5 Netwerktaken die AI kan helpen bij NetOps, en 5 die het niet kan

Vandaag de dag evolueren digitale landschappen snel als de complexiteit en omvang van netwerkinfrastructuur exponentieel blijft groeien. Deze toename maakt het moeilijker dan ooit om netwerken efficiënt te beheren. Terwijl er een verscheidenheid aan tools is ontworpen om NetOps-teams te helpen, beweert Gartner dat twee derde van de netwerktaken nog steeds handmatig zijn. Als gevolg hiervan is er een continue vraag naar het stroomlijnen van netwerkoperaties en -beheer.

Verder zorgt de adoptie van cloud computing en virtualisatietechnologieën, in combinatie met nieuwe technologieën en diensten, ervoor dat organisaties flexibele en schaalbare netwerkbeheertechnologieën nodig hebben die kunnen helpen bij de groeiende hoeveelheid netwerkverkeer en apparaten. Terwijl scripting lange tijd een manier was om individuele ingenieurs taken te automatiseren, is het niet schaalbaar over een hele operatieteam.

Komt AI en meer specifiek, de belofte van generatieve AI, die de afgelopen twee jaar een katalysator voor de markt is geweest. Maar met zo veel AI-geactiveerde technologieën die nu de netwerkomgeving binnenkomen, kan het moeilijk zijn om te begrijpen wat de functionaliteit is en wat AI-witwassen is. Laten we kijken naar 5 netwerktaken die AI vandaag kan helpen bij NetOps-teams, en 5 gebieden waar het niet kan (maar misschien in de toekomst?):

Helpt NetOps-teams:

1. Infrastructuurontdekking en configuratieanalyse – Het is standaardoperatieprocedere om alle fysieke en virtuele componenten te identificeren en te catalogiseren die deel uitmaken van de IT-infrastructuur van een organisatie, en om de instellingen, configuraties en staten van de componenten binnen die infrastructuur te onderzoeken. Dit is een voortdurend proces dat uren per week in beslag kan nemen wanneer het handmatig wordt uitgevoerd. Maar AI, met behulp van een volledige digitale tweeling van een netwerk, versnelt dit proces aanzienlijk (bijvoorbeeld kan BGP-tunneluitval van 2 uur worden teruggebracht tot 10 minuten) en haalt alle vitale informatie op die een NetOps-team nodig heeft over apparaathardware of -software, configuraties, bronnen, prestaties en beveiligingsrisicobeoordelingen.

2. Dynamische mapping – NetOps-teams gebruiken dynamische mapping voor netwerkvisualisaties, netwerkmonitoring, foutopsporing en nog veel meer. Het ontdekt, documenteert en aktualiseert automatisch de relaties, paden en verbindingen tussen verschillende netwerkapparaten en -componenten. AI (opnieuw met een volledige digitale tweeling van het netwerk) kan dynamisch netwerktopologieën tekenen en in kaart brengen die relevant zijn voor een query of netwerkprobleem in enkele minuten, wanneer ze nodig zijn. Zonder AI moeten netwerkengineers enkele uren per site besteden aan het tekenen van kaarten in Visio (wat kan oplopen tot honderden uren om een ondernemingsnetwerk volledig in kaart te brengen) en de kaarten verouderen binnen weken of zelfs dagen.

3. Root Cause Analysis en Anomaly Detection – Elk netwerkprofessional weet hoe belangrijk root cause analysis en anomaly detection zijn. Ze garanderen de stabiliteit, beveiliging en efficiëntie van systemen en processen. Typisch vereist dit de intuïtieve expertise van IT-professionals met jarenlange ervaring (met behulp van CLI-hulpmiddelen, Ansible, Python, enz.). Tot AI waren er geen shortcuts om deze troubleshoot-kennis te verkrijgen. AI, getraind door subject-matter experts, kan diagnose- of beoordelingslogica suggereren om te gebruiken in netwerkautomatisering, net zoals AI al helpt bij het genereren van code voor programmeurs. AI kan mogelijk ook helpen bij het betrouwbaar repliceren, aanpassen en schalen van automatisering voor elk apparaat op het netwerk.

4. Aanbevolen acties – Net zoals bij het opsporen van fouten, vereist het verhelpen van een probleem (het herstellen van dienstverminderingen naar de gewenste basislijn) vaak expertvaardigheden. Dit omvat het onderzoeken van leveranciersdocumentatie en het verwerven van kennis van best practices en persoonlijke ervaring. AI kan decennia aan ervaring catalogiseren en beter tribale kennis over nieuwe problemen verdelen onder ingenieurs van elk niveau. Zodra een diagnose is gemaakt en geaccepteerd, of ongewenste trends zijn geïdentificeerd, kan AI corrigerende acties, volgende stappen, follow-upprocedures of wijzigingsvoorstellen aanbevelen.

5. Dashboards en rapporten – Realtime-inzicht, actiegebonden inzichten en de mogelijkheid om snel geïnformeerde beslissingen te nemen, zijn allemaal onderdeel van de NetOps-functiebeschrijving. Automatisering kan deze processen aanzienlijk stroomlijnen, maar hoe worden de resultaten van de automatisering gepresenteerd aan menselijke beslissers? Het visualiseren van nuttige analyses is een aparte industrie geworden met tientallen grafische en dashboardplatforms. Maar deze vereisen nog steeds zorgvuldige overweging en uren of dagen werk om te bouwen. AI kan de visualisatie van observatie- en automatiseringsresultaten aanzienlijk vergemakkelijken door te helpen bij het maken van aangepaste dashboards en rapporten die zijn afgestemd op specifieke use cases voor tracking, monitoring en samenwerking. Stel je voor dat je door duizenden netwerkinzichten moet bladeren die zijn verzameld uit telemetrie en geautomatiseerde analyse en stel je vervolgens voor dat een AI-assistent deze gegevens omzet in een overzichtelijk visueel dashboard dat urgente problemen en prioritaire taken benadrukt.

Helpt NetOps-teams niet:

1. Goedkeuren van netwerkveranderingen – NetOps wil het risico van downtime minimaliseren, ervoor zorgen dat de dienstverlening in overeenstemming is met de bedrijfsdoelstellingen, en de algehele beveiliging in stand houden, wat waarom het goedkeuren van netwerkveranderingen zo’n cruciale functie is. Terwijl AI aanbevolen acties kan suggereren, kan het geen oordeel vellen over het goedkeuren of finaliseren van netwerkveranderingen. Deze veranderingen zijn complex, elk ondernemingsnetwerk is uniek, en een fout kan tienduizenden dollars aan downtime kosten. AI heeft nog niet genoeg geavanceerde netwerkkennis getoond om executives te laten vertrouwen op zo’n belangrijke taak.

2. Ontwerp complexe netwerken – Elk netwerk en de bijbehorende eisen zijn uniek. AI zou mogelijk op een dag eenvoudige netwerken kunnen ontwerpen voor rudimentaire use cases, maar ondernemingsnetwerken zijn te complex en afgestemd op hun specifieke use cases. Een micro-handelsbedrijf kan een netwerk met ultralage latentie vereisen. Een bedrijf voor videodistributie kan een netwerk met hoge bandbreedte vereisen. Een ziekenhuis kan een netwerk met hoge beschikbaarheid vereisen. Om nog maar te zwijgen over de verschillende protocollen die het beste kunnen worden gebruikt voor elk onderneming, van traditioneel IP tot multicast, MPLS en SD-WAN. AI kan niet alle mogelijke iteraties van een netwerk berekenen en de beste ontwerpkeuze maken. Alleen een mens kan die overwegingen en beslissingen nemen.

3. Maak keuzes – NetOps-professionals moeten elke dag kritische beslissingen nemen over verkeersbeheer, prestatieoptimalisatie, reageren op waarschuwingen en incidenten, goedkeuren van netwerkveranderingen en meer. AI kan zeker informatie verschaffen aan deze beslissers, maar het kan de context niet goed genoeg begrijpen om afwegingen te maken, moeilijke beslissingen te nemen of compromissen te sluiten. Zou je AI een beslissing laten nemen die de netwerkdienstverlening van een ziekenhuis of overheidsinstelling kan beïnvloeden?

4. Neem verantwoordelijkheid – NetOps-teams worden beoordeeld op uptime, beschikbaarheid, netwerkprestaties, probleembeheer, naleving van regelgeving en meer. Met AI in het spel, hoe worden teams gemeten? Zullen we “het was de schuld van de AI” als een acceptabele reactie accepteren? AI zal nooit belanghebbenden of klanten tevreden stellen.

5. Innovatie – Verbeterde efficiëntie, betere prestaties, verhoogde schaalbaarheid, betere gebruikerservaring… al deze dingen vereisen innovatie. Mensen hebben de capaciteit om de complexiteit van hedendaagse netwerken te begrijpen, in combinatie met de bedrijfsdoelstellingen van een organisatie en de functies van hun rol, om unieke ideeën en oplossingen te komen. AI heeft niet de capaciteit om ideeën te muteren en iets nieuws te creëren. Het kan niet buiten de box denken en innovatieve netwerkoplossingen bieden voor ondernemingsuitdagingen.

Er is geen twijfel dat AI een krachtig hulpmiddel is dat zwaar wordt geïntegreerd in de technologie stack. Het kan waardevolle ondersteuning bieden aan NetOps-teams door de zichtbaarheid te vergroten, taken te automatiseren en meer. Maar er is ook veel dat het niet kan doen, en waarschijnlijk nooit zal kunnen doen. We zijn net aan het begin van deze symbiotische relatie. Wat is de dodelijke AI-functie die je zou willen zien in NetOps?