บทบาทของเครือข่ายในโครงสร้างพื้นฐาน AI ที่มักถูกมองข้าม

องค์กรต่างทุ่มเงินลงทุนกับ GPU เซิร์ฟเวอร์ โมเดล และขีดความสามารถด้านการประมวลผลที่จำเป็นต่อการนำ AI ไปใช้งานจริง แต่ AI แบบเอเจนต์สร้างความต้องการต่อเครือข่ายที่แตกต่างออกไป

โดยทั่วไป แชตบอตจะรอให้ใครสักคนถามคำถาม ขณะที่เอเจนต์สามารถรับมอบหมายงาน โต้ตอบกับระบบและแอปพลิเคชันต่าง ๆ ตัดสินใจ และลงมือดำเนินการได้ เมื่อเอเจนต์เข้ามารับงานในองค์กรเพิ่มขึ้น กิจกรรมส่วนใหญ่เหล่านี้จะเกิดขึ้นโดยไม่มีใครนั่งอยู่หน้าแป้นพิมพ์

จากรายงาน State of Infrastructure in the Agentic AI Era ของ Google Cloud พบว่า องค์กร 83% ระบุว่าจำเป็นต้องยกระดับโครงสร้างพื้นฐานเพื่อรองรับระบบอัตโนมัติที่พร้อมใช้งานจริง แม้พลังการประมวลผลจะเป็นส่วนหนึ่งของภาพรวม แต่องค์กรก็ต้องให้ความสำคัญกับเครือข่ายด้วย เพราะเครือข่ายจะต้องรองรับกิจกรรมที่ไม่ได้ดำเนินไปตามรูปแบบปกติของพนักงาน

จุดจบของเครือข่ายที่ทำงานแค่ 9 โมงถึง 5 โมง

ตลอดหลายทศวรรษที่ผ่านมา การออกแบบเครือข่ายองค์กรส่วนใหญ่อิงกับรูปแบบการทำงานของผู้คน พนักงานเชื่อมต่อกับแอปพลิเคชัน เข้าถึงข้อมูล และใช้บริการคลาวด์ตลอดวันทำงาน จึงเกิดรูปแบบการรับส่งข้อมูลที่ค่อนข้างคาดการณ์ได้ ซึ่งส่งผลต่อการออกแบบและการดำเนินงานของเครือข่าย

AI และระบบแบบเอเจนต์กำลังเปลี่ยนสมการนี้ เอเจนต์ทำงานและโต้ตอบกับแอปพลิเคชัน API แหล่งข้อมูล และเอเจนต์อื่น ๆ ได้ตลอดเวลา ทำให้เกิดกระแสการรับส่งข้อมูลที่ต่อเนื่องและเปลี่ยนแปลงอยู่เสมอทั่วทั้งเครือข่ายภายในองค์กร ศูนย์ข้อมูล สภาพแวดล้อมคลาวด์ และเครือข่าย WAN เมื่อมีการขยายการใช้งาน เครือข่ายก็ต้องรองรับการพึ่งพากันที่ซับซ้อนยิ่งขึ้น ส่งผลให้ประสิทธิภาพ เวลาแฝง ความทนทานต่อความขัดข้อง และความปลอดภัยเป็นปัจจัยสำคัญต่อการทำงานที่เชื่อถือได้

ความต้องการเหล่านี้ยังเผยให้เห็นข้อจำกัดของรูปแบบการปฏิบัติการเครือข่ายแบบเดิม ซึ่งอาศัยเครื่องมือติดตามตรวจสอบเพื่อระบุปัญหา และพนักงานเพื่อสืบหาสาเหตุและแก้ไขปัญหา การปฏิบัติการเครือข่ายยุคใหม่ต้องก้าวข้ามการจัดการอุปกรณ์และเหตุการณ์แต่ละรายการ ไปสู่การทำความเข้าใจความเชื่อมโยงและการพึ่งพากันของแอปพลิเคชันกับเอเจนต์ตั้งแต่ต้นจนจบ โดยใช้การมองเห็นข้อมูลเชิงลึก การเชื่อมโยงข้อมูลด้วย AI การวิเคราะห์หาสาเหตุที่แท้จริง และระบบอัตโนมัติอัจฉริยะ เพื่อปรับปรุงประสิทธิภาพและแก้ไขปัญหาเชิงรุก

โอกาสอยู่ที่การเปลี่ยนจากเครือข่ายที่มี AI ช่วยจัดการ ไปสู่เครือข่ายที่ขับเคลื่อนด้วยปัญญาประดิษฐ์และมีระบบกำกับดูแลการทำงานแบบอัตโนมัติ ทีมเครือข่ายจะใช้เวลาน้อยลงกับการแก้ปัญหาซ้ำ ๆ และมีเวลามากขึ้นสำหรับกำหนดนโยบาย วางมาตรการป้องกัน และปรับสถาปัตยกรรมให้เหมาะสม จุดจบของเครือข่ายที่ทำงานแค่ 9 โมงถึง 5 โมงไม่ได้หมายถึงเพียงการที่เครือข่ายทำงานตลอด 24/7 เท่านั้น แต่ยังสะท้อนการเปลี่ยนแปลงครั้งสำคัญของปัจจัยที่ขับเคลื่อนความต้องการใช้เครือข่าย และวิธีออกแบบ รักษาความปลอดภัย และดำเนินงานเครือข่าย เพื่อรองรับระบบนิเวศที่เปิดทำงานตลอดเวลาของระบบอัจฉริยะและระบบอัตโนมัติ

จากเครื่องมือ AI เพียงไม่กี่ตัว สู่กองทัพเอเจนต์

องค์กรส่วนใหญ่ยังอยู่ในช่วงที่จัดการ AI ได้ไม่ยาก โดยมีโคไพลอต ผู้ช่วย และแอปพลิเคชัน AI ทำงานอยู่ในหน่วยงานต่าง ๆ ของธุรกิจ

อย่างไรก็ตาม IBM พบว่า มีผู้นำที่ได้รับการสำรวจเพียง 11% เท่านั้นที่พร้อมอย่างเต็มที่สำหรับการขยายการใช้งานเอเจนต์ AI ซึ่งคาดว่าจะเกิดขึ้นในช่วง 12 เดือนข้างหน้า เมื่อการใช้งานขยายตัว ทีมเครือข่ายจะมีงานให้ทำความเข้าใจและปัญหาให้ตรวจสอบมากขึ้น โดยบ่อยครั้งที่ไม่มีคนมาช่วยทำงานเพิ่ม

จึงเป็นเรื่องสำคัญที่จะลดเวลาที่วิศวกรต้องใช้ไปกับการค้นหาข้อมูลบนแดชบอร์ด การรวบรวมข้อมูล และการส่งต่อคำถามทั่วไปให้ผู้อื่น การให้ข้อมูลการปฏิบัติงานที่เกี่ยวข้องและคำแนะนำในการแก้ไขปัญหาแก่ทีมในเวลาที่ต้องการ ยังช่วยให้แบ่งปันความเชี่ยวชาญระหว่างทีมได้ง่ายขึ้น แทนที่จะต้องพึ่งผู้เชี่ยวชาญที่มีประสบการณ์เพียงไม่กี่คนให้คอยตอบทุกคำถาม ความเชี่ยวชาญของบุคลากรจะเกิดประโยชน์สูงสุดเมื่อนำไปใช้กับการตัดสินใจที่ต้องอาศัยวิจารณญาณ เช่น การกำหนดนโยบาย การวางขอบเขต และการประเมินความเสี่ยง

เครือข่ายต้องเป็นส่วนหนึ่งของวงกำหนดกลยุทธ์ AI

การวางแผนด้าน AI มักเริ่มจากโมเดล แอปพลิเคชัน ข้อมูล และทรัพยากรประมวลผล แต่ควรนำเรื่องเครือข่ายเข้ามาพิจารณาตั้งแต่เริ่มต้น เอเจนต์ต้องมีบริบทที่เหมาะสมเพื่อให้คำแนะนำที่เป็นประโยชน์ และในการปฏิบัติการเครือข่าย นั่นหมายถึงการทำความเข้าใจว่าข้อมูลเกี่ยวกับผู้ใช้ อุปกรณ์ และแอปพลิเคชันเชื่อมโยงกันอย่างไร แทนที่จะพิจารณาการแจ้งเตือนหรือตัวชี้วัดใดตัวหนึ่งแยกเดี่ยว

บริบทดังกล่าวช่วยให้ทีมค้นพบต้นตอของปัญหาได้เร็วขึ้นและตัดสินใจได้ว่าควรทำอะไรต่อ การกำกับดูแลโดยมนุษย์ยังคงสำคัญ โดยเฉพาะเมื่อเอเจนต์มีอิสระในการทำงานมากขึ้น ซึ่งจำเป็นต้องกำหนดขอบเขตให้ชัดเจนว่าเอเจนต์ทำอะไรได้ด้วยตนเอง และมีมาตรการควบคุมเพื่อบังคับใช้ขอบเขตเหล่านั้น ทีมงานควรตรวจสอบได้ด้วยว่ามีการให้คำแนะนำเพราะเหตุใด และอ้างอิงข้อมูลใด ก่อนตัดสินใจว่าจะดำเนินการตามคำแนะนำนั้นหรือไม่

Gartner คาดการณ์ว่า ภายในปี 2029 องค์กรอย่างน้อย 70% ที่ใช้เอเจนต์ AI ในงานปฏิบัติการด้าน IT จะประสบปัญหาร้ายแรงเกี่ยวกับบริการ ความปลอดภัย หรือต้นทุน โดยมีสาเหตุส่วนหนึ่งเป็นอย่างน้อยจากการควบคุมที่อ่อนแอ ด้วยเหตุนี้ การมองเห็นข้อมูล ระบบอัตโนมัติ ความน่าเชื่อถือ และการควบคุมจึงต้องเป็นส่วนหนึ่งของแผนโครงสร้างพื้นฐาน AI ตั้งแต่เริ่มต้น

สร้างโครงสร้างพื้นฐานสำหรับองค์กร AI ที่ทำงานตลอดเวลา

AI แบบเอเจนต์เปลี่ยนวิธีใช้งานเครือข่ายองค์กร กิจกรรมต่าง ๆ ไม่ได้ผูกติดกับช่วงเวลาที่พนักงานออนไลน์อย่างใกล้ชิดอีกต่อไป และทีมเครือข่ายจะต้องจัดการกับการเปลี่ยนแปลงนี้ โดยไม่ปล่อยให้งานที่ต้องทำเพื่อดูแลเครือข่ายเพิ่มขึ้นในอัตราเดียวกัน

องค์กรไม่จำเป็นต้องยกเครื่องเครือข่ายทั้งหมด แต่ควรระบุจุดอ่อนที่อาจเกิดขึ้นในโครงสร้างพื้นฐานปัจจุบันเมื่อการใช้งาน AI เพิ่มขึ้น โดยเฉพาะในจุดที่ทีมงานมองเห็นปัญหาได้ไม่ชัดเจนพอที่จะระบุปัญหาได้อย่างรวดเร็ว ระยะเวลาตอบสนองเริ่มแย่ลง หรือการแก้ไขปัญหาทั่วไปยังต้องใช้แรงงานคนจำนวนมาก

เครือข่ายที่ออกแบบมารองรับวันทำงานตั้งแต่เก้าโมงเช้าถึงห้าโมงเย็นจะต้องเปลี่ยนเป็นเครือข่ายที่รองรับผู้คน แอปพลิเคชัน และเอเจนต์ให้ทำงานเคียงข้างกันได้ แม้จะมีตารางเวลาและความเร็วในการทำงานที่แตกต่างกันมากก็ตาม ท้ายที่สุดแล้ว การวางโครงสร้างพื้นฐานให้เหมาะสมจะสะท้อนให้เห็นในตัวชี้วัดที่ธุรกิจให้ความสำคัญอยู่แล้ว ได้แก่ การหยุดชะงักที่ลดลง การแก้ไขปัญหาได้เร็วขึ้นเมื่อเกิดข้อผิดพลาด ประสบการณ์การใช้งานที่ดีขึ้น และเวลาที่ใช้ในการตามหาปัญหาที่น้อยลง