5 zadań sieciowych, z którymi może pomóc AI NetOps, i 5, z którymi nie

Dzisiejsze pejzaże cyfrowe ewoluują w szybkim tempie, ponieważ złożoność i skala infrastruktury sieciowej wzrasta wykładniczo. Ten wzrost sprawia, że zarządzanie sieciami staje się coraz trudniejsze. Chociaż istnieje wiele narzędzi zaprojektowanych, aby pomóc zespołom NetOps, Gartner twierdzi, że dwie trzecie zadań sieciowych nadal są wykonywane ręcznie. W rezultacie istnieje ciągłe zapotrzebowanie na usprawnienie operacji sieciowych i zarządzania.

Ponadto, przyjęcie technologii chmury obliczeniowej i wirtualizacji, w połączeniu z nowymi technologiami i usługami, oznacza, że organizacje potrzebują bardziej elastycznych i skalowalnych technologii zarządzania sieciami, które mogą pomóc w rosnącym natężeniu ruchu sieciowego i urządzeń. Chociaż skryptowanie od dawna jest sposobem na automatyzację poszczególnych zadań inżynierskich, nie jest ono skalowalne w całym zespole operacyjnym.

Wkraczają AI i, bardziej szczegółowo, obietnica generatywnego AI, który w ciągu ostatnich dwóch lat był katalizatorem rynku. Ale z tak wieloma technologiami z obszaru AI, które teraz pojawiają się w przestrzeni sieciowej, może być trudno zrozumieć, jaka funkcjonalność jest prawdziwa, a co to jest tylko AI. Zobaczmy, jakie 5 zadań sieciowych AI może pomóc zespołom NetOps, i 5 obszarów, w których nie może (przynajmniej nie teraz?):

Pomaga zespołom NetOps:

1. Odkrywanie infrastruktury i analiza konfiguracji – Jest to standardowa procedura operacyjna, aby zidentyfikować i skatalogować wszystkie fizyczne i wirtualne komponenty, które tworzą infrastrukturę IT organizacji, oraz zbadać ustawienia, konfiguracje i stany tych komponentów. Jest to proces ciągły, który może zajmować kilka godzin tygodniowo, gdy jest wykonywany ręcznie. Ale AI, wykorzystując pełną cyfrową kopię sieci, dramatycznie przyspiesza ten proces (na przykład BGP tunnel down może być zmniejszony z 2 godzin do 10 minut), wyświetlając wszelkie istotne informacje, których może potrzebować zespół NetOps, dotyczące sprzętu urządzeń, oprogramowania, konfiguracji, zasobów, wydajności i ocen ryzyka bezpieczeństwa.

2. Dynamiczne mapowanie – Zespoły NetOps używają dynamicznego mapowania do wizualizacji sieci, monitorowania, rozwiązywania problemów i wiele więcej. Automatycznie odkrywa, dokumentuje i aktualizuje relacje, ścieżki i połączenia między różnymi urządzeniami i komponentami sieciowymi. AI (ponownie z pełną cyfrową kopią sieci) może dynamicznie rysować i mapować topologię sieci istotną dla zapytania lub problemu sieciowego w ciągu kilku minut, kiedy są one potrzebne. Bez AI, inżynierowie sieci muszą spędzić kilka godzin na stronie, rysując mapy w Visio (co może dodać setki godzin, aby w pełni zmapiować sieć przedsiębiorstwa) i mapy staną się nieaktualne w ciągu kilku tygodni lub nawet dni.

3. Analiza przyczyn i wykrywanie anomalii – Każdy profesjonalista sieciowy wie, jak ważna jest analiza przyczyn i wykrywanie anomalii. Zapewniają one stabilność, bezpieczeństwo i wydajność systemów i procesów. Zazwyczaj wymaga to intuicyjnej ekspertyzy specjalistów IT z wieloletnim doświadczeniem (korzystając z narzędzi CLI, Ansible, Python itd.). Do czasu pojawienia się AI nie było skrótów do zdobycia tej wiedzy diagnostycznej. AI, wyszkolone przez ekspertów, może sugerować logikę diagnostyczną lub ocenę, którą można wykorzystać w automatyzacji sieci, podobnie jak AI już pomaga programistom generować kod. AI może również wkrótce pomóc w wiarygodnym powielaniu, adaptowaniu i skalowaniu automatyzacji dla każdego urządzenia w sieci.

4. Zalecane działania – Podobnie jak w przypadku rozwiązywania problemów, naprawa problemu (przywrócenie degradacji usług do pożądanego poziomu) często wymaga specjalistycznych umiejętności. Wymaga to wyszukiwania dokumentacji dostawców i zdobycia wiedzy na temat najlepszych praktyk i doświadczenia. AI może skatalogować dziesięciolecia doświadczeń i lepiej rozpowszechniać wiedzę plemienną na nowe problemy wśród inżynierów na każdym poziomie. Gdy diagnoza zostanie dokonana i zaakceptowana, lub gdy zostaną zidentyfikowane niepożądane trendy, AI może zalecić działania korygujące, następne kroki, procedury follow-up lub propozycje zmian.

5. Pulpity i raportowanie – W czasie rzeczywistym obserwowalność, działania analityczne i możliwość podejmowania decyzji w krótkim czasie są wszystkie częścią opisu pracy NetOps. Automatyzacja może znacznie usprawnić te procesy, ale jak są one przedstawiane decydentom? Wizualizacja użytecznych analiz stała się odrębnym przemysłem z dziesiątkami platform graficznych i pulpitu. Ale nadal wymagają one starannej uwagi i kilku godzin lub dni pracy, aby je zbudować. AI może znacznie ułatwić wizualizację wyników obserwowalności i automatyzacji, pomagając w tworzeniu niestandardowych pulpitu i raportów dostosowanych do konkretnych przypadków użycia do śledzenia, monitorowania i współpracy. Wyobraź sobie, że musisz przeglądać tysiące wglądów sieciowych zebrane z telemetrycznej i automatycznej analizy, a potem wyobraź sobie asystenta AI, który przekształca te dane w pulpity wizualne, które podkreślają pilne problemy i zadania priorytetowe.

Nie pomaga zespołom NetOps:

1. Akceptacja zmian sieciowych – Zespoły NetOps chcą minimalizować ryzyko przestojów, zapewnić zgodność, pomóc w utrzymaniu bezpieczeństwa i ogólnie dostosować do celów biznesowych, dlatego akceptacja zmian sieciowych jest tak ważną funkcją. Chociaż AI może sugerować zalecane działania, nie może podjąć decyzji o akceptacji lub ostatecznym zatwierdzeniu zmian sieciowych. Te zmiany są złożone, każda sieć przedsiębiorstwa jest inna, a błąd może kosztować dziesiątki tysięcy dolarów w postaci przestojów. AI nie wykazało jeszcze wystarczającej zaawansowanej wiedzy sieciowej, aby wyżsi menedżerowie mogli mu zaufać w tak ważnym zadaniu.

2. Projektowanie złożonych sieci – Każda sieć i jej wymagania są unikalne. AI może potencjalnie w przyszłości zaprojektować proste sieci dla podstawowych przypadków użycia, ale sieci przedsiębiorstw są zbyt złożone i dostosowane do swoich konkretnych przypadków użycia. Firma handlu mikro może wymagać sieci o ultra-niskiej latencji. Firma dostarczająca treści wideo może wymagać dużej przepustowości. Firma opieki zdrowotnej może wymagać wysokiej dostępności. Nie wspominając o różnych protokołach, które mogą najlepiej odpowiadać każdemu przedsiębiorstwu, od tradycyjnego IP, multicast, MPLS i SD-WAN. AI nie może obliczyć każdej możliwej iteracji sieci i wybrać najlepszy projekt. Tylko człowiek może podejmować te rozważania i decyzje.

3. Podejmowanie decyzji – Specjaliści NetOps muszą stale podejmować krytyczne decyzje dotyczące zarządzania ruchem, optymalizacji wydajności, reagowania na alerty i incydenty, akceptowania zmian sieciowych i wiele więcej. AI może oczywiście dostarczyć informacje tym decydentom, ale nie może zrozumieć kontekstu wystarczająco, aby ważyć kompromisy, podejmować trudne decyzje lub wybierać kompromisy. Czy chciałbyś, aby AI podejmowało decyzję, która mogłaby wpłynąć na dostarczanie usług sieciowych w szpitalu lub agencji rządowej?

4. Przyjmowanie odpowiedzialności – Zespoły NetOps są oceniane na podstawie czasu pracy, dostępności, wydajności sieci, zarządzania problemami, przestrzegania zgodności i wiele więcej. Z AI włączonym do mieszanki, jak zespoły są mierzone? Czy uważamy, że „to był błąd AI” będzie akceptowalną odpowiedzią? AI nigdy nie uspokoi kluczowych interesariuszy lub klientów.

5. Innowacje – Poprawiona wydajność, lepsza wydajność, zwiększona skalowalność, lepsze doświadczenie użytkownika… wszystkie te rzeczy wymagają innowacji. Ludzie mają możliwość zrozumienia złożoności dzisiejszych sieci, połączenia ich z celami biznesowymi organizacji i funkcjami swojej roli, aby stworzyć unikalne pomysły i rozwiązania. AI nie ma możliwości mutowania pomysłów i tworzenia czegoś nowego. Nie może myśleć poza schematami i dostarczać innowacyjnych rozwiązań sieciowych dla wyzwań przedsiębiorstw.

Nie ma wątpliwości, że AI jest potężnym narzędziem, które jest intensywnie integrowane w całej technologii. Może oferować cenne wsparcie zespołom NetOps, poprawiając widoczność, automatyzując zadania i wiele więcej. Ale jest też wiele rzeczy, których nie może zrobić, i prawdopodobnie nigdy nie będzie w stanie zrobić. Jesteśmy dopiero na początku tej symbiotycznej relacji. Jaki zabójczy feature AI chciałbyś zobaczyć w NetOps?