قادة الفكر
الذكاء الاصطناعي يفرض إعادة تعيين في مراقبة الشبكة
أضف Unite.AI إلى مصادرك المفضلة على Google
لمدة سنوات، كانت مراقبة الشبكة محادثة حول الأدوات. أي منصة تجمع مجموعة واسعة من البيانات؟ أي وكلاء يغطون أجهزتي النادرة؟ أي هندسة سوف تعمل بشكل أفضل في المقاييس؟ في أي نقطة على الشبكة يجب أن نلتقط الحزم؟ افترض ذلك المحادثة أن الشبكة كانت مستقرة نسبيا والتغيير كان تدريجيا.
ليس الأمر كذلك.
أحمال العمل المدفوعة بالذكاء الاصطناعي تزيد من تباين حركة المرور، حيث تتسارع اعتماد الذكاء الاصطناعي عبر المؤسسة. تشير الأبحاث الحديثة إلى أن 88% من المنظمات تستخدم الآن الذكاء الاصطناعي في وظيفة أعمال واحدة على الأقل. تمتد الهياكل الهجينة عبر السحابة ومركز البيانات والشبكة الواسعة والحافة. تتداخل إشارات الأمان والأداء الآن بالطرق التي لم تكن كذلك قبل خمس سنوات. وتتوقع الأعمال حل سريع hơn وإنذارات أقل ومساءلة واضحة.
تحت هذا الضغط، فإن النهج الحالي لمراقبة الشبكة يفشل. ليس لأن الفرق تفتقر إلى المهارة، ولكن لأن الهيكل التحت مراقبة الشبكة لم يبق مع التطور.
ليس هذا حول إضافة المزيد من لوحات التحكم أو التقاط المزيد من البيانات. إنه حول الاعتراف بأن مراقبة الشبكة يجب أن تتطور من مجموعة من الأدوات إلى أساس بيانات متسقة. هذا الأساس هو ما سوف يسمح لفريق عمليات الشبكة (NetOps) بالاستفادة من الذكاء الاصطناعي لمراقبة الشبكة والذكاء.
Đây هو كيفية التفكير في مكانك وكيفية المضي قدمًا.
أين أنت على منحنى النضج؟
أظهرت الأبحاث من مؤسسة إدارة المؤسسات (EMA) أن فقط 46% من قادة التكنولوجيا يعتقدون أنهم نجحوا تماما مع أدوات مراقبة الشبكة. معظم الشكاوى معروفة جيدا، مع انتشار الأدوات وضجيج الإنذارات وسيئة جودة البيانات التي تشكل قائمة.
كما حدد تقرير EMA لعام 2025، نموذج نضج مراقبة الشبكة: كيفية التخطيط لمعايير التميز في NetOps، خمس مراحل متميزة من النضج:
- عرضي ومتفاعل
- مجزء ومحفز
- مدمج ومدار مركزي
- ذكي وتلقائي
- مُحسّن ومدفوع بالذكاء الاصطناعي
اليوم أريد التركيز على المراحل الثلاثة الوسطى، والتي ستجد معظم المنظمات فيها، قبل وصف المسار إلى المرحلة النهائية.
مجزء ومحفز
لديك أدوات مراقبة متعددة. غالبا ثلاثة أو أربعة. تعكس الأبحاث الصناعية نفس النمط، حيث تعتمد 87% من فرق NetOps الآن على أدوات مراقبة متعددة، ومع ذلك فقط 29% من الإنذارات التي يتم إنشاؤها يمكن اتخاذ إجراء بشأنها. التغطية موجودة، ولكنها غير متساوية. يعمل المهندسون كطبقة التكامل، ويتحركون بين وحدات التحكم ويربطون الأحداث بشكل عقلي. قد يكون الذكاء الاصطناعي موجودا، ولكنه يعمل داخل السilos. يعمل الفرق بجد في هذه المرحلة، ولكن الهيكل يعمل ضدهم.
مدمج ومدار مركزي
لقد حققت تغطية قوية لمراقبة البنية التحتية وحركة المرور. هناك بعض التكامل بين الأنظمة. تم تحديد لوحات التحكم. قد تكون لديك تلقائية مبكرة للاستثناءات الشائعة.
然而، لا يزال تحليل السبب الجذري يعتمد على الخياطة اليدوية. التوقعات محدودة. يسرع الذكاء الاصطناعي التحليل، ولكنه لا يغير بشكل أساسي كيفية فهم الشبكة.
ذكي وتلقائي
البيانات هي في الوقت الفعلي حيثما كان ذلك مهمًا. يتم ربط بيانات التدفق والحزمة والتكوين. الإنذارات هي سياقية، وليست مدفوعة بالعتبة. يدعم الذكاء الاصطناعي الكشف عن الشذوذ والتنبؤ بالسعة والتوجيه التصحيحي. يتم تقديم التلقائية بشكل متعمد وضمن سياج السياسة. فقط المنظمات التي لديها موارد كافية تصل إلى هذه المرحلة.
مجموعة صغيرة من المنظمات من الدرجة الأولى وصلت إلى المرحلة النهائية من النضج، وهي المُحسّنة ومدفوعة بالذكاء الاصطناعي. الأدوات وحدها لن تساعدك على التطور.
من الذكي والتلقائي إلى المُحسّن ومدفوع بالذكاء الاصطناعي: ماذا تفعل بعد ذلك
تحديث مراقبة الشبكة لا يتطلب إزالة ما لديك. إنه يتطلب تحولا من الأدوات إلى البيانات.
1. ابدأ مع تماسك البيانات، لا المزيد من الذكاء الاصطناعي
قبل توسيع مبادرات الذكاء الاصطناعي، اسأل نفسك سؤالا: هل بيانات الشبكة لدينا نظيفة وثابتة ومتصلة عبر المجالات؟
تنسيقات بيانات التелеметري غير المتسقة، والمناطق العمياء في السحابة أو SD-WAN، وسجلات المخزون القديمة، تقلل من نتائج الذكاء الاصطناعي أكثر مما يدركه معظم المسؤولين التنفيذيين. إذا لم تكن بيانات التелеметري يمكن ربطها بشكل موثوق به بالهوية والسياق من العناوين المعتمدة، فإن الارتباط يبقى احتماليًا وليس نهائيًا.
هنا يأتي دور الخدمات الأساسية للشبكة. DNS وDHCP وإدارة عناوين IP (معروفة باسم DDI) تشكل الخريطة المعتمدة للشبكة. كل جهاز ووظيفة وارتباط يتقاطع مع ذلك الطبقة.
عندما يتم تعزيز بيانات التелеметري لمراقبة الشبكة بالهوية والعناوين المعتمدة، يصبح التحليل متجذرا. يمكن للذكاء الاصطناعي التمييز بين السلوك المتوقع والشذوذ الحقيقي بثقة أكبر. يحدث تحليل السبب الجذري بشكل أسرع. تصبح التلقائية أكثر أمانًا.
2. قلل من انتشار الأدوات من خلال التكامل العميق
ستستمر معظم الشركات في تشغيل أنظمة مراقبة متعددة. هذا ليس المشكلة الرئيسية. المشكلة هي التكامل السطحي.
تضمين لوحة تحكم واحدة داخل أخرى أو مشاركة تصدير بيانات أساسي لا يخلق تماسكا. البيئات الناضجة تدمج على مستوى البيانات. يتناسق جمع البيانات، ويربط الإنذارات عبر المجالات، وتمكّن سير العمل التي تمتد عبر الأدوات بدلا من أن تبقى محبوسة داخلها.
عندما يصل التكامل إلى ذلك المستوى، يصبح التوحيد منطقيًا بدلا من كونه سياسيًا. الأنظمة الزائدة أسهل في الإبطال. يصبح جمع البيانات المكرر أسهل في توحيد السياق. يعمل الذكاء الاصطناعي على سياق موحد بدلا من شذوذ متشابك.
3. احدث في مراحل لتجنب الاضطراب
خوف إdestabilizing البيئات التقليدية مشروع. لا أحد يريد كسر الإنتاج أثناء سعيهم إلى النقاء المعماري. يقلل النهج المتدرج من هذا الخطر.
المرحلة الأولى: وضع الذكاء الاصطناعي كطبقة عليا
اسحب تدفق البيانات إلى طبقة تحليلات مشتركة. اغنيها بالسياق الهوياتي والسياسي. استخدم الذكاء الاصطناعي للكشف والتوصية، وليس للتنفيذ الذاتي.
المرحلة الثانية: توحيد وترشيد
عندما تحسن الارتباط وتنخفض الضوضاء، حدد الأدوات الزائدة وأبطل تلك التي لا يمكنها المشاركة في الهيكل الموحد.
المرحلة الثالثة: إدخال التلقائية المحددة
ابدا بمواقف تلقائية منخفضة المخاطر. اسمح الذكاء الاصطناعي الموجه بالاقتراح قبل السماح بالتنفيذ. توسع تدريجيا مع نمو الثقة والحوكمة.
ليس هذا حول تبديل مفتاح. إنه حول زيادة التماسك دون التضحية بالاستقرار.
الانعطاف الاستراتيجي: الانتقال إلى المُحسّن ومدفوع بالذكاء الاصطناعي
مراقبة الشبكة لم تعد مجرد مجموعة من أدوات المراقبة. إنها بنية أساسية مدفوعة بالذكاء الاصطناعي تتطلب معيارًا جديدًا. عندما ترسخ المنظمات مراقبة الشبكة في هيكل بيانات موحد وذكاء شبكة معتمدين، يصبح الذكاء الاصطناعي متوقعًا.
تنتقل التحليلات التوقعية من النظرية إلى الممارسة. من خلال تحليل البيانات التاريخية والبيانات في الوقت الفعلي معًا، يمكن للذكاء الاصطناعي تحديد الإشارات المبكرة لضغط السعة أو انحراف التكوين أو السلوك غير الطبيعي قبل أن يتصاعد. بدلا من السباق إلى إصلاح الفشل، يتدخل الفريق قبل أن يلاحظ المستخدمون التدهور. هذا مهم بشكل خاص لأن الفشل الكبير في تكنولوجيا المعلومات يمكن أن يكلف المنظمات ما يصل إلى 2 مليون دولار في الساعة.
يصبح التخطيط للقدرة ديناميكيًا بدلا من دوري. يمكن dự đoán استنفاد الموارد واشباع الخدمة في وقت مبكر، مما يسمح بالتحسين الوقائي بدلا من التوسع التفاعلي.
هذا ما سيحدث في الأفق.
إذا كانت بياناتك متجزئة، سي暴ّضها الذكاء الاصطناعي.
إذا كانت أساسك متسقة، يصبح الذكاء الاصطناعي ذا فائدة.
السؤال ليس ما إذا كنت سوف تتبنى مراقبة الشبكة المدفوعة بالذكاء الاصطناعي والذكاء. السؤال هو ما إذا كان هيكلك جاهزًا لذلك.
