Ajatusjohtajat
AI pakottaa verkkohavainnollisuuden resetin
Vuosien ajan verkkohavainnollisuus oli työkalukeskustelu. Mikä alusta kerää laajimman joukon telemetria? Mikä agentti kattaa enemmistö epätavallisista laitteista? Mikä arkkitehtuuri suoriutuu parhaiten mittakaavassa? Mihin kohtiin verkkoon pitäisi ottaa paketteja? Se keskustelu oletti, että verkko on suhteellisen vakaa ja muutos on asteittainen.
Se ei ole enää.
AI-vetämät työkuormat lisäävät liikenteen muutoksia, kun AI:n omaksuminen kiihtyy yrityksissä. Viimeisimmän tutkimuksen mukaan 88% organisaatioista käyttää AI:ta vähintään yhdessä liiketoimintafunktiossa. Hybridirakenteet ulottuvat pilveen, datakeskukseen, WAN:iin ja reunaan. Turvallisuus- ja suorituskykysignaalit ovat nyt limittäin tapoja, joita ne eivät olleet viisi vuotta sitten. Liiketoiminta odottaa nopeampaa ratkaisua, vähemmän katkoja ja selkeää vastuuta.
Tällaisen paineen alla nykyiset lähestymistavat verkkohavainnollisuuteen epäonnistuvat. Ei siksi, että tiimit puuttuvat taidoista, vaan siksi, että havainnollisuuden alla oleva arkkitehtuuri ei ole kestänyt.
Tämä ei ole lisäämällä enemmän kojussa tai keräämällä enemmän tietoa. Se on tunnustaminen, että havainnollisuuden on kehittynä joukosta työkaluja koherenttiin tietopohjaan. Se perusta on se, joka sallii verkkotoimintojen (NetOps) tiimien hyödyntää AI:ta verkkohavainnollisuudessa ja älykkyydessä.
Tässä on, miten ajatella, missä olet ja miten edetä.
Missä olet kypsyyskaavassa?
Enterprise Management Associatesin (EMA) tutkimus osoitti, että vain 46% IT-johtajista uskoi olevansa täysin onnistuneita verkkohavainnollisuustyökaluissa. Useimmat valitukset ovat hyvin tunnettuja, ja työkalujen sirpaleisuus, hälytysmelu ja huono tietolaatuus ovat listalla.
EMA:n 2025 raportissa Verkkohavainnollisuuden kypsyysmalli: miten suunnitella NetOpsin erinomaisuutta varten tunnistettiin myös viisi erillistä kypsyysastetta:
- Toiminnallinen ja reaktiivinen
- Fragmentoitu ja tilannearkainen
- Älykäs ja automaattinen
- Optimoitu ja AI-vetämä
<li<Integroitu ja keskitetysti hallittu
Tänään haluan keskittyä kolmeen keskimmäiseen vaiheeseen, joissa useimmat organisaatiot ovat, ennen kuin kuvaan polkua lopulliseen vaiheeseen.
Fragmentoitu ja tilannearkainen
Sinulla on useita havainnollisuustyökaluja. Usein kolme tai neljä. Teollisuustutkimus heijastaa samaa mallia, jossa 87% NetOps-tiimistä luottaa nyt useisiin havainnollisuustyökaluihin, mutta vain 29% hälytyksistä, jotka ne tuottavat, ovat toimintavalmiita. Kattavuus on olemassa, mutta se on epätasainen. Insinöörit toimivat integraatiokerroksena, vaihtaen konsoleja ja mieltä yhdistäen tapahtumia. AI voi olla läsnä, mutta se toimii siloissa. Tiimit työskentelevät kovaa tässä vaiheessa, mutta arkkitehtuuri toimii heitä vastaan.
Integroitu ja keskitetysti hallittu
Olet saavuttanut vahvan seurantakattavuuden infrastruktuurin ja liikenteen yli. On jonkinlainen integraatio järjestelmien välillä. Koju on standardoitu. Sinulla voi olla varhainen automaatio yleisille häiriöille.
Mutta juurisyyanalyysi riippuu edelleen manuaalisesta ompeleesta. Ennustavat näkymät ovat rajoitettuja. AI kiihdyttää analyysiä, mutta se ei perustavasti muuta, miten verkkoa ymmärretään.
Älykäs ja automaattinen
Telemetria on reaaliajassa, missä se on tärkeää. Virtaus-, paketti- ja konfiguraatiotiedot ovat yhdistettyjä. Hälytykset ovat kontekstuaalisia, eivätkä kynnyksellä ohjattuja. AI tukee poikkeama-analyysiä, kapasiteetin ennustetta ja ohjattua korjausta. Automaatio on esitelty tietoisesti ja politiikkaohjattujen rajoitusten sisällä. Vain organisaatiot, joilla on runsaasti resursseja, ovat tässä vaiheessa.
Pienempi ryhmä parhaimpien luokan organisaatioista on saavuttanut lopullisen kypsyysvaiheen, Optimoitu ja AI-vetämä. Työkalujen lisääminen ei auta sinua kehittymään.
Älykkäästä ja automaattisesta Optimoituun ja AI-vetämään: mitä tehdä seuraavaksi
Verkkohavainnollisuuden modernisointi ei vaadi vanhan poistamista. Se vaatii siirtymisen työkaluista tietopohjaan.
1. Aloita tietojen koherenssilla, ei enemmän AI:lla
Ennen AI-aloitteiden laajentamista kysy itseltäsi kysymys: onko verkkotietomme puhdas, johdonmukainen ja yhdistetty eri alueilla?
Epäjohdonmukaiset telemetrian muodot, sokeat pisteet pilvessä tai SD-WAN:ssa, kaksoiskappaleet IP-avaruudessa ja vanhentuneet inventaaritiedot heikentävät AI-tuloksia enemmän kuin useimmat johtajat toteavat. Jos telemetriaa ei voida luotettavasti kytkeä identiteettiin ja kontekstiin virallisen osoitteen avulla, korrelaatio on todennäköinen eikä määrätty.
Tässä on, missä perusrakenteiset palvelut ovat tärkeitä. DNS, DHCP ja IP-osoitteen hallinta (yhdessä tunnettu DDI:na) muodostavat virallisen verkkokartan. Jokainen laite, työkuorma ja yhteys leikkaa tuon tason.
Kun havainnollisuuden telemetria on rikastettu virallisen identiteetin ja osoitteen älykkyydellä, analyysi muuttuu perustelluksi. AI voi erottaa odotetun käyttäytymisen todellisesta poikkeamasta suuremmalla luottamuksella. Juurisyyanalyysi tapahtuu nopeammin. Automaatio muuttuu turvallisemmaksi.
2. Vähennä työkalujen sirpaleisuutta syvällä integraatiolla
Useimmat yritykset jatkavat useiden havainnollisuusjärjestelmien toimintaa. Se ei ole pääongelma. Ongelma on pintainen integraatio.
Upottaminen toisen kojun sisään tai perustietojen jakaminen ei luo koherenssia. Kypsät ympäristöt integroidaan tietotasolla. Ne koordinoivat telemetrian keräämistä, korreloivat hälytyksiä eri alueilla ja mahdollistavat työvirrat, jotka ulottuvat työkalujen yli eivätkä jää niiden sisään.
Kun integraatio saavuttaa tuon tason, konsolidointi muuttuu rationaalisemmaksi eikä poliittiseksi. Tarpeettomat järjestelmät ovat helpompia lopettaa. Päällekkäinen telemetria on helpompaa järkeistää. AI toimii yhdistetyssä kontekstissa eikä ompelemalla yhteen.
3. Modernisoi vaiheittain välttääksesi keskeytyksen
Pelko siitä, että perinteiset ympäristöt häiriintyvät, on legitimistinen. Kukaan ei halua rikkoa tuotantoa arkkitehtuurisen puhtauden tavoittelussa. Vaiheittainen lähestymistapa vähentää tuon riskin.
Vaihe yksi: Älykkään kerroksen päällekkäisyyttä
Virtaa telemetriaa jaettuun analytiikkakerrokseen. Rikasta sitä identiteetin ja käytännön kontekstilla. Käytä AI:ta havaintojen ja suositusten tunnistamiseen, ei autonomiseen täytäntöönpanoon.
Vaihe kaksi: Standardisoi ja järkeistä
Kun korrelaatio paranee ja melu vähenee, tunnista tarpeettomat työkalut ja lopeta ne, jotka eivät voi osallistua yhdistettyyn arkkitehtuuriin.
Vaihe kolme: Johda guard-railed automaatio
Aloita alhaisen riskin automaatioseinärioilla. Anna agentic AI ehdottaa korjausta ennen kuin sallit täytäntöönpano. Laajenna vähitellen, kun luottamus ja hallinto kypsyvät.
Tämä ei ole kytkimen vaihtaminen. Se on koherenssin lisääminen ilman vakauden uhraamista.
Strateginen siirtymä: siirtyminen Optimoituun ja AI-vetämään
Havainnollisuus ei ole enää työkalujen kokoelma. Se on ydin AI-vetämä infrastruktuuri, joka vaatii uuden perustan. Kun organisaatiot kiinnittävät havainnollisuuden yhdistettyyn tietoarkkitehtuuriin ja viralliseen verkkotietämykseen, AI muuttuu ennakkoivaksi.
Ennustavat analytiikat siirtyvät teoriasta käytäntöön. Analysoimalla historiallista ja reaaliaikaista telemetria yhdessä AI voi tunnistaa varhaisia merkkejä kapasiteetin jännityksestä, konfiguraatioiden siirtymisestä tai epätavallisesta käyttäytymisestä ennen kuin ne eskaloituvat. Sen sijaan, että kilpailet korjaamaan katkokset, tiimit puuttuvat ennen kuin käyttäjät huomaavat heikentymistä. Tämä on erityisen merkittävää, koska suuret IT-katkokset voivat maksaa organisaatioille jopa 2 miljoonaa dollaria tunnissa.
Kapasiteetin suunnittelu muuttuu dynaamiseksi eikä jaksolliseksi. Resurssien loppuminen ja palvelun täyttymisen voidaan ennustaa etukäteen, mikä mahdollistaa proaktiivisen optimoinnin reaktiivisen skaalauksen sijaan.
Tämä on, mitä on horisontissa.
Jos tietosi on sirpaleisia, AI paljastaa sen.
Jos perustasi on koherentti, AI muuttuu vipuksi.
Kysymys ei ole siinä, otatko AI-vetämän havainnollisuuden ja älykkyyden. Kysymys on siinä, onko arkkitehtuurisi valmis sille.
