Cualquier carrier puede decir que usa IA. Estas son las reglas a las que responde la nuestra, escritas para que puedas exigírnoslas. Se aplican a cada modelo, cada umbral y cada decisión automatizada de nuestra red, hoy y a medida que la plataforma crece.
Nuestra IA funciona bajo ocho principios: la inteligencia vive en las rutas de decisión, aprende de tráfico real, responde ante ingenieros con nombre, se mide con honestidad, admite sus límites, protege los datos de los abonados, se explica ante el cliente y se trata como superficie de ataque. IA-nativo significa que los principios son estructurales, no decorativos.
Los modelos alimentan encaminamiento, puntuación de fraude y supervisión de calidad. Si la salida solo llega a un panel o una diapositiva, no es IA-nativa, es analítica. Cada modelo que desplegamos consume su propia salida en producción.
Nuestros sistemas aprenden de tráfico mayorista en producción, donde una decisión de encaminamiento se demuestra en una hora y una hipótesis de fraude vive o muere en días de CDRs. Sin datos de laboratorio ni benchmarks de demo. El bucle de retroalimentación es el activo.
La máquina propone, el ingeniero confirma. Un humano con nombre responde del resultado de cada decisión automatizada, y la ruta de escalado hacia ese humano se define antes de que el modelo entre en producción, no después de que falle.
Las tasas de falsos positivos, de detección y el tiempo de escalado se miden y se siguen para cada detector. Una puntuación de fraude sin tasa de error medida es una opinión. Las nuestras publican sus números internamente, y nosotros publicamos la dirección de avance.
Decimos dónde la IA no ayuda: negociaciones de interconexión, investigación de fraude novedoso, estrategia sin bucles de retroalimentación. Las máquinas corren donde existe el bucle, los ingenieros donde no. Sin teatro de IA.
No entrenamos con el contenido de las comunicaciones de los abonados. La analítica de tráfico corre sobre patrones de metadatos bajo controles alineados con GDPR, con minimización y límites de retención diseñados de origen, no añadidos a posteriori.
Cuando nuestros sistemas afectan a tu tráfico, un cambio de ruta, una marca de fraude, una alerta de calidad, puedes preguntar por qué y recibir una respuesta humana con la evidencia. Las decisiones automatizadas nunca son una caja negra que haya que creer a ciegas.
Los modelos, los flujos y los umbrales son superficie de ataque. Reciben el mismo endurecimiento, monitorización y control de cambios que la propia red, porque un detector manipulado es peor que no tener detector.
Estos principios gobiernan cómo construimos. Esto es lo que significa IA-nativo, y así operamos.
