Opomíjená role sítí v infrastruktuře AI

Organizace investují obrovské prostředky do GPU, serverů, modelů a výpočetní kapacity potřebné k nasazení AI v produkčním prostředí. Agentní AI však klade na síť jiné nároky.

Chatbot obvykle čeká, až mu někdo položí otázku, zatímco agent může dostat úkol, komunikovat s různými systémy a aplikacemi, rozhodovat se a jednat. Jakmile agenti převezmou více práce napříč podnikem, velká část této činnosti bude probíhat bez člověka u klávesnice.

Podle zprávy společnosti Google Cloud s názvem Stav infrastruktury v éře agentní AI uvádí 83 % organizací, že potřebují modernizovat infrastrukturu, aby podporovala autonomní systémy připravené pro produkční nasazení. Výpočetní výkon je sice jednou ze součástí skládačky, organizace však musí věnovat pozornost také své síti, protože ta bude muset zvládat provoz, který se neřídí obvyklým vzorcem činnosti lidského zaměstnance.

Konec sítí fungujících od devíti do pěti

Podnikové sítě byly po desetiletí navrhovány především s ohledem na způsob, jakým lidé pracují. Zaměstnanci se během pracovního dne připojují k aplikacím, přistupují k datům a využívají cloudové služby, čímž vytvářejí poměrně předvídatelné vzorce provozu, které ovlivňují architekturu i správu sítě.

AI a agentní systémy tuto rovnici mění. Agenti mohou kdykoli vykonávat úkoly a komunikovat s aplikacemi, rozhraními API, zdroji dat i dalšími agenty, čímž vytvářejí plynulejší a dynamičtější toky provozu v podnikových areálových sítích, datových centrech, cloudových prostředích i sítích WAN. S rozšiřováním nasazení musí sítě podporovat stále složitější závislosti, takže výkon, latence, odolnost a zabezpečení jsou pro spolehlivé provádění úloh zásadní.

Tyto nároky zároveň odhalují omezení tradičních modelů NetOps, které se spoléhají na monitorovací nástroje k odhalování problémů a na lidské operátory, kteří je prošetřují a řeší. Nová generace NetOps se musí posunout od správy jednotlivých zařízení a událostí k pochopení závislostí mezi aplikacemi a agenty od začátku do konce. K tomu využije hlubší přehled o dění v síti, korelaci řízenou AI, analýzu hlavních příčin a inteligentní automatizaci, která bude problémy proaktivně optimalizovat a napravovat.

Příležitost spočívá v přechodu od sítí spravovaných s pomocí AI k sítím provozovaným na základě inteligence řízené AI a kontrolované autonomie. Síťové týmy mohou věnovat méně času řešení opakujících se problémů a více času definování zásad, stanovování mantinelů a optimalizaci architektur. Konec sítí fungujících od devíti do pěti neznamená pouze to, že sítě běží nepřetržitě; jde o zásadní změnu toho, co určuje poptávku po síťových službách a jak se musí sítě navrhovat, zabezpečovat a provozovat, aby podporovaly ekosystém inteligentních autonomních systémů, který je neustále v provozu.

Od několika nástrojů AI k flotilám agentů

Většina organizací je stále ve fázi, kdy se AI snadno spravuje: v různých částech podniku fungují kopiloti, asistenti a aplikace využívající AI.

Společnost IBM však zjistila, že na rozsah nasazení agentů AI očekávaný v příštích 12 měsících je plně připraveno pouze 11 % dotázaných vedoucích pracovníků. S rozšiřováním nasazení budou mít síťové týmy více provozu k pochopení a více problémů k prošetření, často bez dalších lidí, kteří by tuto práci převzali.

Proto je důležité zkrátit čas, který technici tráví prohledáváním řídicích panelů, shromažďováním informací a předáváním běžných dotazů k řešení dalším pracovníkům. Když týmy dostanou potřebné provozní informace a pokyny k řešení problémů právě ve chvíli, kdy je potřebují, mohou si také snáze předávat zkušenosti napříč týmy, místo aby se spoléhaly na několik zkušených specialistů, kteří odpovídají na každý dotaz. Odborné znalosti pracovníků je lepší využít při rozhodnutích, která vyžadují úsudek, například při definování zásad, stanovování hranic a vyhodnocování rizik.

Síť musí být součástí strategických debat o AI

Plánování AI často začíná u modelů, aplikací, dat a výpočetních zdrojů, ale součástí těchto debat by od samého počátku měly být také sítě. Agenti potřebují správný kontext, aby mohli dávat užitečná doporučení. V oblasti síťového provozu to znamená chápat, jak spolu souvisejí informace o uživatelích, zařízeních a aplikacích, a neomezovat se na izolované upozornění nebo metriku.

Díky tomuto kontextu mohou týmy rychleji odhalit zdroj problému a rozhodnout se, jak postupovat. Lidský dohled zůstává důležitý, zejména když agenti získávají větší autonomii. Ta vyžaduje jasně stanovené meze toho, co mohou dělat samostatně, a kontrolní mechanismy, které jejich dodržování zajistí. Týmy by také měly vidět, proč bylo doporučení vydáno a o jaké informace se opíralo, než se rozhodnou, zda podle něj budou jednat.

Společnost Gartner předpovídá, že do roku 2029 budou mít alespoň 70 % organizací využívajících agenty AI v provozu IT vážné problémy se službami, zabezpečením nebo náklady, které budou alespoň částečně způsobeny nedostatečnými kontrolními mechanismy. Proto je třeba od samého počátku zahrnout do plánů infrastruktury AI přehled o dění, automatizaci, spolehlivost a kontrolu.

Budování infrastruktury pro podnik, v němž je AI neustále v provozu

Agentní AI mění způsob využívání podnikových sítí. Provoz už není tak úzce svázán s tím, kdy jsou zaměstnanci online, a síťové týmy budou muset tuto změnu zvládnout, aniž by dovolily, aby množství práce potřebné k provozu sítě rostlo stejným tempem.

Podniky nemusejí své sítě kompletně předělávat, měly by však s rostoucím využíváním AI odhalovat možná slabá místa současné infrastruktury, zejména tam, kde týmy nemají dostatečný přehled, aby dokázaly rychle identifikovat problémy, kde se začíná prodlužovat doba odezvy nebo kde běžné řešení potíží stále vyžaduje značné množství manuální práce.

Síť navržená pro pracovní den od devíti do pěti bude muset ustoupit takové, která podporuje souběžnou práci lidí, aplikací a agentů, často podle velmi odlišných časových rozvrhů a velmi rozdílnou rychlostí. To, zda je infrastruktura správně navržená, se nakonec projeví v ukazatelích, na kterých už podnikům záleží: méně výpadků, rychlejší řešení problémů, když se něco pokazí, lepší uživatelská zkušenost a méně času stráveného pátráním po příčinách potíží.