ผู้นำทางความคิด
เวลาแห่งการสร้าง Agentic NOC คือตอนนี้
เครือข่ายสมัยใหม่ไม่เหมือนกับเครือข่ายในอดีตที่ผ่านมาไม่นาน โดยเฉพาะหลังจากการเปลี่ยนแปลงไปสู่การทำงานระยะไกลและการใช้ AI และ SaaS อย่างรวดเร็ว สิ่งที่เคยเป็นศูนย์กลางและคาดการณ์ได้ง่ายๆ ในปัจจุบันกลายเป็นเครือข่ายที่ซับซ้อนของแพลตฟอร์มคลาวด์ อุปกรณ์เอดจ์ สำนักงานสาขาและอินเทอร์เน็ตที่บ้าน และระบบบนพื้นที่
ศูนย์ปฏิบัติการเครือข่าย (NOC) แบบดั้งเดิมไม่ได้ถูกออกแบบมาเพื่อรองรับสถานการณ์นี้ เครื่องมือตรวจสอบส่วนใหญ่ยังคงต้องการการเชื่อมโยงข้อมูลด้วยตนเองระหว่างระบบที่แตกต่างกัน ทำให้การรักษาความสามารถในการมองเห็นเครือข่ายเป็นเรื่องที่ยาก และทำให้วิศวกรต้องเผชิญกับข้อความเตือนภัยที่ขัดแย้งกันเมื่อต้องตัดสินใจและแก้ไขปัญหาอย่างรวดเร็ว
ผู้ให้บริการและทีม IT ขององค์กรกำลังทำงานภายใต้แรงกดดันในลักษณะเดียวกัน อัตรากำไรบางและทีมที่มีขนาดเล็ก แต่มาตรฐานในการรักษาลูกค้าและคุณภาพการบริการยังคงไม่เปลี่ยนแปลง เมื่อใช้เวลา 8-10 เดือนในการที่จะทำให้สัญญาเป็นกำไร การรักษาลูกค้าและคุณภาพการบริการจึงมีความสำคัญสูง
โดยรวมแล้ว สถานการณ์เป็นไปอย่างเหมาะสมสำหรับการสร้าง Agentic NOC
การสร้าง Agentic NOC
ตาม Gartner แม้ว่าเพียง 17% ขององค์กรจะใช้ AI ที่มีศักยภาพ แต่ 60% คาดว่าจะทำเช่นนั้นภายในสองปีหน้า ซึ่งเป็นการดำเนินการต่อเนื่องของการนำ AI มาใช้ในการทำงานที่ซับซ้อนและต้องการความสามารถในการให้เหตุผล
สำหรับ NOC AI ที่มีศักยภาพเป็นความแตกต่างระหว่างการทำงานที่ไม่สมบูรณ์หรือการทำงานที่ไม่ดี การแก้ไขปัญหาได้เร็วขึ้น การลดการหยุดทำงานของเครือข่าย และการเข้าใจเครือข่ายที่สมบูรณ์ยิ่งขึ้น เพื่อให้ประโยชน์เหล่านี้เกิดขึ้น Agentic NOC ต้องมีการทำงานร่วมกันระหว่าง AI และผู้ดำเนินการของมนุษย์ ความเร็วไม่สำคัญกว่าความแม่นยำและความน่าเชื่อถือ ดังนั้นเมื่อ AI สามารถช่วยในการวิเคราะห์เหตุผลและแนะนำการดำเนินการได้ การตัดสินใจของมนุษย์จึงยังคงจำเป็น
Agentic NOC ยังถูกกำหนดโดยข้อมูลที่มีโครงสร้างที่ดี การจัดทำเอกสารสินค้าที่ถูกต้อง การใช้เครื่องหมายและชื่อที่สอดคล้องกัน และการมองเห็นเครือข่ายที่ครอบคลุมถึงการจราจร การกำหนดเส้นทาง และการทำงานของเครือข่ายทั้งหมด ทำให้เห็นภาพของสิ่งที่เกิดขึ้นในปัจจุบัน วิธีการทำงานของเครือข่าย และวิธีการแก้ไขปัญหาในอดีต หากไม่มีมุมมองนี้ การวิเคราะห์จะไม่สมบูรณ์ และผู้ดำเนินการไม่สามารถทำให้ระบบอัตโนมัติได้หากไม่มีการมองเห็นหรือเข้าใจ
การเก็บข้อมูลความรู้ของชุมชนก็อยู่ภายใต้การดูแลนี้
ทรัพยากรที่ยิ่งใหญ่ที่สุดของ NOC คือสมองของวิศวกร ประสบการณ์และ直觉ที่มาจากปีที่ผ่านมาในการวิเคราะห์และแก้ไขปัญหาเครือข่ายเป็นสิ่งที่แม้แต่ AI ที่ซับซ้อนที่สุดก็ไม่สามารถทำซ้ำได้โดยไม่ต้องมีการช่วยเหลือจากมนุษย์ ดังนั้นความรู้นี้จึงต้องถูกบันทึกและแปลเป็นรูปแบบที่สามารถนำมาใช้และนำกลับมาใช้ใหม่ได้ การสร้างเอกสารและวงจรการเรียนรู้ที่มีการจัดระเบียบยังช่วยให้การทำงานของมนุษย์และเครื่องจักรมีประสิทธิภาพมากขึ้น
ประโยชน์ที่แท้จริง
ปัญหาเครือข่ายและ IT เป็นสาเหตุของการหยุดทำงานที่มีผลกระทบมากที่สุด 23% ในปี 2024 ตามการวิเคราะห์ของ Uptime Institute ในช่วงสามปีที่ผ่านมา 40% ขององค์กรประสบกับการหยุดทำงานที่สำคัญเนื่องจากความผิดพลาดของมนุษย์ อัตราการหยุดทำงานนี้ไม่ยั่งยืนจากทุกมุมมอง ทั้งทางธุรกิจ วิศวกร และผู้บริโภค แต่สิ่งนี้แสดงให้เห็นถึงความสำคัญของ Agentic NOC
สัญญาของ Agentic NOC ไม่ใช่การทำงานอัตโนมัติเพื่อตนเอง แต่การทำงานที่รวดเร็วและเชื่อมั่นมากขึ้น โดยอาศัยการมองเห็นเครือข่ายที่แท้จริง เมื่อเกิดปัญหาในเครือข่าย การล่าช้าที่ใหญ่ที่สุดมักไม่ใช่การตรวจจับ แต่การเข้าใจสิ่งที่เปลี่ยนแปลงไป สิ่งที่ได้รับผลกระทบ และสิ่งที่ต้องทำต่อไป ระบบ Agentic ช่วยย่นระยะเวลานี้ โดยเริ่มต้นด้วยการวิเคราะห์เหตุผลที่เร็วขึ้น
ความแตกต่างระหว่างการระบุเหตุผลของปัญหาในเวลาไม่กี่นาทีเทียบกับหลายชั่วโมงหรือหลายวันคือสิ่งที่มีค่ามาก ต้นทุนการหยุดทำงานของเครือข่ายเพียงหนึ่งชั่วโมงสามารถเกิน 300,000 ดอลลาร์สำหรับองค์กรขนาดกลางถึงใหญ่ ตามการวิจัยของ ITIC
และยังเป็นความจริงที่ว่าเมื่อผู้ดำเนินการถูกขอให้ค้นหาข้อมูลด้วยตนเอง การระบุเหตุผลของปัญหาในเวลาไม่กี่นาทีเทียบกับหลายชั่วโมงหรือหลายวันคือสิ่งที่มีค่ามาก เครื่องมือ AI ที่มีศักยภาพสามารถแสดงให้เห็นถึงสาเหตุที่เป็นไปได้และบริการที่ได้รับผลกระทบ และแนะนำการดำเนินการต่อไปในเวลาไม่กี่วินาที เมื่อความเสี่ยงทางการเงินสูงเช่นนี้ การวิเคราะห์เหตุผลที่เร็วขึ้นและการแก้ไขปัญหาอย่างปลอดภัยจึงกลายเป็นสิ่งจำเป็น
นอกเหนือจากการเพิ่มประสิทธิภาพการทำงานที่เป็นรูปธรรม Agentic NOC ยังทำหน้าที่เป็นตัวกลางในการแบ่งปันความรู้ โดยรวมเอาความเชี่ยวชาญของวิศวกรจากทั่วทั้งองค์กรเข้าด้วยกัน เพื่อสร้างแหล่งข้อมูลร่วมกัน ในระยะยาว กระบวนการนี้จะสร้างวงจรการเรียนรู้อย่างต่อเนื่อง โดยที่ความสำเร็จและความท้าทายจากเหตุการณ์ทุกอย่างจะช่วยให้ AI มีข้อมูลที่จะแนะนำเมื่อเกิดเหตุการณ์ใหม่ๆ
ตัวอย่างเช่น หากบริษัทหนึ่งกำลังเผชิญกับปัญหาประสิทธิภาพเครือข่ายที่ยั่งยืนและตัดสินใจติดตั้งอุปกรณ์ใหม่เพื่อปรับปรุงประสิทธิภาพ แต่การอัปเดตต้องมีการเปลี่ยนแปลงการกำหนดค่า ในระหว่างกระบวนการ อาจเกิดปัญหาและทำให้เกิดการหยุดทำงาน ในยุค Agentic NOC ระบบ AI สามารถเก็บข้อมูลจากอุปกรณ์ต่างๆ และชี้ให้เห็นถึงสาเหตุที่เป็นไปได้ของปัญหาในเวลาที่สั้นกว่ามาก ผลกระทบเชิงบวกของระบบ Agentic ต่อการทำงานของเครือข่ายเป็นเรื่องที่ชัดเจน และข้อมูลก็สนับสนุนสิ่งนี้
McKinsey พบว่าการแก้ไขปัญหาและซ่อมแซมเครือข่ายโดยอัตโนมัติสามารถลดตั๋วการแก้ไขปัญหาได้ถึง 70% และลดต้นทุนการดำเนินงาน 55-80% ในขณะเดียวกันก็ปรับปรุงเวลาในการซ่อมแซมได้ 30-40%
ความท้าทายที่ต้องระวัง
หนึ่งในความผิดพลาดที่พบบ่อยที่สุดขององค์กรคือการลงทุนใน AI โดยไม่ได้สร้างพื้นฐานที่จำเป็น ส่วนใหญ่ (70%) ของพนักงานตื่นเต้นเกี่ยวกับประโยชน์ของ AI ตาม KPMG แต่หากไม่มีข้อมูลที่เชื่อถือได้และกระบวนการที่มีการจัดทำเอกสารที่ดี คุณค่าของระบบเหล่านี้จะเสื่อมลง
แทนการนั้น AI ควรได้รับการแนะนำเป็นขั้นตอน การสร้าง Agentic NOC คือการเดินทาง ในที่สุด ระบบควรเริ่มรับหน้าที่ที่ซับซ้อนและเชิงรุกมากขึ้น เช่น การตรวจจับรูปแบบในอุณหภูมิหรือการระบุตามแนวโน้มของการรีบูตอุปกรณ์ ซึ่งทั้งสองอย่างนี้สามารถเป็นสัญญาณของการหยุดทำงานที่กำลังจะเกิดขึ้นได้ แต่ในตอนแรก การมุ่งเน้นไปที่งานเล็กๆ เช่น การช่วยเหลือในการวิเคราะห์จะทำให้ระบบมีพื้นที่ในการเรียนรู้และปรับปรุง
ความผิดพลาดอีกอย่างหนึ่งคือการคิดว่าการกระทำทุกอย่างสามารถได้รับประโยชน์จากอัตโนมัติได้ กฎทั่วไปคือเมื่อมนุษย์แก้ปัญหาเดียวกันซ้ำๆ ปัญหานั้นเป็น候ผู้ที่เหมาะสมสำหรับการอัตโนมัติ การใช้แนวทางที่ค่อยเป็นค่อยไปสามารถช่วยสร้างความไว้วางใจและความมั่นใจได้
ตั้งแต่เดือนกุมภาพันธ์ 2025 ความไว้วางใจใน AI ในหมู่พนักงานใน美国ลดลง 33% ตาม Deloitte ในขณะที่ ดัชนีความไว้วางใจ AI ของ McKinsey ในปี 2026 พบว่าข้อผิดพลาดของเอาต์พุตยังคงเป็นข้อกังวลหลักของ AI สำหรับธุรกิจส่วนใหญ่ใน美国 (74%) ตามด้วยประเด็นด้านความปลอดภัยของไซเบอร์ (72%) โปรดจำไว้ว่ารายงานของ KPMG ที่พบว่าพนักงานใน美国ตื่นเต้นที่จะยอมรับ AI? รายงานนั้นยังพบว่าเพียง 41% เท่านั้นที่ยินดีที่จะไว้วางใจ AI
การเอาชนะความลังเลใจเกี่ยวกับ AI ลงไปสู่การกำกับดูแลและความสามารถในการอธิบายได้ การตั้งค่าแนวทางปฏิบัติที่ชัดเจนและหลักฐานการตรวจสอบให้เห็นภาพที่ชัดเจนแก่วิศวกรเกี่ยวกับวิธีการที่เอเย่นต์ AI ได้มาถึงคำแนะนำสุดท้าย รวมทั้งกลไกในการจับและแก้ไขข้อผิดพลาดก่อนที่จะก่อให้เกิดความเสียหายต่อไป ความไว้วางใจ การกำกับดูแล และการตรวจสอบของมนุษย์เป็นสิ่งที่แยกความแตกต่างระหว่างการดำเนินงาน Agentic ที่มีประโยชน์จากการทำงานอัตโนมัติที่มีความเสี่ยง ซึ่งเป็นเหตุผลที่เป้าหมายของ Agentic NOC ไม่ควรเป็นการกำจัดการดูแลของมนุษย์ แต่เพิ่มประสิทธิภาพให้กับมัน
เครือข่ายสมัยใหม่ต้องการความสามารถมากจากผู้ดำเนินการ เพื่อรักษาความเร็ว การทำงานของมนุษย์จำเป็นต้องเปลี่ยนจากงานซ้ำๆ ไปสู่นโยบาย การตรวจสอบ การกำกับดูแล และกรณีที่มีความเสี่ยงหรือใหม่ๆ AI ที่มีศักยภาพช่วยให้การเปลี่ยนแปลงนี้เป็นไปได้ โดยการระบุและแก้ไขปัญหาเร็วขึ้น การแบ่งปันความรู้ระหว่างทีมอย่างมีประสิทธิภาพ และการทำให้การตัดสินใจมีความสม่ำเสมอมากขึ้น การพัฒนาอย่างต่อเนื่องและปรับปรุงวิธีการตรวจสอบและบำรุงรักษาเครือข่ายมีรากฐานมาจาก AI ที่มีศักยภาพ
