アジェンティックNOCの時代が今

モダンなネットワークは、リモートワークとAIおよびSaaSの急速な採用の時代に突入してから、僅か数年前のものとはほとんど似ていない。以前は中央集権的で比較的予測可能だったものが、今やクラウドプラットフォーム、エッジデバイス、支社、自宅のインターネット、オンプレミスシステムの複雑な網の目となっている。

伝統的なネットワークオペレーションセンター（NOC）は、このような環境に対応するように設計されていない。ほとんどの監視ツールでは、依然として異なるシステム間で手動でのデータ相関が必要であり、可視性を維持することが難しくなり、エンジニアは迅速な決定とトラブルシューティングを行う必要があるときに、矛盾するアラートの無尽の洪水に直面することになる。

サービスプロバイダーとエンタープライズITチームも、同様のプレッシャーに直面している。マージンは狭く、チームはよりスリムになっているが、顧客獲得サイクルの標準は変わらない。契約が収益化されるまでに8〜10カ月かかる場合、顧客の維持と高品質な顧客体験の周りには、高いリスクが存在する。

全体として、アジェンティックNOCの舞台は完璧に整えられている。

アジェンティックNOCの構築

ガートナーの報告書によると、現在アジェンティックAIを導入している組織は17%のみであるが、60%の組織は2年以内に導入する予定である。このテクノロジーは、データを能動的に推論する能力により、定義されたタスクの自動化のみではなく、積極的に推論する能力により、急速に採用されている。

NOCの場合、アジェンティックAIは、断片化または挫折と、迅速な解決時間、ダウンタイムの減少、環境のより完全な理解の違いである。ただし、これらの利点が実現するためには、アジェンティックNOCは、AIと人間のオペレーターの間のコラボレーションに基づいて構築される必要がある。速度は、正確性と信頼性よりも重要ではない。AIがトリアージ、ルート原因分析、最終的にアクションの推奨を行うことができる場合、人間の判断は、最後の検証には不可欠である。

アジェンティックNOCは、構造化されたデータによっても定義される。正確なインベントリ、ラベリングと命名規則の統一、トラフィック、ルーティング、パフォーマンスへのネットワーク全体の可視性は、現在起こっていること、ネットワークがどのように動作するべきか、以前の問題はどのように解決されたかを示す。 このビューがない場合、分析は不完全であり、オペレーターは、見ることができないものや理解できないものを自動化することはできない。

部族的知識の取得も、このカテゴリに含まれる。

NOCの最大の資源は、エンジニアの頭脳である。経験と直感の組み合わせは、ネットワークの問題を診断して解決してきた年数の積み重ねであり、最も高度なAIモデルでも、支援なしでは再現できないものである。 したがって、この部族的知識は、文書化され、AIが消費して再利用できる形式に翻訳される必要がある。 また、精密に洗練されたランブックと集中化された学習ループも、人間と機械の行動をより効果的に改善するための基準を提供する役割を果たす。

実際の利点

ITとネットワークの問題は、2024年の最も重大なダウンタイムの23%の背後にある。 同じ分析では、過去3年間で、約40%の組織が人間のミスの結果として主要なダウンタイムを経験したことがわかった。 このダウンタイム率は、ビジネス、エンジニア、消費者から見ても、持続可能ではない。 ただし、アジェンティックNOCがなぜ如此に重要かを示すものである。

アジェンティックNOCの約束は、自律性のためだけではなく、実際のネットワークの可視性に基づいた、より迅速で自信のある運用である。 問題がネットワークに発生した場合、最大の遅延は、検出ではなく、変更されたもの、影響を受けたもの、次に何をすべきかを理解することである。 アジェンティックシステムは、このタイムラインを圧縮するのに役立つ。 ルート原因分析の高速化から始まる。

問題の根本原因を、数分でではなく、数時間または数日で特定することの違いは、巨大である。 中規模から大規模な企業の場合、ネットワークのダウンタイム1時間あたりの平均コストは30万ドルを超える。 実際、41%の企業は、ITICの最近の調査によると、1時間あたりのダウンタイムコストが100万ドルから500万ドル以上に及ぶと報告している。

しかし、現実は、オペレーターが手動でデータを調べる場合、後者の方が近い。 一方、アジェンティックAIツールは、潜在的な原因と影響を受けるサービスを数秒で特定し、次のステップを推奨できる。 金銭的利益がこのような場合、迅速な根本原因分析とより安全な修復は、絶対に必要である。

戦術的なタスクを強化することに加えて、アジェンティックNOCは、組織全体のエンジニアの専門知識を結集した共有リソースとして機能する。 長期的には、このプロセスは、各インシデントの成功と課題から学び、AIの推奨事項を改善するための継続的な学習ループを作成する。

例えば、ある会社は、ネットワークのパフォーマンスの問題に悩まされており、効率を改善するために新しいデバイスを導入しようとしたが、構成の変更が必要であった。 その過程で何かが間違って、ダウンタイムが発生した。 アジェンティックNOCの時代には、AIシステムは、テレメトリ、トポロジー、デバイスの状態、最近の変更を相関させ、オペレーターが根本原因を特定するのを助けることができる。 アジェンティックシステムのネットワーク運用への影響は明らかであり、データもそれを裏付けている。

マッキンゼーは最近、ネットワーク運用における自律的な問題解決と修復により、トラブルシューティングのチケットが最大70%減少し、運用コストが55〜80%削減され、修復時間が30〜40%改善されたと発表した。

注意すべき課題

組織が犯す最も一般的な間違いは、必要な基盤を確立せずにAIに全てを注ぎ込むことである。 労働者の70%がAIの利点に熱心であるというKPMGの報告書によると、信頼できるデータと文書化されたプロセスがなければ、これらのシステムの価値は損なわれる。

代わりに、AIは漸進的に導入されるべきである。 アジェンティックNOCの構築は、旅である。 最終的には、システムは、温度の上昇やデバイスの再起動の傾向を検出するような、より高度なプロアクティブなユースケースを担うべきである。 ただし、最初は、診断を支援するような小さなタスクに焦点を当てることが、システムが学習し改善するためのスペースを残すことになる。

別の間違いは、すべてのアクションが自動化の恩恵を受けることができるという考えである。 良いルールは、人間が同じ問題を繰り返し解決する場合、そのタスクは自動化の良い候補である。 この漸進的なアプローチは、信頼と信頼性を構築する上でも役立つ。

2025年2月以降、アメリカの従業員の中でのAIへの信頼は33%減少した。 デロイトの調査によると、AIへの信頼は減少している。 マッキンゼーの2026年のAI信頼性指数によると、アメリカの企業の多く（74%）が、AIの出力の不正確さを最も懸念しており、それに続いてサイバーセキュリティの問題（72%）がある。 KPMGの報告書では、アメリカの労働者がAIを熱心に受け入れていると述べられているが、その報告書では、AIを信頼する人は41%のみである。

AIへの躊躇を先取りするには、ガバナンスと説明可能性が重要である。 明確な運用ガイドラインと監査トレイルにより、エンジニアはAIエージェントが最終的な推奨事項に到達する方法と、エラーを検出して修正するメカニズムを明確に理解できる。 信頼、ガバナンス、人間の検証は、有用なアジェンティック運用とリスクのある自動化を区別するものである。 したがって、アジェンティックNOCの目的は、人間の監視を除去することではなく、強化することであるべきである。

現代のネットワークは、今日のオペレーターに多くのことを求めている。 これに追いつくために、人間の努力は、繰り返しのトリアージから、ポリシー、検証、ガバナンス、そして新しい、または高リスクのケースへのシフトが必要である。 アジェンティックAIは、このシフトを可能にする。 問題を早期に特定し、チーム間で知識を効果的に共有し、意思決定をより一貫性のあるものにする。 ネットワークの監視とメンテナンスの継続的な進化と改善は、アジェンティックAIに根ざしている。