5 Tareas de Redes que AI Puede Ayudar a los Equipos de NetOps, y 5 que No

Hoy en día, los paisajes digitales están evolucionando rápidamente a medida que la complejidad y la escala de la infraestructura de red siguen creciendo exponencialmente. Esto está haciendo que sea más desafiante que nunca gestionar las redes de manera eficiente. Aunque existen variedad de herramientas diseñadas para ayudar a los equipos de NetOps, Gartner afirma que dos tercios de las tareas de red aún son manuales. Como resultado, hay una demanda continua para optimizar las operaciones y la gestión de redes.

Además, la adopción de la computación en la nube y la virtualización, combinada con nuevas tecnologías y servicios, significa que las organizaciones necesitan tecnologías de gestión de redes más flexibles y escalables que puedan ayudar con el aumento del tráfico y los dispositivos de red. Aunque la programación ha sido durante mucho tiempo una forma de automatizar tareas de ingeniería individuales, no es escalable en todo el equipo de operaciones.

Entonces, entra en escena el AI y, más específicamente, la promesa de generative AI, que en los últimos dos años ha sido un catalizador para el mercado. Pero con tantas tecnologías habilitadas por AI que ahora están llegando al espacio de redes, puede ser difícil entender qué funcionalidad es real y qué es solo un lavado de cara de AI. Veamos 5 tareas de redes que el AI puede ayudar a los equipos de NetOps hoy en día, y 5 áreas en las que no puede (pero podría en el futuro):

Ayuda a los Equipos de NetOps:

1. Descubrimiento de Infraestructura y Análisis de Configuración – Es un procedimiento operativo estándar identificar y catalogar todos los componentes físicos y virtuales que componen la infraestructura de TI de una organización, y examinar los ajustes, configuraciones y estados de los componentes dentro de esa infraestructura. Este es un proceso continuo que puede tomar horas a la semana cuando se realiza manualmente. Pero el AI, utilizando un Digital Twin completo de una red, acelera dramáticamente este proceso (por ejemplo, un túnel BGP hacia abajo se puede reducir de 2 horas a 10 minutos) y extrae cualquier información vital que un equipo de NetOps pueda necesitar sobre hardware o software de dispositivos, configuraciones, recursos, rendimiento y evaluaciones de riesgos de seguridad.

2. Asignación Dinámica – Los equipos de NetOps utilizan la asignación dinámica para visualizaciones de red, monitoreo de red, solución de problemas y mucho más. Automáticamente descubre, documenta y actualiza las relaciones, rutas y conexiones entre varios dispositivos y componentes de red. El AI (de nuevo con un Digital Twin completo de la red) puede dibujar y asignar dinámicamente la topología de la red relevante para una consulta o problema de red en minutos, siempre que sea necesario. Sin AI, los ingenieros de red deben pasar varias horas por sitio dibujando los mapas en Visio (lo que puede sumar cientos de horas para mapear completamente una red empresarial) y los mapas se vuelven obsoletos en semanas o incluso días.

3. Análisis de Causa Raíz y Detección de Anomalías – Cada profesional de redes sabe cuán importante es el análisis de causa raíz y la detección de anomalías. Garantizan la estabilidad, la seguridad y la eficiencia de los sistemas y procesos. Normalmente, esto requiere la experiencia intuitiva de profesionales de TI con años de experiencia (utilizando herramientas de CLI, Ansible, Python, etc.). Hasta el AI, no había atajos para adquirir este conocimiento de solución de problemas. El AI, entrenado por expertos en la materia, puede sugerir lógica de diagnóstico o evaluación para utilizar en la automatización de red, similar a cómo el AI ya ayuda a los programadores a generar código. El AI también puede ayudar a replicar, adaptar y escalar la automatización para cada dispositivo de la red.

4. Acciones Recomendadas – Al igual que la solución de problemas, remediar un problema (restaurar degradaciones de servicio al nivel de referencia deseado) a menudo requiere habilidades expertas. Esto implica investigar la documentación del proveedor y adquirir conocimientos de las mejores prácticas y la experiencia personal. El AI puede catalogar décadas de experiencia y distribuir mejor el conocimiento tribal sobre cuestiones novedosas a ingenieros de todos los niveles. Una vez que se realiza un diagnóstico y se acepta, o se identifican tendencias no deseadas, el AI puede recomendar acciones correctivas, próximos pasos, procedimientos de seguimiento o propuestas de cambio.

5. Paneles y Informes – La observabilidad en tiempo real, las ideas procesables y la capacidad de tomar decisiones informadas rápidamente son parte de la descripción del trabajo de NetOps. La automatización puede simplificar enormemente estos procesos, pero ¿cómo se presentan los resultados de la automatización a los responsables de la toma de decisiones humanas? La visualización de análisis útiles se ha convertido en una industria en sí misma, con docenas de plataformas de gráficos y paneles. Pero estas aún requieren una cuidadosa consideración y horas o días de trabajo para construir. El AI puede facilitar significativamente la visualización de los resultados de la observabilidad y la automatización asistiendo en la creación de paneles y informes personalizados adaptados a casos de uso específicos para el seguimiento, el monitoreo y la colaboración. Imagina tener que revisar miles de ideas de red recopiladas de telemetría y análisis automatizados y luego imagina un asistente de AI que transforma esos datos en un panel de visualización que destaca problemas urgentes y tareas prioritarias.

No Ayuda a los Equipos de NetOps:

1. Aprobar Cambios de Red – Los equipos de NetOps desean minimizar el riesgo de tiempo de inactividad, garantizar el cumplimiento, ayudar a mantener la seguridad y, en general, alinearse con los objetivos comerciales, lo que hace que aprobar los cambios de red sea una función tan crucial. Aunque el AI puede sugerir acciones recomendadas, no puede tomar una decisión para aprobar o finalizar los cambios de red. Estos cambios son complejos, cada red empresarial es diferente y un error puede costar decenas de miles de dólares en tiempo de inactividad. El AI no ha demostrado suficientes conocimientos avanzados de redes para que los ejecutivos confíen en él para una tarea tan importante.

2. Diseñar Redes Complejas – Cada red y sus requisitos son únicos. El AI podría potencialmente diseñar redes simples para casos de uso rudimentarios algún día, pero las redes empresariales son demasiado complejas y personalizadas para sus casos de uso específicos. Una empresa de comercio de micro acciones podría requerir una red de latencia ultra baja. Una empresa de entrega de contenido de video podría requerir una red de alta ancho de banda. Una empresa de atención médica podría requerir una red de alta disponibilidad. Además, hay varios protocolos que podrían ser los mejores para cada empresa, desde IP tradicional hasta multicast, MPLS y SD-WAN. El AI no puede calcular cada posible iteración de una red y elegir el mejor diseño. Solo un ser humano puede tomar esas consideraciones y decisiones.

3. Tomar Decisiones – Los profesionales de NetOps constantemente tienen que tomar decisiones críticas diarias sobre la gestión de tráfico, la optimización del rendimiento, la respuesta a alertas y incidentes, la aprobación de cambios de red y más. El AI puede proporcionar información a estos responsables de la toma de decisiones, pero no puede entender el contexto lo suficiente como para sopesar las compensaciones, tomar decisiones difíciles o elegir compromisos. ¿Querrías que el AI tomara una decisión que podría afectar la entrega de servicios de red de un hospital o una agencia gubernamental?

4. Asumir la Responsabilidad – Los equipos de NetOps son juzgados según el tiempo de actividad, la disponibilidad, el rendimiento de la red, la gestión de problemas, el cumplimiento de la normativa y más. Con el AI en la mezcla, ¿cómo se miden los equipos? ¿Pensamos que “fue culpa del AI” será una respuesta aceptable? El AI nunca aplacará a los partes interesados clave o a los clientes.

5. Innovar – La mejora de la eficiencia, un mejor rendimiento, una mayor escalabilidad, una mejor experiencia del usuario… todo esto requiere innovación. Los humanos tienen la capacidad de entender la complejidad de las redes de hoy, combinar eso con los objetivos comerciales de una organización y las funciones de su rol para generar ideas y soluciones únicas. El AI no tiene la capacidad de mutar ideas y crear algo nuevo. No puede pensar fuera de la caja y proporcionar soluciones de red innovadoras para los desafíos empresariales.

No hay duda de que el AI es una herramienta poderosa que se está integrando intensamente en toda la pila de tecnología. Puede ofrecer un apoyo valioso a los equipos de NetOps al mejorar la visibilidad, automatizar tareas y más. Pero también hay mucho que no puede hacer, y probablemente nunca podrá hacer. Estamos apenas al comienzo de esta relación simbiótica. ¿Cuál es la función de AI asesina que te gustaría ver en NetOps?