AI-RAN Beralih dari Demo ke Pengadaan—Sesi 23 Maret NTIA Menandakan Regulator Akan Menuntut Siklus Model yang Bisa Diaudit, Bukan Sekadar Antarmuka Terbuka

Bottleneck proof-of-concept: mengapa “AI-RAN” membutuhkan auditabilitas

Pada 23 Maret 2026, NTIA menggelar sesi dengar pendapat publik mengenai arah baru AI-RAN dari Innovation Fund—berlangsung pukul 9:00 pagi hingga 12:00 siang (format hibrida). (Halaman sesi dengar pendapat NTIA—23 Maret 2026)

Waktu tersebut mungkin tampak sekadar agenda, tetapi yang lebih penting adalah pesan tersirat yang NTIA minta para pemangku kepentingan menjawab: bagaimana operator membeli otomasi RAN berbasis AI/ML dengan cara yang sama seperti membeli keandalan dan keselamatan—berbasis bukti, bukan aspirasi? Pemberitahuan NTIA secara eksplisit menempatkan diskusi pada upaya mempercepat penerapan komersial peralatan terbuka yang interoperabel dan berstandar, dengan mengacu pada ekosistem open-interface (termasuk organisasi seperti O-RAN Alliance, TIP, dan 3GPP). (Halaman sesi dengar pendapat NTIA—ruang lingkup dan rujukan)

Dalam pengadaan telekomunikasi, beban pembuktian biasanya tidak jatuh pada “akurasi”. Yang diutamakan adalah traceability—operator perlu dapat: (a) mereproduksi apa yang berubah, (b) mengaitkan insiden ke keadaan perangkat lunak+konfigurasi tertentu, (c) memverifikasi kontrol keselamatan dan keamanan benar-benar diterapkan saat runtime, serta (d) menjalankan regression testing setelah pembaruan tanpa mengubah jaringan menjadi uji coba tanpa akhir. Untuk AI-RAN, terdapat bottleneck auditabilitas—karena “pembaruan model” jarang memiliki keterkaitan yang rapi dengan satu artefak seperti halnya revisi firmware baseband.

Auditabilitas di sini sebaiknya dipahami sebagai chain of custody tingkat pengadaan, bukan sekadar preferensi filosofis. Secara konkret, regulator dan operator akan mengharapkan bukti yang menghubungkan setiap perilaku yang diterapkan (misalnya: tindakan kebijakan xApp/RIC, keputusan optimasi near-RT, atau transformasi niat non-RT) kembali ke:

pengidentifikasi versi model yang persis,
kelas asal training data dan lineage rilis dataset (minimal pada level apa yang dipakai dan kapan),
evaluation suite beserta ambang batas yang membuat versi tersebut diterima,
batasan konfigurasi runtime (batas kebijakan/otorisasi, feature flags, dan kontrak antarmuka), serta
telemetri operasional yang diperlukan untuk memastikan sistem tetap berada dalam batasan tersebut setelah mulai beroperasi.

Hambatan regulasinya jelas. Dalam telekomunikasi, model yang “berhasil di lab” tidak otomatis setara dengan model yang (1) kompatibel dengan antarmuka dan skenario uji multi-vendor, (2) aman di bawah tekanan operasi nyata, dan (3) tetap dapat dipelihara saat terjadi pergantian versi. Dalam bahasa AI, pengadaan adalah masalah siklus hidup, bukan tolok ukur tunggal. NIST melalui AI Risk Management Framework (AI RMF) memandang manajemen risiko sebagai proses berkelanjutan di seluruh dimensi siklus hidup sistem AI—artinya evaluasi dan pemantauan tidak berhenti saat deployment. (Halaman NIST AI RMF)

Dengan demikian, frontier tata kelola telekomunikasi berbasis AI kemungkinan besar bergeser dari “Bisakah ditunjukkan?” menjadi “Bisakah didokumentasikan, diukur, diamankan, dan diverifikasi secara berkelanjutan?”—dengan dokumentasi yang mendukung incident forensics, traceability versi-ke-perilaku, serta regression yang dapat diulang setelah setiap perubahan yang diotorisasi.

Lensa kebijakan NTIA: pendanaan inovasi + interoperabilitas terbuka berbasis standar

Sesi dengar pendapat AI-RAN NTIA tertanam dalam sikap kebijakan yang lebih luas: memanfaatkan pendanaan inovasi untuk mempercepat penerapan praktis antarmuka terbuka dan peralatan yang interoperabel. Pemberitahuan menempatkan sesi dengar pendapat sebagai bagian dari arah Innovation Fund dan mengarahkan pemangku kepentingan pada ekosistem standar open-interface. (Halaman sesi dengar pendapat NTIA—23 Maret 2026)

Ini pilihan kebijakan yang penting, karena mengubah interoperabilitas dari sekadar persoalan protokol menjadi persoalan kepatuhan. Antarmuka terbuka dalam O-RAN (contohnya, antarmuka terkait RIC dan konstruksi O-Cloud) memungkinkan komposisi multi-vendor. Namun, keterbukaan juga memperbanyak titik di mana perilaku bisa menjadi tidak deterministik. Tumpukan otomasi multi-agen yang mencampur model, data pipelines, dan kebijakan runtime hanya benar-benar “interoperabel” bila perilaku yang dipandu model dapat dibatasi oleh kontrak antarmuka dan test suites—bukan hanya oleh materi pemasaran vendor.

Karya dengar pendapat NTIA sebelumnya mengenai open-RAN dan materi program Innovation Fund juga menekankan upaya mengatasi hambatan adopsi RAN yang terbuka, interoperabel, dan berstandar. (Sesi dengar pendapat industri NTIA—24 Januari 2023)

Innovation Fund sendiri memiliki skala dan struktur peluncuran yang konkret dan terukur. Misalnya, NTIA melaporkan pemberian lebih dari $117 juta pada batch kedua hibah, yang dikaitkan dengan jaringan terbuka dan interoperabel serta proyek lintas objektif teknis, termasuk upaya interoperability dan security-related traceability. (Rilis pers NTIA—$117 juta wireless innovation)

Inti editorial: jika regulator mendanai antarmuka terbuka, bukti bahwa otomasi berbasis AI tidak “merusak” keterbukaan dengan mengubah sistem multi-vendor menjadi black box yang tertutup dan sulit diaudit kemungkinan besar akan diminta.

Dari multi-agent control loops ke manajemen siklus hidup: realitas teknis yang harus dihadapi regulator

Dalam O-RAN, “kecerdasan” didistribusikan ke beberapa control loop—non-real-time, near-real-time, dan real-time—yang saling terhubung melalui paradigma RAN Intelligent Controller (RIC) serta antarmuka terkait. Riset tentang kerangka O-RAN otonom menggambarkan pemisahan peran secara eksplisit: agen LLM di lapisan non-real-time menerjemahkan niat operator menjadi kebijakan dan mengelola siklus hidup model, agen SLM di lapisan near-real-time menjalankan optimasi berlatensi rendah serta mengaktifkan atau menonaktifkan aplikasi kontrol, dan inferensi model berada dekat unit terdistribusi untuk respons adaptasi yang lebih cepat. (Toward Autonomous O-RAN: A Multi-Scale Agentic AI Framework)

Arsitektur inilah yang membuat “manajemen siklus hidup model” menjadi krusial dalam pengadaan. Pada deployment ML konvensional, versi model sering kali bisa diperlakukan sebagai artefak. Pada multi-agent control loops AI-RAN, artefaknya lebih besar: ia mencakup model, asal-usul training data, konfigurasi feature pipelines, konfigurasi deployment, batasan kebijakan, aturan otorisasi runtime, serta antarmuka yang menghubungkan semuanya.

Karena itu pula, pengujian harus lebih sistematis daripada sekadar “berhasil secara fungsional”. Ekosistem O-RAN memperlakukan interoperabilitas dan validasi end-to-end sebagai kategori pengujian formal (konformansi, interoperabilitas, dan end-to-end). Ekosistem ini juga menggambarkan keberadaan pusat uji dan integrasi terbuka (OTICs) serta aktivitas sertifikasi/penandaan yang menyusun bukti berdasarkan antarmuka dan perilaku. (O-RAN Testing: Challenges, and Recommendations—OTIC/IOT descriptions)

Sinyal tambahan dari ekosistem standar: pekerjaan keamanan O-RAN ALLIANCE secara eksplisit menelusuri AI/ML dalam persyaratan keamanan RIC near-real-time dan xApp. Dalam pembaruan kelompok kerja keamanan, aliansi menyatakan pada 2024 fokusnya adalah menyelesaikan persyaratan keamanan, termasuk kontrol AI/ML dalam konteks Near-RT RIC. (O-RAN Alliance Security Working Group—advance O-RAN security)

Inti editorial: agar otomasi telekomunikasi berbasis AI siap pengadaan, regulator kemungkinan besar akan mengharapkan manajemen siklus hidup model tertanam dalam mekanisme pembuktian yang sama seperti yang sudah ada untuk interoperabilitas antarmuka—sebab jaringan multi-vendor gagal di batas-batasnya, bukan hanya pada headline demo.

Yang regulator kemungkinan minta berikutnya: empat kategori bukti “siap pengadaan”

Di bawah ini empat kategori bukti yang cocok dengan lensa kebijakan NTIA (standar terbuka dan implementasi inovasi) sekaligus realitas teknis (loop multi-agen dan model yang terus berkembang). Ini bukan tuntutan abstrak; semuanya memetakan ke elemen arsitektur telekomunikasi dan praktik operasional yang nyata.

1) Dokumentasi siklus hidup model yang benar-benar dapat direviu

Manajemen siklus hidup model seharusnya mencakup lebih dari “model mana yang digunakan.” AI RMF NIST menekankan manajemen risiko di seluruh siklus hidup sistem AI, termasuk praktik berkelanjutan bukan hanya dokumentasi sekali waktu. (Halaman NIST AI RMF)

Dalam istilah pengadaan telekomunikasi, ini kemungkinan diterjemahkan menjadi paket dokumentasi yang bisa diaudit pada level change control dan respons insiden. Minimal, operator akan mengharapkan dokumen berbasis versi yang bisa disebut “bill of model and data” untuk AI-RAN: dokumen yang mengikat setiap perilaku yang diterapkan ke bundle keadaan tertentu—identitas artefak model, kategori training-data provenance (rilis dataset dan timeframe), konfigurasi feature pipeline (parameter preprocessing/normalisasi), hasil verifikasi/evaluasi (termasuk nama test suite dan kriteria lulus/gagal), serta tautan yang dapat ditelusuri ke konfigurasi deployment yang digunakan di jaringan (batas kebijakan, pemetaan otorisasi, dan versi antarmuka). “Dapat direviu” juga berarti paket tersebut mendukung audit yang bisa diulang—yakni pihak ketiga harus mampu memastikan bahwa yang disetujui adalah yang benar-benar berjalan.

Yang membuatnya spesifik pengadaan adalah kebutuhan rekam pembaruan: operator harus dapat melihat sebelum deployment apa yang berubah dari versi model N ke N+1 (termasuk expected risk deltas), dan setelah deployment bagaimana telemetri runtime memverifikasi kepatuhan berkelanjutan terhadap amplop perilaku yang sebelumnya disetujui.

2) Pengujian interoperabilitas yang mencakup antarmuka dan perilaku yang digerakkan model

Keterbukaan O-RAN bermakna hanya jika ada cara pengujian yang dapat diulang. Proyek NIST Open RAN Interoperability secara eksplisit bertujuan menyediakan limited test suites agar verifikasi interoperabilitas antar vendor Open RAN dapat dilakukan secara ketat dan ilmiah. Proyek ini juga menyebut integrasi interoperabilitas ke sistem operator dalam server Open RAN untuk verifikasi real-time. (NIST—Open RAN Interoperability)

Untuk otomasi AI-RAN, pergeserannya bukan hanya dari interoperabilitas tingkat antarmuka (“apakah A bisa berbicara dengan B?”), melainkan interoperabilitas tingkat perilaku (“apakah kebijakan kontrol agentic tetap patuh pada batasan ketika dikomposisikan dengan A dan B?”). Pedoman pengujian O-RAN yang ada dan model OTIC menyediakan kerangka untuk menyusun bukti tersebut. (O-RAN Testing: Challenges, and Recommendations)

Agar benar-benar siap pengadaan, bukti sebaiknya diposisikan sebagai gerbang uji (test gates) bukan ringkasan umum:

konformansi kontrak antarmuka untuk RIC/xApp spesifik serta interaksi data-plane/control-plane,
pengujian interoperabilitas lintas kombinasi multi-vendor yang relevan (radio/vDU/vCU dan komponen RIC) menggunakan skenario yang bisa diulang, dan
validasi end-to-end yang menunjukkan AI-enabled control loop tidak melanggar batas keselamatan atau kebijakan saat dikomposisikan dengan tumpukan perangkat lunak vendor lain.

Operator memerlukan ambang batas dan kriteria penerimaan untuk “stabilitas perilaku” (misalnya: osilasi yang terbatasi, kepatuhan terhadap kendala, dan perilaku pemulihan), bukan sekadar pernyataan bahwa “sistem bekerja”.

3) Pemantauan keamanan berkelanjutan yang sejalan dengan perubahan model berkelanjutan

Pemantauan berkelanjutan adalah tema yang berulang dalam tata kelola AI maupun keamanan operasional. NIST menempatkan manajemen risiko sebagai proses berkesinambungan sepanjang siklus hidup sistem AI. (NIST AI RMF—risk management continuity)

Di sisi telekomunikasi, keamanan tidak hanya pertahanan perimeter; ia mencakup autentikasi, otorisasi, pencatatan (logging), dan integritas di ekosistem RIC/xApp serta antarmuka terbuka. Kelompok kerja keamanan O-RAN menjelaskan penambahan pengujian yang mencakup berbagai antarmuka dan domain keamanan (misalnya: logging, konfigurasi aman, serta kemajuan persyaratan terkait AI/ML). (O-RAN Alliance security working group update)

Selain itu, terdapat framing keamanan telekomunikasi yang spesifik pada perpotongan MLOps dan keamanan. Ericsson melalui white paper “MLSecOps” membahas perlindungan siklus hidup AI/ML dalam telekomunikasi dan menyoroti pemantauan sepanjang siklus hidup sebagai bagian dari pendekatan. (Ericsson MLSecOps: Protecting the AI/ML Lifecycle in telecom)

Dalam istilah pengadaan, bukti pemantauan berkelanjutan harus merinci apa yang dicatat, bagaimana pencatatan dilindungi, serta seberapa cepat sistem dapat mendeteksi dan merespons drift atau kompromi. Ini berarti telemetri runtime yang terkait dengan keputusan otorisasi serta pemeriksaan integritas berbasis antarmuka, disertai prosedur terdokumentasi untuk pencabutan/rollback ketika versi model atau paket kebijakan gagal memenuhi batas keamanan. Tanpa itu, “berkelanjutan” berisiko menjadi slogan alih-alih kemampuan yang dapat diukur.

4) Hasil layanan yang terukur dengan lifecycle mindset

Pengadaan membutuhkan hasil, bukan demo. Pertanyaan operasionalnya: apakah AI-driven RAN control loop meningkatkan KPI layanan tertentu—latensi, throughput, keandalan saat beban naik, atau pengurangan outage—sambil tetap menjaga batas keselamatan serta stabilitas perilaku saat pembaruan model dilakukan.

Di sinilah “hasil terukur” harus dikaitkan dengan ritme siklus hidup yang sama seperti pelatihan, evaluasi, dan deployment. Panduan Google untuk MLOps terkait continuous delivery menekankan otomasi integrasi/pengujian/deployment serta pemantauan kinerja model yang bersifat prediktif untuk memicu iterasi baru—analogi yang sangat dekat dengan always-on network management loops. (Google Cloud—MLOps continuous delivery and automation)

Agar bukti berlevel pengadaan, metrik harus menyertakan baseline yang ditetapkan sebelumnya dan jendela verifikasi pasca pembaruan (misalnya: berapa lama telemetri dikumpulkan setelah pembaruan model/kebijakan sebelum diterima), serta pernyataan eksplisit tentang bagaimana sistem berperilaku selama fase penyesuaian. Operator ingin tahu bukan hanya apakah KPI membaik, tetapi apakah perbaikan itu bertahan di tengah variasi lalu lintas dan komposisi multi-vendor.

Inti editorial: empat kategori ini membentuk evidence stack. Regulator kemudian dapat meminta agar kapabilitas AI-RAN yang didanai menghasilkan artefak yang bisa diaudit, perilaku interoperabel yang tervalidasi melalui test suites, keamanan yang dimonitor terus-menerus, serta perbaikan yang dapat diukur pada KPI layanan.

Jangkar kasus: bagaimana interoperabilitas dan penyusunan bukti sudah berjalan (dan bagaimana AI-RAN harus memperluasnya)

Agar tidak terjebak pada teori semata, diperlukan contoh nyata tentang bagaimana “keterbukaan + pengujian” bisa menjadi operasional.

Kasus 1: Integrasi sistem ITS Open RAN NTIA di lab CRAIN

NTIA melalui ITS menjelaskan pekerjaan integrasi yang telah selesai untuk menggabungkan beberapa sistem Open RAN ke lab CRAIN, dengan tujuan memvalidasi kinerja Open RAN di lingkungan berperforma tinggi setara operator. ITS mencatat bahwa pada 2025, lab mengintegrasikan tiga sistem Open RAN yang dibeli dari pasar terbuka—dua dari satu vendor dan satu dari vendor lain—kemudian menggunakan sebagian materi uji O-RAN Alliance untuk pembandingan dengan vendor RAN kelas-1 tradisional. (ITS—Lessons Learned from ITS Open RAN System Integration)

Mengapa ini penting untuk AI-RAN: logika kontrol berbasis AI tidak bisa diuji sebagai modul berdiri sendiri. Ia perlu divalidasi sebagai bagian dari komposisi yang disetujui. Ekstensi untuk AI-RAN adalah agar latihan integrasi tidak hanya menilai performa jaringan di bawah beban, tetapi juga lapisan traceability sistem AI: pengujian harus memastikan versi model dan paket kebijakan yang dipakai di lab adalah yang menghasilkan aksi kontrol teramati, serta bukti dari lab dapat dibawa ke penerimaan kontrak dan kemudian dipakai untuk forensik insiden.

Kasus 2: Lab interoperabilitas Open RAN yang didanai NTIA dengan verifikasi bergaya sertifikasi

Ericsson menjelaskan hibah lab interoperabilitas yang didanai NTIA yang menghasilkan lab sertifikasi yang netral. Ericsson menyatakan akan menyediakan perangkat keras, perangkat lunak, dan personel dukungan teknis untuk menguji serta memverifikasi interoperabilitas radio Open RAN dari pihak ketiga dengan vDU dan vCU virtual milik Ericsson. Ericsson juga menyebut antarmuka terkait RIC termasuk R1, A1, O1, dan O2. (Ericsson—accelerating Open RAN with new interoperability lab)

Mengapa ini penting untuk AI-RAN: verifikasi netral adalah mekanisme untuk mengubah “antarmuka terbuka” menjadi “benar-benar interoperabel”. Untuk AI-RAN, pengujian netral juga harus mencakup kepatuhan perilaku lintas versi model, bukan hanya pertukaran pesan antarmuka. Ini berarti bukti lab harus menunjukkan bahwa ketika pembaruan model/kebijakan diperkenalkan, ruang aksi control loop tidak meluas di luar yang disetujui untuk versi antarmuka tersebut—sementara batas keamanan/otorisasi tetap bertahan di bawah kondisi uji yang sama.

Kasus 3: Metodologi interoperabilitas ilmiah NIST untuk Open RAN

Proyek Open RAN Interoperability NIST bertujuan mengembangkan limited test suites untuk memungkinkan verifikasi interoperabilitas yang ketat dan ilmiah antara vendor Open RAN. Proyek ini juga menjelaskan integrasi pemeriksaan interoperabilitas ke sistem operator untuk verifikasi real-time dan cepat. (NIST—Open RAN Interoperability)

Mengapa ini penting untuk AI-RAN: AI-RAN membutuhkan “verifikasi ilmiah”, bukan klaim lulus/gagal semata. Ketika model diperbarui, test suite harus memastikan sistem tetap berada dalam perilaku yang terbatasi—terutama ketika dikomposisikan dengan tumpukan vendor berbeda. Di sinilah pemantauan berkelanjutan dan dokumentasi siklus hidup berperan: invarians lab terverifikasi dapat menjadi runtime monitors, sehingga keputusan “re-acceptance” bisa lebih cepat setelah pembaruan tanpa memaksa uji ulang penuh untuk setiap perubahan.

Kasus 4: Pencantuman persyaratan keamanan AI/ML dalam O-RAN Security Working Group

Pembaruan O-RAN Alliance Security Working Group secara eksplisit menunjuk AI/ML sebagai fokus kerja keamanan pada 2024, termasuk persyaratan dan kontrol untuk Near-RT RIC dan xApps serta antarmuka terkait. (O-RAN Alliance—advance O-RAN security)

Mengapa ini penting untuk AI-RAN: jika ekosistem standar sudah membangun kontrol keamanan AI/ML ke dalam persyaratan keamanan RIC/xApp, maka regulator dapat secara wajar mengharapkan sistem AI-RAN yang didanai selaras dengan target kontrol tersebut. Implikasi pengadaan yang praktis adalah bukti keamanan harus spesifik terhadap lingkungan eksekusi AI (Near-RT RIC dan xApps) dan antarmuka kebijakan/kontrol—bukan praktik terbaik keamanan ML yang generik.

Jangkar kuantitatif yang tidak akan diabaikan regulator

Bukti siap pengadaan tetap membutuhkan angka. Berikut lima data point dan alasannya relevan bagi tata kelola AI-RAN:

NTIA menjadwalkan sesi dengar pendapat AI-RAN pada 23 Maret 2026 (09:00–12:00)—tonggak konkret untuk masukan pemangku kepentingan. (Halaman sesi dengar pendapat NTIA)
NTIA melaporkan memberikan lebih dari $117 juta pada batch kedua hibah untuk upaya wireless innovation dari Innovation Fund, dengan maksud investasi yang dinyatakan terkait jaringan terbuka dan interoperabel. (Rilis pers NTIA—$117 juta)
Pedoman pengujian O-RAN mengidentifikasi beberapa kategori pengujian—konformansi, interoperabilitas (IOT), dan end-to-end—sebagai basis struktural untuk bukti dan sertifikasi. Meskipun sumber ini bersifat kualitatif, ia tetap mendefinisikan “kategori uji” yang dapat dibeli/dijadikan acuan pengadaan oleh operator. (O-RAN Testing: Challenges, and Recommendations)
ITS NTIA menunjukkan kemajuan integrasi pada 2025, khususnya mencatat integrasi tiga sistem Open RAN yang dibeli di pasar terbuka ke lab CRAIN. (ITS—Lessons Learned from ITS Open RAN System Integration)
NIST AI RMF diposisikan sebagai berkelanjutan di seluruh siklus hidup sistem AI, bukan static checkpoint; “angka” tata kelola yang harus dioperasionalisasikan operator adalah postur tata kelola berkelanjutan dari kerangka tersebut. (Halaman NIST AI Risk Management Framework)

Inti editorial: penanda kuantitatif di sini tidak terutama tentang persentase akurasi AI, melainkan tentang kesiapan tata kelola—tonggak, skala pendanaan, kategori uji, jumlah integrasi, serta kontinuitas siklus hidup sebagai persyaratan tata kelola yang formal.

Kesimpulan: regulator kemungkinan meminta artefak pengadaan “AI-RAN yang bisa diaudit”—pasar perlu bersiap sekarang

Sesi dengar pendapat AI-RAN NTIA pada 23 Maret 2026 bukan hanya ruang gagasan; ini sinyal bahwa realitas pengadaan berikutnya untuk Innovation Fund akan bertumpu pada bukti. Jika kebijakan pendanaan dibangun di atas interoperabilitas terbuka berbasis standar, maka otomasi telekomunikasi berbasis AI harus datang dengan disiplin pengadaan yang sama: dokumentasi siklus hidup model yang dapat direviu, perilaku interoperabel yang tervalidasi melalui test suites, pemantauan keamanan berkelanjutan yang selaras dengan risiko siklus hidup AI dan telekomunikasi, serta hasil layanan yang terukur dan tetap bertahan meski model diperbarui.

Rekomendasi kebijakan yang spesifik: NTIA (melalui arahan program Innovation Fund) seharusnya mewajibkan, sebagai syarat penghargaan pendanaan untuk penerapan AI-RAN, paket bukti standar “AI-RAN evidence package” yang mencakup (1) dokumentasi siklus hidup model yang dipetakan ke ekspektasi tata kelola berkelanjutan AI RMF, (2) hasil pengujian interoperabilitas yang dikaitkan dengan kategori uji antarmuka O-RAN dan praktik bukti sertifikasi/penandaan, serta (3) rencana pemantauan keamanan berkelanjutan yang menetapkan kontrol runtime di seluruh batas otorisasi RIC/xApp dan logging. Rekomendasi ini sejalan dengan postur siklus hidup berkelanjutan untuk manajemen risiko AI dari NIST serta pendekatan pengujian dan kelompok kerja keamanan yang terdokumentasi dari O-RAN. (Halaman NIST AI RMF) (Panduan pengujian O-RAN)

Prakiraan ke depan (timeline): pada Q4 2027, paket pengadaan AI-RAN dalam ekosistem antarmuka terbuka kemungkinan mulai mewajibkan artefak siklus hidup model berbasis versi dan telemetri pemantauan berkelanjutan sebagai komponen kontrak “wajib”—bukan sekadar daftar kepatuhan opsional—karena pengujian interoperabilitas multi-vendor dan persyaratan keamanan sudah dipraktikkan lewat integrasi lab serta kerja kelompok keamanan di ekosistem O-RAN dan kerangka tata kelola AI. Prakiraan ini mengikuti arah yang tersirat dari agenda sesi dengar pendapat NTIA serta pergeseran berkelanjutan menuju bukti keamanan berbasis siklus hidup dan interoperabilitas dalam ekosistem O-RAN dan kerangka tata kelola AI. (Halaman sesi dengar pendapat NTIA)

Tugas pasar adalah mengubah otonomi dari sekadar demo menjadi bagian dari kontrak. Itu berarti memperlakukan AI/ML bukan sebagai fitur di dalam sistem telekomunikasi, melainkan sebagai subsistem yang tata kelolanya berbasis siklus hidup: antarmuka yang bisa diaudit, perilaku yang bisa diuji, dan keamanan yang dimonitor terus-menerus.

Trending Topics

Browse by Category