Postępująca konwergencja telekomunikacyjnych sieci głosowych i sieci komputerowych, przeznaczonych pierwotnie do transmisji danych, powoduje, że głos coraz częściej wędruje w pakietach sieciami komputerowymi, podczas gdy przekaz danych cyfrowych przez sieci telekomunikacyjne o wysokiej przepływności jest teraz podstawą transmisji długodystansowych.

Największy wpływ na przyspieszenie rozszerzania się konwergencji zaczynają wywierać:

Nowe technologie przekazu. Wprawdzie obecny stan technologii nie umożliwia jeszcze tworzenia w pełni konwergentnych (głos, obraz, dane) sieci szerokopasmowych, ale coraz to pojawiające się innowacje technologiczne i nowe standardy rokują ich powstanie w najbliższych kilku latach. Niewątpliwie należy zaliczyć do nich najnowsze rozwiązania, obejmujące: szerokopasmowy dostęp w pętlach lokalnych (xDSL, B-ISDN, LMDS), zdolność do efektywnego terabitowego transportu (powyżej 1 Tb/s w 2000 r.) w sieciach szkieletowych i korporacyjnych typu backbone (technologie WDM, DWDM).

Kolejnymi elementami zmierzającymi do sieci konwergentnych są: dalsze usprawnianie multimedialnego dostępu bezprzewodowego przez sieć Internetu (standard WAP), większe możliwości świadczenia usług szerokopasmowych przez sieci kablowe CATV (według specyfikacji DO-CSIS, Euro-DOCSIS lub DVD/DAVID), wdrażanie szerokopasmowych technologii kodowania (WCDMA, WB-CDMA) oraz nieustająca stabilizacja transmisji głosowych za pomocą przekazów pakietowych (VoFR, VoIP, VoATM).

Wydajne protokoły transportu. W tym samym kierunku podąża także modernizacja protokołów trasujących Internetu, umożliwiając już wzajemne komunikowanie się urządzeń niemal w czasie rzeczywistym. Ze względu na różne wymagania stawiane przez konkretne aplikacje sieciowe są one ukierunkowane bądź na niezawodną transmisję danych (protokoły XTP, RMTP), bądź na transmisje w czasie rzeczywistym, bez zapewnienia odpowiedniej niezawodności (RTP, RTCP) - zwykle stosowane w przekazach strumieniowych. Z kolei, aby przeciwdziałać nadmiernemu obciążeniu sieci IP na skutek gwałtownego wzrostu transmisji głosowych, istnieje konieczność wdrożenia mechanizmów pozwalających na rezerwację pasma, zapewniającego określony poziom usług QoS (Quality of Service) w sieci. Do protokołów o wysokiej niezawodności należy protokół RMTP (Reliable Multicast Transport Protocol), zaprojektowany w celu obsługi jednego nadajnika i wielu odbiorników w środowisku dużych opóźnień, które występują w sieciach rozległych czy satelitarnych.

Dotychczasowe wersje protokołów RTP (Red Time Application) zostały rozszerzone o transport w czasie rzeczywistym RTCP (Real Time Control Protocol), o możliwość rezerwacji zasobów z priorytetowaniem pakietów głosowych w sytuacji natłoku protokołem RSVP (Resourse Resewation Protocol) oraz o ulepszony sposób kolejkowania przesyłanych pakietów za pomocą protokołu WFQ (Weighted Fair Queuing).

Dzięki temu dotychczasowa wersja protokołu IP-4, nie mająca możliwości relokowania zasobów sieciowych (między innymi w celu prowadzenia rozliczeń taryfikacyjnych), została zastąpiona bardziej efektywną wersją IP-6, już mającą takie cechy - co jest punktem wyjściowym do dalszego rozwoju sieci konwergentnych z pakietowym przesyłaniem głosu protokołami IP, czyli w przekazach multimedialnych.

Demonopolizacja telekomów. Deregulacja i liberalizacja, szczególnie widoczna w ostatnim czasie w Europie, stwarzają dobre warunki do wejścia na trudny rynek telekomunikacyjny nowo powstającym firmom i uzyskania przy tej okazji znaczących profitów. Firmom, które w innej sytuacji prawdopodobnie nie mogłyby w ogóle zaistnieć na tak silnie zagospodarowanym rynku komunikacyjnym. Skłania to dotychczasowych monopolistów w telekomunikacji do radykalnej zmiany w dotychczasowych technologiach przekazu - co w innych warunkach trwałoby prawdopodobnie latami. Liczne porozumienia, fuzje i generalne przetasowania firmowe, dokonywane w ostatnich latach przez wielkich w telekomunikacji, są tego najlepszym dowodem.

Wzrost wymagań użytkowników. Wydaje się, że głównym motorem wpływającym na szybkość rozszerzania się integracji głosu z danymi będą jednak narastające wymagania użytkowników końcowych. Już teraz wielu dotychczasowych dostawców usług wywiera naciski na korporacje sieciowe (telekomy, carriers), żądając od nich łącznego przekazu głosu i danych. W pierwszej kolejności wymagania takie pochodzą od instytucjonalnych użytkowników końcowych, którzy generując duży trafik w różnych niespójnych sieciach, liczą na istotne obniżenie ponoszonych przez nich kosztów eksploatacji. Zwłaszcza że zwykle zależy im jednocześnie na utrzymaniu nieprzerwanej łączności z Internetem za pomocą łączy stałych, co przynosi duże oszczędności czasu w pracy z siecią.

Narastanie konkurencji operatorów. Nowoczesna technologia, szybko i prężnie akceptowana przez firmy dopiero co wchodzące na rynek dostawców sieciowych, powoduje automatycznie rozszerzanie procesów konwergencji, najpierw w odniesieniu do głosu i danych. W tej bardzo szybko zmieniającej się dziedzinie, kto pierwszy zaoferuje nowe usługi dodatkowe za odpowiednio niższą cenę, ten wygrywa konkurencję i to bez żadnych przetargów. Alternatywą w takiej sytuacji jest dla telekomunikacyjnych molochów: demonopolizacja lub tworzenie od podstaw wydzielonych sieci transportowych. Być może stosowanie drastycznych środków konkurencji nie będzie potrzebne, gdyż dotychczasowi dostawcy w telekomunikacji starają się również aktywnie uczestniczyć we wdrażaniu nowych technologii przekazu, tworząc sieci zbieżne.

Konieczność redukcji kosztów. Idea transmisji mowy w pakietach (jako danych cyfrowych) zapowiada całkowitą rewolucję przekazów głosowych. Zgodnie z nowoczesnymi algorytmami kodowania głosu przez sieci pakietowe głos można kompresować bez istotnego obniżenia jego jakości do przepływności 8 kb/s (zamiast stosowanych do tej pory 64 kb/s w sieciach PCM), a ponadto w chwilach ciszy (gdy abonent nic nie mówi) transmisja pakietów głosowych w ogóle jest zbędna. Dzięki temu wymagane pasmo do przeprowadzenia jednej rozmowy w kanale głosowym zajmuje niewiele ponad 10 proc. szerokości tego dotychczasowego kanału, a resztę pasma (prawie 90 proc!) można przeznaczyć na czystą transmisję danych.

Transmisja głosu w pakietach pozwala dostawcom wielokrotnie zmniejszyć (więcej niż 10 razy) koszty przekazów informacji na odległość, przy czym nie jest istotne, czy w transmitowanych pakietach znajdują się oddzielnie dane, głos lub obraz, czy też jest to przekaz multimedialny. Konsekwencją tego rozwiązania jest ujednolicenie infrastruktury sieciowej (dalsza redukcja kosztów), uproszczenie urządzeń do transmisji danych oraz radykalne obniżenie kosztów eksploatacji sieci telekomunikacyjnej. Przewidywana znaczna redukcja kosztów eksploatacyjnych dzięki przyszłej sieci Internetu stwarza nadzieję, iż usługi te będą powszechne i tanie, może nawet bezpłatne.