5 úloh sítě, se kterými může AI pomoci NetOps, a 5 úloh, se kterými nemůže

Dnešní digitální krajiny se vyvíjejí rychle, protože složitost a rozsah síťové infrastruktury neustále rostou exponenciálně. Tento růst činí správu sítí efektivně obtížnější než kdykoli předtím. Přestože existuje řada nástrojů navržených pro pomoc týmům NetOps, Gartner tvrdí, že dvě třetiny síťových úloh jsou stále manuální. V důsledku toho existuje neustálá poptávka po streamlinování síťových operací a správy.

Další rozvoj cloud computingu a virtualizačních technologií v kombinaci s novými technologiemi a službami znamená, že organizace potřebují flexibilnější a škálovatelnější síťové technologie pro správu, které mohou pomoci se zvyšujícím se objemem síťového provozu a zařízení​. Přestože skriptování bylo po dlouhou dobu způsobem, jak automatizovat jednotlivé inženýrské úkoly, není škálovatelné napříč celou operační týmem.

Vstoupí AI a konkrétněji slib generative AI, který za poslední dva roky byl katalyzátorem trhu. Ale s tolik AI-podporovanými technologiemi, které nyní vstupují do síťového prostoru, může být obtížné pochopit, co je skutečná funkčnost a co je pouze AI whitewashing. Podívejme se na 5 síťových úloh, se kterými může AI pomoci týmům NetOps dnes, a 5 oblastí, se kterými nemůže (ale možná v budoucnu?):

Pomáhá týmům NetOps:

1. Zjišťování infrastruktury a analýza konfigurace – Je standardní postup identifikovat a katalogizovat všechny fyzické a virtuální komponenty, které tvoří IT infrastrukturu organizace, a prozkoumat nastavení, konfigurace a stavy komponent uvnitř této infrastruktury. Tento proces může trvat hodiny týdně, když je prováděn manuálně. Ale AI, využívající plný Digital Twin sítě, dramaticky urychluje tento proces (například BGP tunel down může být snížen z 2 hodin na 10 minut) a vyhledává jakékoli důležité informace, které tým NetOps může potřebovat o hardwaru zařízení nebo softwaru, konfiguracích, zdrojích, výkonu a bezpečnostních rizicích.

2. Dynamické mapování – Týmy NetOps používají dynamické mapování pro síťové visualizace, síťové monitorování, odstraňování problémů a mnohem více. Automaticky objevuje, dokumentuje a aktualizuje vztahy, cesty a spojení mezi různými síťovými zařízeními a komponentami. AI (opět s plným Digitálním dvojčetem sítě) může dynamicky kreslit a mapovat síťovou topologii relevantní k dotazu nebo síťovému problému během několika minut, kdykoli jsou potřeba. Bez AI musí síťoví inženýři strávit několik hodin na místě kreslením map v aplikaci Visio (což může přidat stovky hodin pro úplné mapování podnikové sítě) a mapy budou zastaralé během týdnů nebo dokonce dnů.

3. Analýza kořenové příčiny a detekce anomálií – Každý síťový profesionál ví, jak důležité je analýza kořenové příčiny a detekce anomálií. Zajišťují stabilitu, bezpečnost a efektivitu systémů a procesů. Obvykle to vyžaduje intuitivní odborné znalosti IT profesionálů s lety zkušeností (používajících CLI nástroje, Ansible, Python atd.). Až do AI neexistovaly žádné zkratky pro získání těchto znalostí pro odstraňování problémů. AI, školená odborníky, může navrhnout diagnostiku nebo hodnocení logiky pro použití v síťové automatizaci podobně jako AI již pomáhá programátorům generovat kód. AI může brzy také pomoci spolehlivě replikovat, adaptovat a škálovat automatizaci pro každé zařízení v síti.

4. Doporučené akce – Stejně jako odstraňování problémů, odstranění problému (obnovení degradace služby na požadovanou základní úroveň) často vyžaduje odborné dovednosti. To zahrnuje výzkum dokumentace dodavatele a získání znalostí o nejlepších postupech a osobních zkušenostech. AI může katalogizovat desetiletí zkušeností a lépe distribuovat kmenové znalosti o nových problémech inženýrům všech úrovní. Jakmile je provedena diagnóza a přijata, nebo jsou identifikovány nežádoucí trendy, AI může navrhnout korekční akce, další kroky, postupy nebo návrhy změn.

5. Dashbordy a reporty – V reálném čase jsou pozorovatelnost, akční přehledy a schopnost učinit informovaná rozhodnutí rychle všechny součástí popisu práce NetOps. Automatizace může výrazně streamlinovat tyto procesy, ale jak jsou výsledky automatizace prezentovány lidským rozhodnutím? Vizualizace užitečných analýz se stala samostatným odvětvím s desítkami grafických a dashboard platforem. Ale tyto stále vyžadují pečlivé zvážení a hodiny nebo dny práce na jejich vytvoření. AI může výrazně usnadnit vizualizaci výsledků pozorovatelnosti a automatizace tím, že pomůže při vytváření vlastních dashboardů a reportů přizpůsobených konkrétním případům použití pro sledování, monitorování a spolupráci. Představte si, že musíte procházet tisíce síťových přehledů shromážděných z telemetrie a automatizované analýzy a poté si představte AI asistenta, který transformuje tato data do přehledného vizuálního dashboardu, který zdůrazňuje naléhavé problémy a úkoly s vysokou prioritou.

Nepomáhá týmům NetOps:

1. Schválit síťové změny – NetOps chce minimalizovat riziko výpadku, zajistit dodržování předpisů, pomoci udržet bezpečnost a celkově se shodovat s obchodními cíli, což je důvod, proč je schvalování síťových změn tak kritickou funkcí. Přestože AI může navrhnout doporučené akce, nemůže učinit rozhodnutí o schválení nebo dokončení síťových změn. Tyto změny jsou komplexní, každá podniková síť je jiná a chyba může stát desítky tisíc dolarů za výpadek. AI dosud neprokázala dostatečné pokročilé síťové znalosti pro to, aby výkonní manažeři důvěřovali jí při tak důležité úloze.

2. Navrhnout komplexní sítě – Každá síť a její požadavky jsou jedinečné. AI by mohla potenciálně navrhnout jednoduché sítě pro základní použití, ale podnikové sítě jsou příliš komplexní a přizpůsobené konkrétním případům použití. Mikroobchodní společnost může vyžadovat síť s ultra-nízkou latencí. Společnost pro doručování videoobsahu může vyžadovat síť s vysokou šířkou pásma. Zdravotnická společnost může vyžadovat síť s vysokou dostupností. Není třeba zmínit různé protokoly, které by nejlépe vyhovovaly každé společnosti, od tradičního IP, multicast, MPLS a SD-WAN. AI nemůže vypočítat každou možnou iteraci sítě a zvolit nejlepší návrh. Pouze člověk může učinit tato rozhodnutí a úvahy.

3. Učinit volby – Odborníci NetOps neustále musí učinit denně kritická rozhodnutí týkající se správy provozu, optimalizace výkonu, reakce na upozornění a incidenty, schvalování síťových změn a další. AI může určitě poskytnout informace pro tyto rozhodování, ale nemůže dostatečně pochopit kontext, aby vyvážila kompromisy, učinila těžká rozhodnutí nebo zvolila kompromisy. Chcete, aby AI učinilo rozhodnutí, které by mohlo ovlivnit síťovou službu nemocnice nebo vládní agentury?

4. Přijmout odpovědnost – Týmy NetOps jsou hodnoceny na základě dostupnosti, výkonu sítě, správy problémů, dodržování předpisů a dalších. S AI v mixu, jak jsou týmy měřeny? Myslíme, že „byla to chyba AI“ bude přijatelnou odpovědí? AI nikdy neuspokojí klíčové stakeholdery nebo zákazníky.

5. Inovovat – Vylepšená efektivita, lepší výkon, zvýšená škálovatelnost, lepší uživatelský zážitek… všechny tyto věci vyžadují inovace. Lidé mají schopnost pochopit složitost dnešních sítí, kombinovat ji s obchodními cíli organizace a funkcemi své role a vytvářet jedinečné nápady a řešení. AI nemá kapacitu mutovat nápady a vytvořit něco nového. Nemůže myslet mimo krabici a poskytovat inovativní síťová řešení pro podnikové výzvy.

Není pochyb o tom, že AI je mocným nástrojem, který je silně integrován napříč technologickým stackem. Může nabídnout cennou podporu týmům NetOps tím, že zlepšuje viditelnost, automatizuje úkoly a další. Ale existuje mnoho věcí, které nemůže udělat, a pravděpodobně nikdy nebude moci udělat. Jsme teprve na začátku tohoto symbiotického vztahu. Jaká je vražedná AI funkce, kterou byste rádi viděli v NetOps?