5 síťových úkolů, kterým může AI pomoci NetOps, a 5 úkolů, kterým nemůže

Dnešní digitální krajina se vyvíjí rychlostí, jako nikdy předtím, a to v důsledku exponenciálního růstu složitosti a rozsahu síťové infrastruktury. Tento růst činí správu sítí stále náročnější. Přestože existuje řada nástrojů, které mají pomoci týmům NetOps, tvrdí Gartner, že dvě třetiny síťových úkolů jsou stále manuální. V důsledku toho je zde neustálá poptávka po zefektivnění síťových operací a správy.

Další skutečnosti, jako je přijetí cloud computingu a virtualizace, v kombinaci s novými technologiemi a službami, znamenají, že organizace potřebují flexibilnější a škálovatelnější síťové technologie, které mohou pomoci s rostoucím 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 konkrétně slib generativní AI, který za posledních dva roky katalyzoval trh. Ale s tolik AI-podporovanými technologiemi, které nyní vstupují do síťového prostoru, může být obtížné pochopit, co je skutečné a co je pouze AI whitewashing. Podívejme se na 5 síťových úkolů, kterým může AI pomoci týmům NetOps dnes, a 5 oblastí, kterým nemůže (a možná nikdy nebude moci):

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 zkoumat nastavení, konfigurace a stavy komponent uvnitř této infrastruktury. Tento proces může trvat hodiny týdně, pokud je prováděn manuálně. Ale AI, využívající plnou Digitální dvojici sítě, dramaticky urychluje tento proces (například BGP tunel down může být snížen z 2 hodin na 10 minut) a poskytuje všechny důležité informace, které tým NetOps potřebuje o hardwaru zařízení nebo softwaru, konfiguracích, zdrojích, výkonu a hodnoceních bezpečnostních rizik.

2. Dynamické mapování – Týmy NetOps používají dynamické mapování pro síťové visualizace, síťové monitorování, odstraňování problémů a mnoho dalšího. Automaticky objevuje, dokumentuje a aktualizuje vztahy, cesty a spojení mezi různými síťovými zařízeními a komponentami. AI (opět s plnou Digitální dvojicí sítě) může dynamicky kreslit a mapovat síťovou topologii relevantní pro dotaz nebo síťový problém během několika minut, kdykoli je to potřeba. Bez AI musí síťoví inženýři strávit několik hodin na místě kreslením map v programu 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 vyžaduje intuivní odborné znalosti IT profesionálů s lety zkušeností (používajících nástroje CLI, Ansible, Python atd.). Dokud nebyla AI, nebyly žádné zkratky pro získání této analytické znalosti. AI, vycvičená 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, tak i náprava problému (obnovení degradací služby na požadovanou úroveň) často vyžaduje odborné znalosti. To zahrnuje výzkum dokumentace výrobců a získání znalostí o nejlepších postupech a osobních zkušenostech. AI může katalogizovat desetiletí zkušeností a lépe distribuovat znalosti o nových problémech inženýrům všech úrovní. Jakmile je provedena diagnóza a přijata, nebo jsou identifikovány nežádoucí trendy, AI může navrhnout nápravná opatření, další kroky, postupy nebo návrhy změn.

5. Dashboary a reporty – Skutečná viditelnost, akční přehledy a schopnost učinit informovaná rozhodnutí rychle jsou všechny součástí popisu práce NetOps. Automatizace může tyto procesy značně urychlit, ale jak jsou výsledky automatizace prezentovány lidským rozhodovatelům? Vizualizace užitečných analýz se stala samostatnou branží s desítkami grafických a dashboardových platforem. Ale tyto stále vyžadují pečlivé zvážení a hodiny nebo dny práce na jejich sestavení. AI může významně usnadnit vizualizaci výsledků viditelnosti a automatizace tím, že pomáhá při vytváření vlastních dashboardů a reportů přizpůsobených konkrétním případům použití pro sledování, monitorování a spolupráci. Představte si, že musíte procházet tisíce síťových přehledů získaných z telemetrie a automatizované analýzy, a poté si představte AI asistenta, který transformuje tato data do přehledného vizuálního dashboardu, který zdůrazňuje naléhavé problémy a priority úkolů.

Nepomáhá týmům NetOps:

1. Schvalování síťových změn – NetOps chce minimalizovat riziko výpadku, zajistit soulad, pomoci udržet bezpečnost a celkově sladit s obchodními cíli, a proto je schvalování síťových změn tak důležitou funkcí. Přestože AI může navrhnout doporučené akce, nemůže učinit soudní rozhodnutí o schválení nebo dokončení síťových změn. Tyto změny jsou komplexní, každá podniková síť je jiná, a chyba může stát desítky tisíc dolarů ve formě výpadku. AI dosud neprokázala dostatečné pokročilé síťové znalosti, aby mohli výkonní manažeři důvěřovat jí v tak důležité úkolu.

2. Navrhování komplexních sítí – Každá síť a její požadavky jsou jedinečné. AI by mohla potenciálně navrhnout jednoduché sítě pro základní případy použití, ale podnikové sítě jsou příliš komplexní a přizpůsobené svým konkrétním případům použití. Společnost pro mikroobchodování 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. Nezmíníme-li 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. Jen člověk může učinit tato rozhodnutí.

3. Učinění rozhodnutí – Odborníci NetOps musí neustále učinit kritická rozhodnutí týkající se správy provozu, optimalizace výkonu, reakce na upozornění a incidenty, schvalování síťových změn a další. AI může poskytnout informace pro tyto rozhodovací procesy, ale nemůže dostatečně pochopit kontext, aby mohla vážit kompromisy, učinit těžká rozhodnutí nebo zvolit kompromisy. Chcete, aby AI učinila rozhodnutí, které by mohlo ovlivnit dodávku síťových služeb nemocnice nebo vládní agentury?

4. Přijetí odpovědnosti – Týmy NetOps jsou hodnoceny na základě dostupnosti, síťového výkonu, správy problémů, souladu s předpisy a další. S AI v mixu, jak jsou týmy měřeny? Budeme-li říkat, že „to byla chyba AI“, bude to přijatelná odpověď? AI nikdy neuspokojí klíčové stakeholdery nebo zákazníky.

5. Inovace – Zlepšená efektivita, lepší výkon, zvýšená škálovatelnost, lepší uživatelská zkušenost… všechny tyto věci vyžadují inovace. Lidé mají schopnost pochopit složitost dnešních sítí, kombinovat ji s obchodními cíli organizace a funkcemi své role, aby vytvořili jedinečné nápady a řešení. AI nemá kapacitu mutovat nápady a vytvořit něco nového. Nemůže myslet mimo rámec a poskytovat inovativní síťová řešení pro podnikové výzvy.

Bez pochyby je AI mocným nástrojem, který je silně integrován napříč technologickým stackem. Může nabídnout cennou podporu týmům NetOps zlepšením viditelnosti, automatizací úkolů a další. Ale je také mnoho věcí, které nemůže udělat, a možná nikdy nebude moci udělat. Jsme teprve na počátku tohoto symbiotického vztahu. Jakou zabijáckou AI funkci byste rádi viděli v NetOps?