—·
全てのコンテンツはAIによって生成されており、誤りが含まれる可能性があります。ご自身でご確認ください。
MWC 2026で語られるAIネイティブ6Gは「より賢い」ではなく、システム内でAIモデルの運用ライフサイクルを常時回す設計転換を意味します。
MWC 2026で最も強いのは、「AIネイティブ6G＝より高度な知能」という枠組みではありません。むしろ注目されるべきは、工学的なリズム（エンジニアリングの実行サイクル）が変わる、という点です。モデルをオフラインで改善し、時々入れ替えるのではなく、ネットワーク内部でAIモデルの運用ライフサイクルを継続的に走らせるネットワーク――そのような“常時運転”が前提になってきています。
エリクソンはMWCで、6Gの準備状況を「リアルタイムに自己最適化するネットワーク」から、「知的システムとして動作するネットワーク」への転換として結び付けています。つまり、テレメトリ、推論、学習、オーケストレーションが、ネットワーク運用の“本体”になり、付随的な分析プロジェクト（サイドカー）ではなくなる、ということです。
（出典：Ericsson – Get ready for 6G (MWC 2026)、EE Times – At MWC, Ericsson Details AI-Native 6G Timeline）
この転換は、オペレーターが「何を買い、何を測り、何を統治するか」を変えます。従来の最適化は、主に収容（キャパシティ）とカバレッジに焦点を当てます。新しい無線機、新しいキャリア、設置点（サイト）の密度、そしてスケジューリング方針の改善です。
しかしAIネイティブ6Gの世界では、それらの統制は「AIワークフローの成果物」になります。ワークフロー自体には、それ専用の運用モデルが必要です。無線エッジでのデータ収集、複数レイヤーでのモデル配備とバリデーション、そして現実の無線環境が変化して“ズレ”が生じたときの安全なロールバック。
要するに、「エンジニアリング」が「機械学習の運用（MLOps）」と切り離せなくなります。ただしランタイム環境が、RAN／トランスポート／パケットコアの一連の連鎖の中にある、という点が決定的です。
エリクソンのタイムライン提示は、さらに将来像の“ぼんやりしたビジョン”ではなく、標準化と導入の順序づけに根を張っています。EE Timesによればエリクソンは2029年の完全標準化を狙う一方で、5G Standaloneへの移行を“踏み台”として位置付けています。したがって、今日のAIネイティブ6Gの発表は、MLライフサイクル管理を次の構築サイクルでどう業務化するか、というロードマップとして読み解くべきでしょう。
（出典：EE Times – At MWC, Ericsson Details AI-Native 6G Timeline）
この運用転換を一文で要約すれば、次のとおりです。
AIネイティブ6Gの導入を評価するには、スローガンを“実務のライフサイクル図”に翻訳する必要があります。収集 → （必要に応じて）ラベル付け／集約 → 学習（どこまで計算資源が関わるか）→ バリデーション → 配備 → 監視 → 再学習／段階的な進め直し。そして重要なのは、モデルが変わりゆく無線条件、トラフィックの波、端末の挙動に整合した状態を保つために、十分な速さでこの循環を回せることです。
3GPPは、ネットワーク側のAI／ML管理を「配備問題」だけでなく「ライフサイクル問題」として明確に扱っています。3GPPは、AI／MLワークフローの全ライフサイクル（学習、バリデーション、テスト、エミュレーション、配備、推論実行を含む）を支える、ドメイン非依存のAI／ML管理・オーケストレーション枠組みの仕様化に関する作業を説明しています。
（出典：3GPP – Engineering intelligence: Shaping AI/ML management for the 5G System、3GPP – AI/ML for NG-RAN & 5G-Advanced towards 6G）
通信の言葉に置き換えると、「収集」のエッジ側は単なるテレメトリではありません。即時の意思決定と、より長い時間軸のモデル更新の両方に供給される“計測の基盤”です。エッジ推論の含意は、予測に足るだけの忠実度で無線側の信号（および派生特徴）を捉えなければならない一方で、監査可能性とセキュリティを担保するための規律も要る、という二重の要件にあります。
つまり、エッジデータでモデルが学習されるなら、オペレーターは「何が使われたのか」「バージョン間で何が変わったのか」「学習パイプラインが偏り（バイアス）や漏えい、あるいは黙って失敗するモードを混入させなかったか」を説明できる必要があります。
このため、AI-RANは「分散コンピュート＋分散分析＋分散知能」として提示されることが増えています。たとえばノキアのNWDAF製品のメッセージは、5Gコアのネットワーク機能からデータを収集し、エッジインスタンスで低遅延／超低遅延の分析を行い、中央側でモデルリポジトリを介してAI／MLモデルの継続学習を支える、という閉ループ自動化のアーキテクチャを説明しています。
（出典：Nokia – Nokia AVA NWDAF、Nokia – Nokia AVA NWDAF: analytics at edge and continuous training）
オペレーターにとっての核心は次の問いに収束します。
AIネイティブ6Gでは、ライフサイクルの段階がレイヤー間で分割されます。
・反応性のためのエッジ推論（RAN近傍：スケジューリング／制御判断など）
・重い計算のための中央／リージョン側の学習
・モデルのバージョン、ロールアウトの窓、監視シグナルを調整するオーケストレーション機能
MWC 2026の発表は、しばしば計算資源やデモを前面に出します。しかし運用上の差分を生むのは、最も本質的にはライフサイクルの分割と、エッジ推論を学習入力と首尾一貫させる「オーケストレーションの契約」です。
AIネイティブ6Gが“連続”であるなら、データパイプラインも実質的に連続になります。無線エッジは、センシング層であると同時に、MLワークフローの入力生成器になります。ここで必要になるのは、従来の通信分析チームが常に「第一級の要件」として扱うわけではない、三つのパイプライン特性です。そして決定的なのは、それらが暗黙のベストプラクティスではなく、検証可能な成果物として扱われるべきだという点です。
特徴量がモデルのバージョンにどう紐づくかの追跡可能性（系譜：ラインエージ）
あるモデルの特定バージョンに何の計測（および派生特徴）が入ったのかを把握できなければ、回帰（性能劣化）の検知はできません。発注で問うべきは「系譜をサポートしているか」だけではなく、必要になったときに即座に提示できるかです。すなわち、ある推論要求について、後になってシステムが「どの特徴抽出コード／設定、どの計測スキーマ、どの正規化パラメータ、そしてどのモデル成果物のハッシュが使われたか」を証明できるかどうか。
3GPPのAI／ML管理の枠組みは、学習、バリデーション、テスト、エミュレーション、配備、推論実行までを含むため、システムはモデルレベルだけでなく、**データ／特徴量の契約（データ・特徴コントラクト）**のレベルでも、ライフサイクルの追跡可能性を端から保全すべきだと示唆しています。
（出典：3GPP – Engineering intelligence: Shaping AI/ML management for the 5G System）
「データ利用者」向けの役割ベースアクセスとポリシーゲート（誰が、いつ見られるか）
NWDAF型のアーキテクチャは、分析の出力を認可された利用者や閉ループ自動化に向けるため、監査のトレースはモデル精度だけでなく認可の境界を反映する必要があります。ノキアのAVA NWDAFの位置づけも、「認可されたデータ利用者に対して分析を提供し、閉ループ自動化を成立させる」ことを強調しています。
（出典：Nokia – Nokia AVA NWDAF）
実務上は、パイプラインがポリシー適用済みの出力（生データと集約データの区別、サービス別ビュー、保持期間が制限されたデータセットなど）を生成し、さらにライフサイクル記録の一部としてポリシー判断をログに残すことを要求すべきです。そうでなければ、「モデルが悪化した理由が無線挙動の変化なのか」「学習データがアクセス／ポリシー変更によって変わったのか」を切り分けられなくなります。
MLライフサイクルに整合するセキュリティ制御（モデル成果物は信頼境界の一部になる）
ライフサイクル型のシステムでは、「セキュリティ」は通信の暗号化やアクセス制御だけではありません。モデル成果物のサプライチェーンセキュリティ、推論／ランタイムの完全性チェック、そして新しい無線条件の下でモデルが意図しない振る舞いを見せた際の安全なロールバック機構も含みます。
オペレーターはベンダーに、ライフサイクル移行で関わる**セキュリティの基盤（プリミティブ）**を明確化するよう求めるべきです。たとえばモデル成果物の署名／アテステーション、特徴抽出モジュールの完全性チェック、そして信頼度（推論の確信度）が崩れたり、テレメトリ分布が逸脱したときに制御ループが既知の良好なポリシー／設定へ戻せることを保証するロールバックの意味論などです。
ここから、ベンダー・ロックインのリスクが契約上の論点ではなく、運用上の論点として見え始めます。もしベンダー固有のテレメトリ／特徴量ストアしか、そのモデル学習パイプラインの入力として成立しないのだとすれば、オペレーターは“無線機やソフトのバージョン”だけでなく、そのベンダーのライフサイクル手順そのものにも暗黙に縛られてしまいます。
したがって、MWC型デモで使うべき「評価フレームワーク」は、「管理されたデモ環境でモデルがどれだけ正確か」ではなく、次の問いに落とし込むべきです。
従来のネットワーク更新は「容量（キャパシティ）課題」という物語になりがちです。より高いスペクトル効率、より多いスループット、より多くのサイト、そしてトランスポートの寸法設計の最適化。
しかしAIネイティブ6Gは、もう一つのスケジューリング課題を追加します。いつ／どこで計算（推論と学習）が走るのか、そして、それらのワークロードがRAN／トランスポートの仕事とどのようにCPU／GPU／アクセラレータを共有するのか、という問題です。
インテルはMWC 2026でのメッセージの中で、AI推論をネットワークエッジにより近づけることによりトラフィックの流れを最適化し、混雑を抑え、信号品質をリアルタイムに高めると明確に結び付けています。また「リプレース（丸ごと置き換え）」の複雑さを避けながらスケールさせるために、エコシステム自体の再構築が必要だとも位置付けています。
（出典：Intel Newsroom – AI + Mobile Networks at MWC 2026）
エリクソンのロードマップ報道も同様に、6Gの進化には分散コンピュート能力と、AIネイティブな導入を加速するためのパートナーシップ・エコシステムが要る、という文脈で語られています。モノリシック（単一の塊として）のアップグレードだけで済む話ではない、という趣旨です。
（出典：EE Times – At MWC, Ericsson Details AI-Native 6G Timeline、Ericsson – Ericsson and Intel collaborate… (MWC momentum)）
OpExの現実は、次のように整理できます。
・エッジ推論は、RANに紐づく計算を常時動かすため、実行コストが膨らみ得ます（多くのサイトで必要になることがあるためです）。
・学習は、モデルの更新が頻繁に必要なら、繰り返し発生する予算項目になり得ます。
・**オーケストレーションと可観測性（オブザーバビリティ）**は、継続的な「本番運用のエンジニアリング」機能として扱う必要が出てきます。
CapEx側の見立ても変わります。計算密度を、オペレーターが想定していたより早い時点でエッジサイトに用意しなければならない可能性が出ます。とはいえ、導入戦略によっては学習が“それほど頻繁ではないバッチの窓”で済む場合もあります。とはいえ連続ライフサイクルのビジョンでは、定期的なバリデーションゲートと安全なロールアウトサイクルを前提に計画が必要になります。
多くのデモで欠けがちなのは、スケジューリングの契約です。MLワークロードが「忙しい」状態でも、RAN／トランスポートの性能を保証する配置ポリシーは何か。推論と学習は、単なる追加サービスではなく、計算資源、メモリ帯域、そしてレイテンシの予算を巡って“隣人”として競合し得るからです。
MWC 2026の会場では、当然ながら「AIが動く」デモが行われます。しかし、アーキテクチャが測定可能になるのはスケジューリングの領域です。次のような形で、サービス水準の保証と、配置（プレイスメント）／隔離（アイソレーション）の統制を求めてください。単なる構成図だけでは足りません。
・特徴抽出の時間を含めた、エンドツーエンドの推論レイテンシ予算はどれくらいか。通常負荷と混雑時での分布（p50／p95／p99）はどうか。
・エッジ側の隔離メカニズムは何か（例：cgroup／VM／アクセラレータの分割）。予算を超えた場合、推論は捨てられるのか、キューに積まれるのか、あるいは段階的に品質低下するのか。
・RAN／トランスポートの負荷が急騰したとき、システムは推論ワークロードをどう抑制または隔離するのか。また、その抑制はライフサイクルイベントとしてログに残るのか。
・学習の頻度（毎日／毎週／毎月、またはイベント駆動）はどう設計されているのか。学習を開始するテレメトリのトリガーは何か。モデルを昇格させる前に通過すべき受け入れゲートは何か。
・オーケストレーション層は、セル／ゾーン／リージョンをまたぐ部分配備をどう扱うのか。そして、ロールバックのトリガーは無線KPIに基づくのか（単なる一般的なモデル精度ではないのか）。
これらの回答が曖昧なままなら、オペレーターは“AIネイティブなネットワーク”を買っているのではなく、単発のAI機能を買っているにすぎない可能性があります。
AIネイティブ6Gは、少なくとも三つの点でオペレーターの調達リスク像を変えます。
無線ハードが固定されていても、リアルタイムにモデルを動かすためのエッジ推論計算は必要です。インテルはMWC 2026で、ライブなモバイルネットワーク上でAI推論が動くことを強調しており、推論が理論ではなく運用として求められる姿勢が読み取れます。
（出典：Intel Newsroom – AI + Mobile Networks: What’s Next at MWC 2026）
学習や評価に使うエッジ計測が、ベンダーの独自パイプラインにしか保存されない場合、オペレーターはモデルの移植性や評価の透明性を失います。とりわけ、ライフサイクルが「ベストエフォートの最適化」ではなく安全性に関わる制御ループになり得る場合、そのリスクは増幅されます。
連続ライフサイクルのシステムでは、監査可能性が次を含むべきです。
・入力データの系譜
・学習のバージョン
・配備判断
・ランタイム指標
・ロールバックイベント
この「ライフサイクルの完結性」が3GPPのAI／ML管理枠組みが示す方向性と一致しています。推論実行だけでなく、エンドツーエンドのライフサイクル段階のためのオーケストレーション機構を仕様化している、という意味合いです。
（出典：3GPP – Engineering intelligence: Shaping AI/ML management for the 5G System）
MWC 2026のオペレーター向け近代化メッセージは、往々にして楽観的です。問題は、議論を「繰り返し使えるチェックリスト」に落とし込めないことにあります。エリクソン、3GPP、そしてNWDAFのアーキテクチャ記述の方向性を踏まえれば、オペレーターは次の点でベンダー提案を検証できます。
ライフサイクル完結性テスト
学習、バリデーション、テスト、エミュレーション、配備、推論実行まで対応しているか。推論だけではないか。
（3GPPのライフサイクル枠組みは明示的です。）
（出典：3GPP – Engineering intelligence: Shaping AI/ML management for the 5G System）
エッジと中央の分割の明確さ
エッジ推論と中央での連続学習の間で、データと計算資源がどう分割されるのか。NWDAF型のエッジ／中央アーキテクチャ概念と整合しているか。
（出典：Nokia – Nokia AVA NWDAF）
スケジューリングと隔離の計画
推論ワークロードがRAN／トランスポート機能とどう共存するのか、負荷が高いときの抑制／隔離挙動はどうなるのか。
モデル／バージョンの監査証跡
系譜を要求する：どの計測が、どのモデルバージョンで、どの配備変更窓で、そしてどのランタイム指標に紐づくのか。
標準化に整合したロードマップ
ベンダーが示すAIネイティブ6Gの準備状況のタイムラインで、調達を固定する。EE Timesは、エリクソンが2029年に完全標準化を狙い、5G Standalone移行をその道筋に位置付けていると報じています。
（出典：EE Times – At MWC, Ericsson Details AI-Native 6G Timeline）
これらのチェックは、会話を運用工学の現実に引き戻します。データパイプライン、スケジューリングの契約、そして監査フックが主題になるからです。
AIネイティブなネットワークをめぐる抽象論は、導入や試験の記録を見たときに現実になります。以下は、成果と時系列が追える具体例です。
テレネットは、クラウドネイティブな5G Standaloneコアの導入に向けて、Google Anthosとノキアを選択し、近代化のステップをパブリッククラウド志向のアプローチに組み込みました。これは完全な意味でのAIネイティブ6Gではありませんが、のちにより複雑なオーケストレーション層を入れるための土台として直接関係します。クラウドネイティブなコアは、閉ループ自動化や分析の機能を差し込む際の実行基盤になりやすいからです。
（出典：Nokia – Telenet Belgium select Google Anthos and Nokia for their cloud-native 5G Standalone Core deployment）
なぜこの事例が議論を支えるのか：ライフサイクル運用は、オーケストレーションの安定性と制御面の整合性を必要とします。クラウドネイティブなコアの導入は、分析／AI管理レイヤーを入れる摩擦を下げる方向に働きます。
NTTドコモとNECは、グローバルなオープンRAN展開向けにOREX SAIを設ける計画を立てており、開始のタイムラインは2024年4月1日からとされています。ドコモ側の説明では、運用面の柔軟性（選択肢の自由、運用コストの低減）を強調し、技術進化に追随するためのルートとしてオープンRANの準備状況を位置付けています。
（出典：NTT DOCOMO – DOCOMO and NEC to Establish “OREX SAI” Joint Venture (Press Release, Feb 26, 2024)）
なぜこの事例が議論を支えるのか：AIネイティブ6Gは、多メーカー統合のリスクを強める可能性があります。パッケージ化されたオープンなアプローチは、ロックインを抑え、モデルや計算スタックが変化する中でライフサイクル運用を適応しやすくします。
ノキアのAVA NWDAFは、エッジと中央の両方のインスタンスを持つアーキテクチャを説明しています。エッジは低／超低遅延の分析用途、中央はリアルタイム要件がないユースケース向けで、モデルリポジトリを使った連続学習も含まれます。これはAIネイティブなライフサイクル思考に整合する、「エッジ推論＋中央学習」の設計図です。
（出典：Nokia – Nokia AVA NWDAF、Nokia – Nokia AVA NWDAF: edge/central + model repository）
なぜこの事例が議論を支えるのか：エッジ／中央のライフサイクル分割を、製品化された道筋として示しているためです。AIネイティブ導入における最重要の運用要件の一つが、まさにここにあります。
エリクソンのプレスリリースは、エリクソンとインテルが、AIネイティブ6G導入に向けたエコシステムの準備を加速するために技術を束ねると説明しています。モバイル接続、クラウド技術、AI駆動型のRANとパケットコアのユースケースにまたがる計算能力、さらにプラットフォームレベルのセキュリティやネットワーク能力まで含めるとしています。またMWC 2026のデモでは、エリクソンとインテル双方の領域で複数のデモが行われたことも言及されています。
（出典：Ericsson – Ericsson and Intel collaborate to accelerate… (2026-03)）
なぜこの事例が議論を支えるのか：AIネイティブ6Gは、RAN／トランスポートに加えて計算とセキュリティの層まで含む「システム統合」の問題になります。この事例は、その運用次元を明示的に狙ったベンダー連携のシグナルだと言えます。
評価をブレさせないために、オペレーターはロードマップや標準化の活動から出てくる具体的な定量記述を追うべきです。上記ソースからは、特に有用な数値の錨が三つあります。
完全標準化の目標（エリクソンの枠組み）：2029年
EE Timesは、エリクソンがAIネイティブ6Gのロードマップについて2029年の完全標準化を目指し、それを5G Standalone移行の道筋に結び付けていると報じています。
（出典：EE Times – At MWC, Ericsson Details AI-Native 6G Timeline）
MWC 2026のデモ期間：2026年3月
エリクソンとインテルは、エコシステム準備のメッセージの一部としてMWC 2026のデモを取り上げています。協業の勢いがイベントの時期と明示的に結び付けられている点は、近代化サイクルにおける“今と次”の調達シグナルとして重要です。
（出典：Ericsson – Ericsson and Intel collaborate…）
3GPPのAI／ML管理のカバレッジ：段階が列挙（学習→バリデーション→テスト→エミュレーション→配備→推論）
単一の数字ではありませんが、ライフサイクルの段階は3GPPが説明の中で定量的な集合として示している、と捉えられます。オペレーターは内部のモデル統治要件に、この段階を対応させられます。
（出典：3GPP – Engineering intelligence: Shaping AI/ML management for the 5G System）
デモのKPIだけを追うと、運用経済とリスク像を取り落とします。ライフサイクルとタイムラインの目標は、調達の指標として扱うべきです。すなわち「現時点でどの運用能力が実在するのか」「標準化によってどの能力がゲートされるのか」「ロックインを避けるために社内で作らねばならない能力は何か」です。
またベンダーがデモで数値を出してきたら、測定の前提（エンドツーエンドでのレイテンシ測定方法、採用トラフィックのプロファイル、p95／p99の尻尾がどうか、そしてその数値に対応するロールバックの基準）を必ず求めてください。測定定義がない限り、「数値の錨」は工学上の制約ではなくマーケティングの数字に変わってしまいます。
AIネイティブ6Gは、単なるエンジニアリングの流儀ではありません。CapEx／OpEx、ベンダー・ロックイン、そしてセキュリティ／監査設計にまで及ぶ“運用モデル”であり、その帰結は明確です。エリクソンのMWC 2026の枠組みはリアルタイムの自己最適化知的ネットワークを強調し、3GPPはAI／ML管理をエンドツーエンドのライフサイクル能力として定義しています。
（出典：Ericsson – Get ready for 6G (MWC 2026)、3GPP – Engineering intelligence: Shaping AI/ML management for the 5G System）
ノキアのNWDAFの位置づけも、連続ライフサイクル運転に整合するエッジ／中央分割の考え方を具体化しています。
（出典：Nokia – Nokia AVA NWDAF）
3GPP SA5（AI／ML管理の仕様化作業）および3GPP WG SAのアーキテクトが、オペレーターの要件チームと協働して、モデル・ライフサイクルの監査可能性に関する明確で“検証可能な受け入れ基準”を公表（または公表の加速）すべきです。要求される最低限の項目（データ系譜、モデルバージョンの出自、ロールアウト判断、ロールバック記録など）をベンダーがオペレーターの検証用に開示しなければならない、という形に落とし込むことが目的です。狙いは、ライフサイクル統治の要件を、契約依存ではなくエンジニアリング上のテスト可能性へ変えることです。
（根拠：3GPPのライフサイクル管理の範囲とオーケストレーションの枠組みに基づく提言です。）
（出典：3GPP – Engineering intelligence: Shaping AI/ML management for the 5G System）
2026年Q4までに、オペレーターはAIネイティブの導入が二つの実務的なライフサイクル・パターンへ収束していくのを見込むべきです。
（1）厳格なランタイム隔離のもとで、RANの制御ループに統合されたエッジ推論。
（2）分析／モデルリポジトリを通じて調整された、中央／リージョン側の連続学習。
これは、ベンダーのメッセージとNWDAFのアーキテクチャ概念が示す分割、そして標準化の取り組みがライフサイクル・オーケストレーションを軸に組み立てられていることから、そうなる方向性が読み取れるためです。いま調達契約を先送りすると、のちになって「自社の“AIネイティブ”ランタイムが、移植できないデータ／特徴量とモデル・パイプラインに依存している」ことに気付くリスクがあります。
この文章を読み終えた後に取るべき実務上の転換は、次の一点です。AIネイティブ6Gを“機能デモ”として評価しないこと。ライフサイクルのトレーサビリティを備えた本番システムとして評価し、計算スケジューリングと監査可能性の条件を、無線インターフェースと同じように交渉することです。そこが本当の勝負どころになっていくからです。