Лидеры мысли
Искусственный интеллект вынуждает к переосмыслению мониторинга сетей.
В течение многих лет мониторинг сети сводился к обсуждению инструментов. Какая платформа собирает наиболее широкий набор телеметрии? Какой агент охватывает менее распространенные устройства? Какая архитектура будет наиболее эффективна в масштабе? В каких точках сети следует перехватывать пакеты? В этом обсуждении предполагалось, что сеть относительно стабильна, а изменения происходят постепенно.
Теперь это уже не так.
Нагрузки, управляемые ИИ, увеличивают изменчивость трафика по мере ускорения внедрения ИИ в масштабах предприятий. Недавние исследования показывают, что 88%. Сегодня многие организации используют ИИ как минимум в одной бизнес-функции. Гибридные архитектуры охватывают облако, центры обработки данных, глобальные сети и периферию. Сигналы безопасности и производительности теперь пересекаются так, как это не было пять лет назад. А бизнес ожидает более быстрого решения проблем, меньшего количества сбоев и четкой подотчетности.
Под таким давлением существующие подходы к мониторингу сети терпят неудачу. Не потому, что командам не хватает навыков, а потому, что архитектура, лежащая в основе мониторинга, не успевает за развитием технологий.
Речь идёт не о добавлении новых панелей мониторинга или сборе большего количества данных. Речь идёт о признании того, что наблюдаемость должна эволюционировать от набора инструментов к целостной основе данных. Именно эта основа позволит командам сетевых операций (NetOps) использовать ИИ для мониторинга и анализа сети.
Вот как следует оценивать свое текущее положение и как двигаться дальше.
На каком этапе кривой зрелости вы находитесь?
Исследование компании Enterprise Management Associates (EMA) показало, что только 46% ИТ-руководителей Они считали, что добились полного успеха с инструментами мониторинга сети. Большинство жалоб хорошо известны: в список входят разрастание инструментов, информационный шум и низкое качество данных.
Отчет EMA за 2025 год, Модель зрелости мониторинга сети: как планировать совершенствование сетевых операций.Также были выделены пять различных стадий зрелости:
- Внеплановые и реактивные
- Фрагментированный и оппортунистический
- Интегрированная и централизованно управляемая система.
- Интеллектуальный и автоматизированный
- Оптимизировано и управляется искусственным интеллектом.
Сегодня я хочу сосредоточиться на трех промежуточных этапах, на которых находится большинство организаций, прежде чем описать путь к заключительному этапу.
Фрагментированный и оппортунистический
У вас есть несколько инструментов мониторинга. Часто три или четыре. Исследования в отрасли подтверждают эту тенденцию: 87% команд NetOps сейчас используют несколько инструментов мониторинга, но только 29% оповещений Полученные данные являются действенными. Покрытие существует, но оно неравномерное. Инженеры выступают в роли интеграционного слоя, переключаясь между консолями и мысленно сопоставляя события. Искусственный интеллект может присутствовать, но он работает изолированно. Команды усердно работают на этом этапе, но архитектура работает против них.
Интегрированная и централизованно управляемая система.
Вы обеспечили надежный мониторинг инфраструктуры и трафика. Наблюдается определенная интеграция между системами. Панели мониторинга стандартизированы. Возможно, у вас внедрена автоматизация для обработки распространенных инцидентов.
Однако анализ первопричин по-прежнему зависит от ручной обработки данных. Прогностические возможности ограничены. Искусственный интеллект ускоряет анализ, но принципиально не меняет понимания нейронной сети.
Интеллектуальный и автоматизированный
Телеметрия работает в режиме реального времени там, где это важно. Данные о потоках, пакетах и конфигурации коррелируются. Оповещения контекстные, а не основаны на пороговых значениях. Искусственный интеллект поддерживает обнаружение аномалий, прогнозирование пропускной способности и управляемое устранение неполадок. Автоматизация внедряется целенаправленно и в рамках установленных политик. На данном этапе это доступно только организациям с достаточными ресурсами.
Небольшая группа лучших в своем классе организаций достигла финальной стадии зрелости — оптимизированной и управляемой искусственным интеллектом. Одних лишь инструментов недостаточно для развития.
От интеллектуальных и автоматизированных решений к оптимизированным и управляемым искусственным интеллектом: что делать дальше?
Модернизация мониторинга сети не требует демонтажа всего существующего оборудования. Она требует перехода от инструментов к данным.
1. Начните с согласованности данных, а не с дальнейшего развития ИИ.
Прежде чем расширять инициативы в области ИИ, задайте себе вопрос: являются ли наши сетевые данные чистыми, согласованными и взаимосвязанными в разных областях?
Несогласованные форматы телеметрии, «слепые зоны» в облачных сервисах или SD-WAN, дублирование IP-адресов и устаревшие записи инвентаризации подрывают результаты применения ИИ в большей степени, чем это осознает большинство руководителей. Если телеметрию невозможно надежно связать с идентификацией и контекстом на основе авторитетной адресации, корреляция остается вероятностной, а не окончательной.
Здесь вступают в игру базовые сетевые сервисы. DNS, DHCP и управление IP-адресами (вместе известные как DDI) формируют основную карту сети. Каждое устройство, рабочая нагрузка и соединение взаимодействуют с этим уровнем.
Когда данные телеметрии, обеспечивающие наблюдаемость, дополняются достоверной идентификацией и информацией об адресах, анализ становится более обоснованным. Искусственный интеллект может с большей уверенностью отличать ожидаемое поведение от истинной аномалии. Анализ первопричин происходит быстрее. Автоматизация становится безопаснее.
2. Сокращение разрозненности инструментов за счет глубокой интеграции.
Большинство предприятий продолжат использовать несколько систем мониторинга. Но это не главная проблема. Проблема заключается в поверхностной интеграции.
Встраивание одной панели мониторинга в другую или обмен базовыми данными при экспорте не обеспечивает согласованности. Зрелые среды интегрируются на уровне данных. Они координируют сбор телеметрии, сопоставляют оповещения между различными доменами и позволяют создавать рабочие процессы, охватывающие несколько инструментов, а не остающиеся в рамках одного из них.
Когда интеграция достигает такого уровня, консолидация становится рациональной, а не политической. Избыточные системы проще вывести из эксплуатации. Перекрывающиеся телеметрические данные проще рационализировать. Искусственный интеллект работает в едином контексте, а не на основе разрозненных фрагментов.
3. Модернизация должна проводиться поэтапно, чтобы избежать сбоев.
Опасения по поводу дестабилизации устаревших систем вполне обоснованы. Никто не хочет нарушать работу производственной среды, стремясь к архитектурной чистоте. Поэтапный подход снижает этот риск.
Этап первый: Наложение разведывательных данных
Передайте телеметрические данные в общий аналитический слой. Обогатите его информацией об идентификации и контексте политики. Используйте ИИ для обнаружения и рекомендаций, а не для автономного применения мер принуждения.
Второй этап: стандартизация и рационализация.
По мере улучшения корреляции и снижения уровня шума необходимо выявлять избыточные инструменты и исключать из эксплуатации те, которые не могут участвовать в единой архитектуре.
Третий этап: Внедрение автоматизации с ограничительными мерами.
Начните с сценариев автоматизации с низким уровнем риска. Агентный ИИ предлагает решения проблем. прежде чем разрешить исполнение. Расширять постепенно по мере укрепления доверия и совершенствования системы управления.
Речь идёт не о щелчке выключателя. Речь идёт об увеличении согласованности без ущерба для стабильности.
Стратегический сдвиг: переход к оптимизированным и управляемым искусственным интеллектом решениям.
Наблюдаемость больше не является набором инструментов мониторинга. Это базовая инфраструктура, управляемая искусственным интеллектом, требующая нового базового уровня. Когда организации основывают наблюдаемость на единой архитектуре данных и авторитетном сетевом интеллекте, ИИ становится опережающим инструментом.
Прогностическая аналитика переходит из теории в практику. Анализируя исторические и текущие данные телеметрии, ИИ может выявлять ранние признаки перегрузки, изменения конфигурации или аномального поведения до того, как они усугубятся. Вместо того чтобы спешить с устранением неполадок, команды вмешиваются до того, как пользователи заметят ухудшение качества обслуживания. Это особенно важно, поскольку масштабные сбои в ИТ-инфраструктуре могут обойтись организациям в сумму до определенной суммы. 2 миллион долларов в час.
Планирование мощностей становится динамическим, а не периодическим. Можно заранее прогнозировать истощение ресурсов и насыщение сервисов, что позволяет проводить упреждающую оптимизацию вместо реактивного масштабирования.
Вот что нас ждёт в будущем.
Если ваши данные фрагментированы, ИИ это выявит.
Если ваша основа целостна, ИИ становится рычагом воздействия.
Вопрос не в том, будете ли вы внедрять мониторинг и интеллектуальные системы на основе искусственного интеллекта. Вопрос в том, готова ли к этому ваша архитектура.
