5 мережевих завдань, з якими може допомогти штучний інтелект NetOps, та 5 завдань, з якими не може

Сьогоднішні цифрові ландшафти швидко еволюціонують, оскільки складність і масштаб мережевої інфраструктури продовжують зростати експоненційно. Це зростання робить все більш складним керування мережами ефективно. Хоча існує багато інструментів, розроблених для допомоги командам NetOps, Gartner стверджує, що дві третини мережевих завдань все ще є ручними. В результаті існує постійний попит на оптимізацію мережевих операцій та керування.

Крім того, впровадження технологій хмарних обчислень та віртуалізації в поєднанні з новими технологіями та послугами означає, що організації потребують більш гнучких та масштабованих технологій керування мережами, які можуть допомогти з зростаючим об’ємом мережевого трафіку та пристроїв. Хоча скриптинг давно є засобом автоматизації окремих інженерних завдань, він не є масштабованим для всієї операційної команди.

Вступіть штучний інтелект та, більш конкретно, обіцянка генеративного штучного інтелекту, який за останні два роки став каталізатором ринку. Але з такою великою кількістю технологій, що підтримують штучний інтелект, які зараз з’являються в мережевому просторі, може бути складно зрозуміти, яка функціональність реальна, а яка є лише “білизна” штучного інтелекту. Давайте розглянемо 5 мережевих завдань, з якими штучний інтелект може допомогти командам NetOps сьогодні, та 5 областей, з якими він не може (хоча можливо буде в майбутньому?):

Допомагає командам NetOps:

1. Відкриття інфраструктури та аналіз конфігурації – Це стандартна операційна процедура для ідентифікації та каталогізації всіх фізичних та віртуальних компонентів, що складають інфраструктуру організації, та для вивчення налаштувань, конфігурацій та станів компонентів цієї інфраструктури. Це триває процес, який може зайняти години на тиждень, якщо виконуватися вручну. Але штучний інтелект, який використовує повну цифрову копію мережі, значно прискорює цей процес (наприклад, падіння тунелю BGP можна зменшити з 2 годин до 10 хвилин), виводячи будь-яку важливу інформацію, яку команда NetOps може потребувати про апаратне забезпечення пристроїв або програмне забезпечення, конфігурації, ресурси, продуктивність та оцінки ризиків безпеки.

2. Динамічне відображення – Команди NetOps використовують динамічне відображення для візуалізації мережі, моніторингу, усунення несправностей та багато чого іншого. Воно автоматично відкриває, документує та оновлює відносини, шляхи та з’єднання між різними мережевими пристроями та компонентами. Штучний інтелект (знову ж таки з повною цифровою копією мережі) може динамічно малювати та відображати мережеву топологію, що стосується запиту або мережевої проблеми, за хвилини, коли вони потрібні. Без штучного інтелекту мережеві інженери повинні витратити кілька годин на сайт, малюючи карти в Visio (що може зайняти сотні годин, щоб повністю відобразити корпоративну мережу), а карти застаріють за тижні або навіть дні.

3. Аналіз кореневої причини та виявлення аномалій – Кожен мережевий фахівець знає, наскільки важливим є аналіз кореневої причини та виявлення аномалій. Вони забезпечують стабільність, безпеку та ефективність систем та процесів. Зазвичай це вимагає інтуїтивного досвіду фахівців з інформаційних технологій з років досвіду (за допомогою інструментів CLI, Ansible, Python тощо). До появи штучного інтелекту не було коротких шляхів до отримання цих знань з усунення несправностей. Штучний інтелект, навчений фахівцями, може пропонувати діагноз або логіку оцінки для використання в мережевій автоматизації, подібно до того, як штучний інтелект вже допомагає програмістам генерувати код. Штучний інтелект може також допомогти надійно повторювати, адаптувати та масштабувати автоматизацію для кожного пристрою в мережі.

4. Рекомендовані дії – Подібно до усунення несправностей, ліквідація проблеми (відновлення деґрадації послуг до бажаної базової лінії) часто вимагає фахової майстерності. Це включає дослідження документації виробників та отримання знань про найкращі практики та особистий досвід. Штучний інтелект може каталогізувати десятиліття досвіду та краще поширювати племінні знання про нові питання інженерам усіх рівнів. Як тільки діагноз зроблено та прийнято, або виявлені нежодавані тенденції, штучний інтелект може пропонувати коригувальні дії, наступні кроки, процедури перевірки або пропозиції змін.

5. Панелі та звітність – Реальна спостережливість, дієвінсайти, можливість приймати обґрунтовані рішення швидко – все це входить до опису роботи NetOps. Автоматизація може суттєво спростити ці процеси, але як результати автоматизації подаються людині, яка приймає рішення? Візуалізація корисної аналітики стала своєю окремою галуззю з десятками платформ графіків та панелей. Але ці платформи все одно потребують ретельного розгляду та годин або днів роботи для побудови. Штучний інтелект може суттєво полегшити візуалізацію результатів спостережливості та автоматизації, допомагаючи створювати панелі та звіти, адаптовані до конкретних випадків використання для відстеження, моніторингу та співробітництва. Уявіть, що вам потрібно переглянути тисячі мережевих ідей, зібраних з телеметрії та автоматичного аналізу, а потім уявіть собі штучного помічника, який перетворює ці дані в панель огляду, яка підкреслює нагальні питання та пріоритетні завдання.

Не допомагає командам NetOps:

1. схвалення змін мережі – Команди NetOps хочуть мінімізувати ризик простою, забезпечити дотримання вимог, допомогти підтримувати безпеку та загалом відповідати бізнес-цілям, тому схвалення змін мережі є такою важливою функцією. Хоча штучний інтелект може пропонувати рекомендовані дії, він не може приймати рішення щодо схвалення або затвердження змін мережі. Ці зміни є складними, кожна корпоративна мережа унікальна, а помилка може коштувати десятків тисяч доларів простою. Штучний інтелект ще не продемонстрував достатньо передових мережевих знань, щоб керівники могли довіряти йому таку важливу задачу.

2. Проектування складних мереж – Кожна мережа та її вимоги унікальні. Штучний інтелект потенційно може одного дня проектувати прості мережі для базових випадків використання, але корпоративні мережі надто складні та підходять лише для своїх конкретних випадків використання. Компанія з мікрообміну може потребувати мережу з наднизькою затримкою. Компанія з доставки відеоконтенту може потребувати мережу з високою пропускною здатністю. Компанія зі здоров’я може потребувати мережу з високою доступністю. Не кажучи вже про різні протоколи, які можуть найкраще підходити кожній компанії, від традиційного IP до мультикасту, MPLS та SD-WAN. Штучний інтелект не може розрахувати кожну можливу ітерацію мережі та вибрати найкращий дизайн. Лише людина може приймати ці рішення.

3. Прийняття рішень – Фахівці NetOps постійно повинні приймати критичні рішення щодня щодо керування трафіком, оптимізації продуктивності, реагування на сповіщення та інциденти, схвалення змін мережі та багато чого іншого. Штучний інтелект, безумовно, може надавати інформацію цим особам, які приймають рішення, але він не може зрозуміти контекст достатньо, щоб зважити компроміси, прийняти важкі рішення чи вибрати компроміси. Чи хотіли б ви, щоб штучний інтелект приймав рішення, які можуть вплинути на доставку мережевих послуг лікарні або державного агентства?

4. Прийняття відповідальності – Команди NetOps оцінюються за час безперебійного функціонування, доступність, продуктивність мережі, керування проблемами, дотримання вимог та багато чого іншого. З штучним інтелектом у грі, як оцінюються команди? Чи буде прийнятною відповіддю “це була вина штучного інтелекту”? Штучний інтелект ніколи не заспокоїть ключових зацікавлених сторін або клієнтів.

5. Інновації – Покращення ефективності, краща продуктивність, підвищена масштабованість, кращий досвід користувача… все це вимагає інновацій. Люди мають можливість зрозуміти складність сучасних мереж, поєднати це з бізнес-цілями організації та функціями своєї ролі, щоб розробити унікальні ідеї та рішення. Штучний інтелект не має можливості мутувати ідеї та створювати щось нове. Він не може думати поза рамками та надавати інноваційні мережеві рішення для корпоративних викликів.

Немає сумнівів, що штучний інтелект є потужним інструментом, який інтегрується по всьому технологічному стеку. Він може надавати цінну підтримку командам NetOps, підвищуючи видимість, автоматизуючи завдання та багато іншого. Але також є багато того, чого він не може зробити, і, ймовірно, ніколи не зможе зробити. Ми тільки на початку цього симбіотичного відносин. Яка вбивча функція штучного інтелекту ви хотіли б побачити в NetOps?