El proyecto CallTrust DataSpace tiene un alineamiento estratégico crucial con SIMPL, ya que busca la convergencia con las iniciativas europeas de espacios de datos. ¿Qué es SIMPL? SIMPL se define como una plataforma de middleware inteligente, segura y de código abierto que tiene como objetivo principal respaldar el acceso a los datos y la interoperabilidad…
Smart Answer propone una estrategia integral y avanzada para la detección temprana de llamadas no deseadas, utilizando tecnologías de inteligencia artificial (IA) y machine learning (ML) sobre datos de la red del propio operador junto a otras fuentes como bases de datos reputacionales, APIs de operador o la agenda de contactos del propio usuario. ¿De…
CallTrust DataSpace se integra en la visión de Gaia-X al construir un espacio de datos sectorial para las telecomunicaciones que sea interoperable, seguro y gestionado según los valores europeos, utilizando tecnologías y marcos compatibles que permiten la futura conexión con la infraestructura federada más amplia de Gaia-X. ¿Qué es Gaia-X? Gaia-X es un ecosistema digital…
Quobis Smart Answer está diseñado para operadores de telefonía, permitiendo la integración de esta solución en sus redes, ofreciendo un servicio de filtrado de llamadas inteligente como complemento a sus servicios de terminación. ¿Por qué es importante que los operadores ofrezcan un servicio de filtrado inteligente de llamadas a sus clientes? La problemática del spam…
CallTrust Dataspace, es un proyecto financiado a través del PRTR (Plan de recuperación, transformación y resiliencia), a través de la convocatoria “para la concesión de ayudas para la transformación digital de los sectores productivos estratégicos mediante la creación de demostradores y casos de uso de Espacios de Compartición de Datos en el marco del PRTR”….
Para el desarrollo del proyecto CallTrust DataSpace, (número de expediente: TSI-100123-2024-103) Quobis necesita apoyarse en una entidad con alta especialización y amplia experiencia en infraestructuras tecnológicas para espacios de datos. Experiencia previa de la entidad en el ámbito de aplicación del proyecto La entidad subcontratada deberá contar con experiencia demostrable en el diseño,desarrollo y despliegue…
El proyecto MLSIP (Machine Learning applied to SIP communications), liderado por Quobis, concluye con importantes avances en la optimización de las comunicaciones unificadas mediante el uso de inteligencia artificial. El objetivo principal ha sido aplicar técnicas de machine learning para mejorar el enrutamiento, la eficiencia y la calidad de las comunicaciones SIP, especialmente en escenarios que demandan alta disponibilidad y baja latencia….
Si bien el proyecto MLSIP se ha desarrollado en el contexto de las redes 5G, su visión y su impacto tecnológico apuntan directamente hacia el futuro: las redes 6G. Las futuras redes 6G prometen capacidades revolucionarias, como latencias de microsegundos, una fiabilidad extrema y una inteligencia integrada en la propia red. Sin embargo, para explotar…
El pasado 28 de Mayo, Quobis presentó ante una representación con diferentes actores de la industria de telecomunicaciones (telcos, vendors tecnológicos, integradores y centros tecnológicos) los resultados del proyecto 6g On Time. Quobis Circles | Presentación de resultados 6G On Time Hemos escogido el formato «Quobis Circle», consistente en una multiconferencia privada y limitada a…
Con la fase de validación final llegando a su fin, el proyecto MLSIP ha demostrado ser un éxito, cumpliendo sus objetivos de crear un sistema de enrutamiento inteligente funcional y eficaz. Sin embargo, como todo proyecto de investigación e innovación, esta fase también ha servido para identificar limitaciones y trazar una clara hoja de ruta…