Partnerskaber

Vodafone implementerer CUJO AI’s QoO-målinger for bredbåndsudrulning på tværs af flere markeder

mm
Føj Unite.AI til dine foretrukne kilder på Google

CUJO AI sagde i en meddelelse distribueret af PR Newswire den 6. oktober 2026, at Vodafone har valgt deres Quality of Outcome (QoO) netværksmålingsteknologi til udrulning på tværs af flere af operatørens europæiske markeder. Teknologien er allerede implementeret i et live Vodafone-bredbåndsnetværk, og yderligere udrulning er i gang i hele Europa.

Udrulning på tværs af Vodafones europæiske markeder

Ifølge virksomheden bringer udrulningen Quality of Outcome til millioner af Vodafone-gateways (kundeudstyr) samtidig med, at den understøtter operatørens Low Latency DOCSIS-initiativ. Vodafone har allerede testet QoO med Low Latency DOCSIS-teknologi for at vurdere, hvordan netværksforbedringer omsættes til bedre ydeevne for applikationer såsom gaming, videokonferencer og cloud-tjenester.

«Netværkskvalitet bør i sidste ende måles ud fra, hvad kunderne kan gøre med deres forbindelse», sagde Remko Vos, administrerende direktør for CUJO AI. Vos udtalte, at virksomheden hjalp med at udvikle Quality of Outcome for at forbinde netværksingeniørarbejde med de oplevelser, der betyder noget for brugerne, og kaldte Vodafones udrulning på tværs af flere markeder for et vigtigt skridt mod at gøre resultatbaseret netværksmåling til en operationel realitet i stor skala.

CUJO AI oplyste, at Vodafone har været en betydelig støtter og fortaler for rammeværket, bidraget med et operatørperspektiv til udviklingen, og beskrev operatøren som den første store operatør, der implementerer Quality of Outcome i stor skala på tværs af live bredbåndsnetværk.

Oscar Gallego, direktør for Home Technology & Products hos Vodafone, sagde, at levering af en fremragende bredbåndsoplevelse kræver, at man ser ud over de opslåede hastigheder for at forstå, hvordan netværket præsterer for de applikationer, som kunderne bruger hver dag. Han beskrev Quality of Outcome som “en praktisk, applikationsfokuseret måde at evaluere og forbedre den oplevelse på”, og sagde, at de to virksomheder bringer denne funktionalitet ind i live netværk på tværs af Vodafones europæiske fodaftryk.

Hvordan Quality of Outcome scorer et netværk

Ifølge CUJO AI evaluerer rammeværket, hvor godt netværksforholdene understøtter de resultater, som brugerne forventer fra specifikke applikationer, såsom responsivt gaming, uafbrudte videoopkald og pålidelige cloud-tjenester, og flytter vurderingen af en forbindelse ud over tekniske målinger som hastighed eller gennemsnitlig latency. Det omdanner målinger, herunder latency, pakketab og throughput, til en applikationsspecifik score, så operatører kan se, om deres netværk leverer de betingelser, en applikation har brug for at fungere optimalt, og identificere hvor ydeevnen kan forbedres.

Det IETF-dokumentet, der definerer rammeværket specificerer, at QoO-scorer udtrykker målte netværksforhold som en procentdel på en lineær skala, der er afgrænset af to applikationsspecifikke tærskler: 0 % ved Conditions at the Point of Unacceptable Performance (CPUP) og 100 % ved Requirements for Optimal Performance (ROP). Latency‑krav udtrykkes som sæt af percentil‑latency‑par, paketab‑krav som et gennemsnitligt forhold, og throughput som et enkelt globalt minimum. Den samlede score er minimum af latency‑, paketab‑ og throughput‑komponentscorerne, baseret på begrundelsen om, at den mest forringede dimension sandsynligvis bestemmer en applikations opfattede kvalitet; hvis den krævede minimale throughput ikke opnås, sættes scoren til 0 %.

Dokumentet angiver, at QoO konceptuelt er baseret på Quality Attenuation-metrikken, og at dets afhængighed af latency‑fordelinger og paketab‑sandsynligheder bevarer rumlig sammensætning, så operatører kan kombinere målinger på tværs af netværkssegmenter eller dekomponere dem for fejlisolering og rodårsagsanalyse. Det registrerer også kendte svagheder og åbne spørgsmål: i ustabile netværk som mobile cellulære forbindelser kan den tilgængelige kapacitet for en enhed ændre sig med en størrelsesorden inden for sekunder, og langsomme samplingshastigheder kan overse kortvarige latency‑spidser og producere alt for optimistiske scores.

Specifikationens status hos IETF

CUJO AI oplyste, at Quality of Outcome blev medskabt af deres eksperter i samarbejde med det bredere netværkssamfund og videreudviklet gennem Internet Engineering Task Force’s IP Performance Measurement Working Group. Virksomheden beskriver resultatet som en ny industristandard udgivet af IETF.

IETF’s register for dokumentet, draft-ietf-ippm-qoo-11, angiver det som et aktivt Internet-Draft fra den arbejdsgruppe, forfattet af Bjørn Ivar Teigen Monclair og Magnus Olden fra CUJO AI, med Ike Kunze som redaktør. Draftet erstatter det tidligere draft-olden-ippm-qoo og har en tiltænkt RFC-status som Informational. Registeret viser, at dokumentet er indsendt til IESG for offentliggørelse og befinder sig i RFC Editor-køen, hvor det afventer en første redaktør; registeret blev senest opdateret den 13. august 2026, med den seneste revision dateret den 19. maj 2026.

Udkastets implementeringsstatussektion registrerer qoo-c, et MIT-licenseret open source C-bibliotek til beregning af Quality of Outcome, vedligeholdt af CUJO AI og beskrevet der som en fuldstændig implementering af specifikationen, sammen med delvis QoO-understøttelse i goresponsiveness, et open source netværkstest skrevet i Go. Internet-Drafts er arbejdsdokumenter for IETF og er gyldige i maksimalt seks måneder; den aktuelle revision af QoO-udkastet udløber den 20. november 2026.

Aiden Cross er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI-produktstrategi, udførelse og de praktiske udfordringer ved at omdanne eksperimentelle modeller til skalerbare, markedsklare produkter. Hans arbejde fokuserer på, hvordan startups og virksomheds teams bevæger sig fra prototyper og demos til pålidelige systemer, der bruges af rigtige kunder.
Med en pragmatisk og detaljeorienteret perspektiv analyserer Aiden produktveje, markedsstrategier, platformbeslutninger og organisatoriske kompromiser, der bestemmer, om AI-initiativer lykkes eller stagnere. Han lægger særlig vægt på implementeringsrealiteter, brugeradoption, infrastruktur begrænsninger og sammenligningen mellem teknisk kapacitet og forretningsværdi.
Artikler skrevet af Aiden Cross er AI-genereret og gennemgået af Unite.AIs redaktionelle team for at sikre klarhed, nøjagtighed og ansvarlig dækning af, hvordan AI-produkter bygges, leveres og skaleres i den virkelige verden.