Nettverkenes oversette rolle i KI-infrastrukturen

Organisasjoner investerer store summer i GPU-er, servere, modeller og datakapasiteten som trengs for å sette KI i produksjon. Men agentisk KI stiller andre krav til nettverket.

En chatbot venter vanligvis på at noen stiller den et spørsmål, mens en agent kan få en oppgave, samhandle med ulike systemer og applikasjoner, ta beslutninger og handle. Etter hvert som agentene får flere oppgaver i virksomheten, vil mye av denne aktiviteten foregå uten at noen sitter ved et tastatur.

Ifølge Google Clouds infrastrukturstatus i den agentiske KI-æraen sier 83 % av organisasjonene at de trenger å oppgradere infrastrukturen for å støtte autonome systemer som er klare for produksjonsbruk. Datakraft er en del av bildet, men organisasjonene må også prioritere nettverket, ettersom det må håndtere aktivitet som ikke følger det typiske mønsteret til en menneskelig ansatt.

Slutten på 9–5-nettverket

I flere tiår har bedriftsnettverk i stor grad vært utformet med utgangspunkt i hvordan mennesker jobber. Ansatte kobler seg til applikasjoner, får tilgang til data og bruker skytjenester gjennom arbeidsdagen. Det skaper relativt forutsigbare trafikkmønstre som legger føringer for nettverksarkitektur og drift.

KI og agentiske systemer endrer dette bildet. Agenter kan utføre oppgaver og samhandle med applikasjoner, API-er, datakilder og andre agenter når som helst på døgnet. Det skaper mer kontinuerlige og dynamiske trafikkstrømmer på tvers av campusnettverk, datasentre, skymiljøer og WAN. Etter hvert som utrullingene vokser, må nettverkene håndtere stadig mer komplekse avhengigheter, noe som gjør ytelse, forsinkelse, robusthet og sikkerhet avgjørende for pålitelig gjennomføring.

Disse kravene avdekker også begrensningene ved tradisjonelle NetOps-modeller, som bygger på overvåkingsverktøy for å identifisere problemer og menneskelige operatører for å undersøke og løse dem. Neste generasjon NetOps må gå lenger enn å administrere enkeltstående enheter og hendelser. Den må forstå avhengighetene mellom applikasjoner og agenter fra ende til ende, ved hjelp av bedre innsyn, KI-drevet korrelasjon og rotårsaksanalyse samt intelligent automatisering for å optimalisere og rette opp problemer proaktivt.

Muligheten ligger i å gå fra nettverk som administreres med KI-støtte, til nettverk som drives ved hjelp av KI-basert intelligens og styrt autonomi. Nettverksteam kan bruke mindre tid på feilsøking av gjentakende problemer og mer tid på å utforme retningslinjer, etablere tydelige rammer og optimalisere arkitekturer. Slutten på 9–5-nettverket handler ikke bare om at nettverkene er i drift 24/7; det handler om en grunnleggende endring i hva som driver etterspørselen etter nettverk, og hvordan nettverkene må utformes, sikres og driftes for å støtte et økosystem av intelligente, autonome systemer som alltid er tilgjengelig.

Fra noen få KI-verktøy til flåter av agenter

De fleste organisasjoner er fortsatt på et stadium der KI er enkel å administrere, med KI-assistenter, assistenter og KI-applikasjoner i bruk på ulike deler av virksomheten.

IBM fant imidlertid at bare 11 % av lederne som ble spurt, er fullt ut forberedt på omfanget av KI-agentutrullinger som forventes i løpet av de neste 12 månedene. Etter hvert som utrullingene vokser, får nettverksteamene mer aktivitet å forstå og flere problemer å undersøke, ofte uten at flere ansatte settes til arbeidet.

Derfor er det viktig å redusere tiden ingeniører bruker på å lete i dashbord, samle informasjon og eskalere rutinespørsmål. Når team får relevant driftsinformasjon og veiledning i feilsøking når de trenger det, blir det også enklere å dele kompetanse på tvers av team. Da blir man mindre avhengig av at et lite antall erfarne spesialister svarer på hvert eneste spørsmål. Kompetansen bør heller brukes på beslutninger som krever skjønn, for eksempel å utforme retningslinjer, sette grenser og vurdere risiko.

Nettverket må få en plass ved bordet når KI-strategien utformes

KI-planlegging starter ofte med modeller, applikasjoner, data og datakraft, men nettverk bør inngå i diskusjonene fra starten av. Agenter trenger riktig kontekst for å komme med nyttige anbefalinger. I nettverksdrift betyr det å forstå hvordan informasjon om brukere, enheter og applikasjoner henger sammen, i stedet for å se på et isolert varsel eller målepunkt.

Denne konteksten hjelper team med å finne kilden til et problem raskere og avgjøre hva de skal gjøre videre. Menneskelig kontroll er fortsatt viktig, særlig etter hvert som agentene blir mer autonome. Det krever tydelig definerte grenser for hva de kan gjøre på egen hånd, samt kontrollmekanismer som håndhever disse grensene. Teamene bør også kunne se hvorfor en anbefaling ble gitt, og hvilken informasjon den bygger på, før de avgjør om de skal følge den.

Gartner anslår at minst 70 % av organisasjonene som bruker KI-agenter i IT-driften sin, innen 2029 vil få alvorlige problemer knyttet til tjenester, sikkerhet eller kostnader, som i hvert fall delvis skyldes mangelfulle kontroller. Derfor må innsyn, automatisering, pålitelighet og kontroll bygges inn i planene for KI-infrastruktur fra starten av.

Slik bygger du infrastruktur for en KI-virksomhet som alltid er i drift

Agentisk KI endrer hvordan bedriftsnettverk brukes. Aktiviteten er ikke lenger like tett knyttet til når ansatte er pålogget, og nettverksteamene må håndtere denne endringen uten at arbeidsmengden knyttet til nettverksdriften øker i samme takt.

Virksomheter trenger ikke å bygge om nettverkene sine fullstendig, men etter hvert som bruken av KI øker, bør de avdekke mulige svakheter i den eksisterende infrastrukturen – særlig der teamene mangler oversikt til raskt å identifisere problemer, der responstidene begynner å bli dårligere, eller der rutinemessig feilsøking fortsatt krever mye manuelt arbeid.

Et nettverk som er bygget for en arbeidsdag fra ni til fem, må vike for et nettverk som støtter mennesker, applikasjoner og agenter som arbeider side om side, ofte etter svært ulike tidsplaner og i svært ulikt tempo. Hvor godt infrastrukturen fungerer, vil til syvende og sist gjenspeiles i målene virksomhetene allerede er opptatt av: færre avbrudd, raskere problemløsning når noe går galt, bedre brukeropplevelser og mindre tid brukt på å spore opp problemer.