5 nätverksuppgifter som AI kan hjälpa NetOps med, och 5 som det inte kan

Idag utvecklas de digitala landskapen snabbt samtidigt som komplexiteten och omfattningen av nätverksinfrastrukturen fortsätter att växa exponentiellt. Denna tillväxt gör det svårare än någonsin att hantera nätverk effektivt. Medan det finns en mängd verktyg som är utformade för att hjälpa NetOps-team, hävdar Gartner att två tredjedelar av nätverksuppgifter fortfarande är manuella. Som ett resultat finns det ett fortsatt behov av att effektivisera nätverksdrift och hantering.

Dessutom innebär antagandet av molnberäkning och virtualiseringstekniker i kombination med nya tekniker och tjänster att organisationer behöver mer flexibla och skalbara nätverkshanteringstekniker som kan hjälpa till med den ökande volymen av nätverkstrafik och enheter. Medan skriptning har varit ett sätt att automatisera enskilda ingenjörsuppgifter, är det inte skalbart över en hel driftsteam.

Här kommer AI och, mer specifikt, löftet om generativ AI, som under de senaste två åren har varit en katalysator för marknaden. Men med så många AI-aktiverade tekniker som nu når nätverksområdet, kan det vara svårt att förstå vilken funktionalitet som är verklig och vad som är AI-vitning. Låt oss titta på 5 nätverksuppgifter som AI kan hjälpa NetOps-team med idag, och 5 områden som det inte kan (men kanske i framtiden?):

Hjälper NetOps-team:

1. Infrastrukturdetection och konfigurationsanalys – Det är standardförfarande att identifiera och katalogisera alla fysiska och virtuella komponenter som utgör en organisations IT-infrastruktur, och att undersöka inställningarna, konfigurationerna och tillstånden för komponenterna inom den infrastrukturen. Detta är en pågående process som kan ta flera timmar per vecka när den utförs manuellt. Men AI, med hjälp av en fullständig Digital tvilling av ett nätverk, accelererar dramatiskt denna process (t.ex. kan BGP-tunnelnedgång reduceras från 2 timmar till 10 minuter) och hämtar all viktig information som ett NetOps-team kan behöva om enhetsmaskinvara eller programvara, konfigurationer, resurser, prestanda och säkerhetsriskbedömningar.

2. Dynamisk mappning – NetOps-team använder dynamisk mappning för nätverksvisualisering, nätverksövervakning, felsökning och mycket mer. Det upptäcker automatiskt, dokumenterar och uppdaterar relationerna, vägarna och anslutningarna mellan olika nätverksenheter och komponenter. AI (igen med en fullständig Digital tvilling av nätverket) kan dynamiskt rita och mappa nätverkstopologi relevant för en fråga eller nätverksproblem på några minuter, närhelst de behövs. Utan AI måste nätverksingenjörer tillbringa flera timmar per plats med att rita kartor i Visio (vilket kan lägga till hundratals timmar för att fullständigt mappa ett företagsnätverk) och kartorna kommer att bli inaktuella inom veckor eller till och med dagar.

3. Rotorsakanalys och avvikelseidentifiering – Varje nätverksproffs vet hur viktigt det är med rotorsakanalys och avvikelseidentifiering. De säkerställer stabiliteten, säkerheten och effektiviteten hos system och processer. Typiskt sett kräver detta den intuitiva expertisen hos IT-proffs med års erfarenhet (med hjälp av CLI-verktyg, Ansible, Python etc.). Tills AI fanns, fanns det inga genvägar för att få denna felsökningskunskap. AI, utbildad av ämnesexperter, kan föreslå diagnos eller bedömningslogik för att använda i nätverksautomatisering, liknande hur AI redan hjälper programmerare att generera kod. AI kan kanske snart också hjälpa till att pålitligt replikera, anpassa och skala automatisering för varje enhet på nätverket.

4. Rekommenderade åtgärder – Liksom felsökning, kräver åtgärd för att lösa ett problem (återställa tjänsteförsämringar till önskad baslinje) ofta expertkunskap. Detta innebär att man forskar i leverantördokumentation och får kunskap om bästa praxis och personlig erfarenhet. AI kan katalogisera årtionden av erfarenhet och bättre distribuera stamkunskap om nya problem till ingenjörer av alla nivåer. När en diagnos har gjorts och accepterats, eller oönskade trender har identifierats, kan AI rekommendera korrektiva åtgärder, nästa steg, uppföljningsförfaranden eller ändringsförslag.

5. Instrumentpaneler och rapporter – Real-tidsövervakning, agerbara insikter och möjligheten att fatta informerade beslut snabbt är alla delar av NetOps-arbetsbeskrivningen. Automatisering kan i hög grad effektivisera dessa processer, men hur presenteras automatiseringsresultaten för mänskliga beslutsfattare? Visualisering av användbar analys har blivit en egen industri med dussintals grafiska och instrumentpanelsplattformar. Men dessa kräver fortfarande noggrann övervägning och timmar eller dagar av arbete för att bygga. AI kan avsevärt underlätta visualiseringen av övervaknings- och automatiseringsresultat genom att hjälpa till att skapa anpassade instrumentpaneler och rapporter som är anpassade till specifika användningsfall för spårning, övervakning och samarbete. Tänk dig att du måste gå igenom tusentals nätverksinsikter som samlats in från telemetri och automatiserad analys och sedan tänka dig en AI-assistent som omvandlar den data till en överblickbar visuell instrumentpanel som lyfter fram brådskande problem och prioriterade uppgifter.

Hjälper inte NetOps-team:

1. Godkänn nätverksändringar – NetOps vill minimera risken för driftstopp, säkerställa regelefterlevnad, hjälpa till att upprätthålla säkerhet och övergripande anpassa sig till affärsmål, vilket är varför godkännande av nätverksändringar är en sådan kritisk funktion. Medan AI kan föreslå rekommenderade åtgärder, kan den inte fatta ett omdömesbeslut för att godkänna eller slutföra nätverksändringar. Dessa ändringar är komplexa, varje företagsnätverk är unikt och ett misstag kan kosta tiotusentals dollar i driftstopp. AI har inte visat tillräckligt med avancerad nätverkskunskap för att chefer ska lita på det med en så viktig uppgift.

2. Designa komplexa nätverk – Varje nätverk och dess krav är unikt. AI kunde potentiellt en dag designa enkla nätverk för rudimentära användningsfall, men företagsnätverk är för komplexa och anpassade till sina specifika användningsfall för att AI ska kunna hantera dem. Ett mikrohandelsföretag kan kräva ett nätverk med ultralåg latens. Ett videoinnehållsleveransföretag kan kräva hög bandbredd. Ett hälsovårdsföretag kan kräva hög tillgänglighet. Dessutom finns det olika protokoll som kan passa varje företag, från traditionell IP till multicast, MPLS och SD-WAN. AI kan inte beräkna varje möjlig iteration av ett nätverk och välja den bästa designen. Endast en människa kan fatta dessa överväganden och beslut.

3. Fatta beslut – NetOps-proffs måste ständigt fatta kritiska beslut om trafikhantering, prestandaoptimering, svara på larm och incidenter, godkänna nätverksändringar och mer. AI kan säkerligen tillhandahålla information till dessa beslutsfattare, men det kan inte förstå sammanhanget tillräckligt för att väga avvägningar, fatta svåra beslut eller välja kompromisser. Vill du att AI skulle fatta ett beslut som kan påverka nätverkstjänsteleverans för ett sjukhus eller en myndighet?

4. Ta ansvar – NetOps-team bedöms utifrån drifttid, tillgänglighet, nätverksprestanda, problemhantering, regelefterlevnad och mer. Med AI i mixen, hur mäts teamen? Kommer “det var AI:s fel” att vara ett acceptabelt svar? AI kommer aldrig att blidka nyckelintressenter eller kunder.

5. Innovativa – Förbättrad effektivitet, bättre prestanda, ökad skalbarhet, bättre användarupplevelse… allt detta kräver innovation. Människor har förmågan att förstå komplexiteten i dagens nätverk, kombinera det med en organisations affärsmål och funktioner i deras roll för att komma med unika idéer och lösningar. AI har inte kapaciteten att mutera idéer och skapa något nytt. Det kan inte tänka utanför boxen och tillhandahålla innovativa nätverkslösningar för företagsutmaningar.

Det råder ingen tvekan om att AI är ett kraftfullt verktyg som integreras tungt i hela teknikstacken. Det kan erbjuda värdefullt stöd till NetOps-team genom att förbättra synlighet, automatisera uppgifter och mer. Men det finns också mycket som det inte kan göra, och förmodligen aldrig kommer att kunna göra. Vi är bara i början av denna symbiotiska relation. Vilken är den dödande AI-funktionen du vill se i NetOps?