminderen risico’s. Ook contractuele waarborgen over prestaties en beschikbaarheid zijn nodig.
Datakwaliteit blijft een fundamentele factor voor AI-prestaties. Onvolledige of scheve data kunnen tot oneerlijke of onjuiste uitkomsten leiden. Daarom zijn monitoring, bias-tests en hertraining cruciaal. Dit geldt extra bij klantprocessen met financiële of juridische impact.
De komende 6 tot 12 maanden zal blijken of pilots doorstoten naar productie op schaal. Let op referentiecases in Europa en onafhankelijke audits. Succes hangt af van meetbare winst in kosten, snelheid en klanttevredenheid. Zonder harde resultaten blijft het vooral een belofte op papier.
