5 Netværksopgaver, som AI kan hjælpe NetOps med, og 5 som den ikke kan

I dag udvikler sig det digitale landskab hurtigt, da kompleksiteten og omfanget af netværksinfrastrukturen fortsætter med at vokse eksponentielt. Dette fremgang bringer det med sig, at det bliver mere og mere udfordrende at styre netværk effektivt. Selvom der findes en række værktøjer, der er designet til at hjælpe NetOps-hold, hævder Gartner, at to tredjedele af netværksopgaverne stadig er manuelle. Dette resulterer i en fortsat efterspørgsel efter at strømline netværksdrift og -styring.

Yderligere kombinerer adoptionen af cloud computing og virtualiseringsteknologier samt nye teknologier og tjenester, at organisationer har brug for mere fleksible og skalerbare netværksstyringsteknologier, der kan hjælpe med den stigende mængde netværkstrafik og enheder. Mens scripting har været en måde at automatisere enkelttekniske opgaver på, er det ikke skalerbart på tværs af et helt operationshold.

Indtast AI og mere specifikt løftet om generative AI, som i de sidste to år har været en katalysator for markedet. Men med så mange AI-aktiverede teknologier, der nu rammer netværksrummet, kan det være svært at forstå, hvad funktionaliteten er ægte, og hvad der er AI-hvidvaskning. Lad os se på 5 netværksopgaver, som AI kan hjælpe NetOps-hold med i dag, og 5 områder, som den ikke kan (men måske i fremtiden?):

Hjælper NetOps-hold:

1. Infrastruktur-opdagelse og konfigurationsanalyse – Det er standardprocedur at identificere og katalogisere alle fysiske og virtuelle komponenter, der udgør en organisations IT-infrastruktur, og at undersøge indstillingerne, konfigurationerne og tilstandene for komponenterne i denne infrastruktur. Dette er en løbende proces, der kan tage timer om ugen, når den udføres manuelt. Men AI, der anvender en fuld Digital tvilling af et netværk, accelererer dramatisk denne proces (for eksempel kan BGP-tunnel ned reduceres fra 2 timer til 10 minutter) og trækker op alle livsvigtige oplysninger, et NetOps-hold måske har brug for om enhardvare eller -software, konfigurationer, ressourcer, ydeevne og sikkerhedsrisikovurderinger.

2. Dynamisk kortlægning – NetOps-hold anvender dynamisk kortlægning til netværksvisualiseringer, netværksovervågning, fejlfinding og meget mere. Det opdager automatisk, dokumenterer og opdaterer relationerne, stierne og forbindelserne mellem forskellige netværksenheder og -komponenter. AI (igen med en fuld Digital tvilling af netværket) kan dynamisk tegne og kortlægge netværkstopologi relevant for en forespørgsel eller netværksproblem på få minutter, når det er nødvendigt. Uden AI må netværksingeniører bruge flere timer pr. lokalitet med at tegne kortene i Visio (hvilket kan tilføje hundredvis af timer for at fuldt ud kortlægge et enterprise-netværk), og kortene vil gå ud af dato på uger eller endda dage.

3. Rodårsagsanalyse og afvigelsesdetektering – Hver netværksprofessionel ved, hvor vigtigt rodårsagsanalyse og afvigelsesdetektering er. De sikrer stabiliteten, sikkerheden og effektiviteten af systemer og processer. Typisk kræver dette den intuitive ekspertise af IT-fagfolk med års erfaring (ved hjælp af CLI-værktøjer, Ansible, Python osv.). Indtil AI var der ingen genveje til at opnå denne fejlfindingskundskab. AI, der er trænet af fagfolk, kan foreslå diagnose- eller vurderingslogik til brug i netværksautomatisering på samme måde, som AI allerede hjælper programmører med at generere kode. AI kan måske snart også hjælpe med at pålideligt reproducere, tilpasse og skala automatisering for hver enhed på netværket.

4. Anbefalede handlinger – Ligesom fejlfinding kræver afhjælpning af et problem (genskabelse af servicenedsættelser til den ønskede baseline) ofte ekspertfærdigheder. Dette indebærer at forskere i leverandør-dokumentation og opnå kendskab til bedste praksis og personlig erfaring. AI kan katalogisere årtiers erfaring og bedre fordele stamme-kendskab om nye problemer til ingeniører på alle niveauer. Når en diagnose er lavet og accepteret, eller uønskede tendenser er identificeret, kan AI anbefale korrektive handlinger, næste skridt, følge-op-procedurer eller ændringsforslag.

5. Dashboards og rapportering – Real-tidsobservabilitet, handlebare indsigt og evnen til at træffe underrettet beslutninger hurtigt er alle en del af NetOps-jobbeskrivelsen. Automatisering kan i høj grad strømline disse processer, men hvordan præsenteres automatiseringsresultaterne for menneskelige beslutningstagere? Visualisering af nyttige analyser er blevet sin egen industri med dusinvis af grafiske og dashboard-platforme. Men disse kræver stadig omhyggelig overvejelse og timer eller dage med arbejde for at bygge. AI kan betydeligt lette visualiseringen af observabilitets- og automatiseringsresultater ved at hjælpe med at oprette brugerdefinerede dashboards og rapporter tilpasset specifikke brugsområder til sporing, overvågning og samarbejde. Forestil dig, at du skal gennemse tusindvis af netværksindsigter indsamlet fra telemetri og automatiseret analyse, og derefter forestil dig en AI-assistent, der omdanner disse data til en visuelt overskuelig dashboard, der fremhæver kritiske problemer og prioriterede opgaver.

Ikke hjælper NetOps-hold:

1. Godkend netværksændringer – NetOps ønsker at minimere risikoen for downtime, sikre overholdelse, hjælpe med at opretholde sikkerhed og i det hele taget være i overensstemmelse med virksomhedsobjektiver, hvilket er hvorfor godkendelse af netværksændringer er så kritisk en funktion. Mens AI kan foreslå anbefalede handlinger, kan den ikke træffe en vurdering til at godkende eller afslutte netværksændringer. Disse ændringer er komplekse, og hvert enterprise-netværk er unikt, og en fejl kan koste titusindvis af dollars i downtime. AI har endnu ikke demonstreret tilstrækkelig avanceret netværkskundskab til, at chefer kan stole på den til en så vigtig opgave.

2. Design komplekse netværk – Hvert netværk og dets krav er unikt. AI kunne potentielt en dag designe simple netværk til rudimentære brugsområder, men enterprise-netværk er for komplekse og tilpasset til deres specifikke brugsområder. Et mikro-handelsfirma kan kræve et ultra-lav-latencenetværk. Et videoindhold-leveringsfirma kan kræve høj båndbredde. Et sundhedsfirma kan kræve høj tilgængelighed. For slet ikke at nævne de forskellige protokoller, der bedst kan tilpasse hvert enterprise, fra traditionel IP til multicast, MPLS og SD-WAN. AI kan ikke beregne hver enkelt iteration af et netværk og vælge den bedste design. Kun en menneske kan træffe disse overvejelser og beslutninger.

3. Træffe valg – NetOps-proffesionelle skal konstant træffe kritiske daglige beslutninger om trafikstyring, ydeevnesoptimering, reagere på alarmer og hændelser, godkende netværksændringer og mere. AI kan bestemt give information til disse beslutningstagere, men den kan ikke forstå konteksten tilstrækkeligt til at veje fordelene, træffe svære beslutninger eller vælge kompromiser. Ville du ønske, at AI traf en beslutning, der kunne påvirke netværkstjenesteydelsen til et hospital eller en regeringsagentur?

4. Tage ansvar – NetOps-hold vurderes på basis af op-tid, tilgængelighed, netværksydeevne, problemdrift, overholdelse af retningslinjer og mere. Med AI i blandingen, hvordan vurderes holdene? Vil vi tro, at “det var AIs skyld” vil være en acceptabel respons? AI vil aldrig berolige nøgleinteressenter eller kunder.

5. Innovere – Forbedret effektivitet, bedre ydeevne, øget skalerbarhed, bedre brugeroplevelse… alt dette kræver innovation. Mennesker har evnen til at forstå kompleksiteten af i dag’s netværk, kombinerer dette med virksomhedens mål og funktionerne i deres rolle for at komme med unikke ideer og løsninger. AI har ikke kapaciteten til at mutere ideer og skabe noget nyt. Den kan ikke tænke uden for kassen og give innovative netværksløsninger for enterprise-udfordringer.

Der er ingen tvivl om, at AI er et kraftfuldt værktøj, der integreres tungt på tværs af teknologistakken. Det kan tilbyde værdifuld støtte til NetOps-hold ved at forbedre synlighed, automatisere opgaver og mere. Men der er også meget, det ikke kan gøre, og sandsynligvis aldrig vil kunne gøre. Vi er lige ved begyndelsen af dette symbiotiske forhold. Hvad er den dræber-AI-funktion, du gerne vil se i NetOps?