5个网络任务，AI可以帮助NetOps团队完成，还有5个它无法完成的任务

如今的数字化景观正在迅速演变，网络基础设施的复杂性和规模正在指数级增长。这使得网络管理变得更加具有挑战性。虽然有各种工具可以帮助NetOps团队，但根据Gartner的说法，仍有三分之二的网络任务是手动完成的。因此，仍然需要简化网络运营和管理。

此外，云计算和虚拟化技术的采用，以及新技术和服务的出现，意味着组织需要更灵活和可扩展的网络管理技术，以应对日益增长的网络流量和设备。虽然脚本编写长期以来一直是自动化单个工程任务的一种方式，但它并不是整个运营团队的可扩展解决方案。

进入AI和更具体的生成式AI领域，这两年来一直是市场的催化剂。但是，随着众多AI启用的技术进入网络领域，很难理解什么功能是真实的，什么是AI的粉饰。让我们来看看5个网络任务，AI可以帮助NetOps团队完成，以及5个它无法完成的任务（但可能在未来会完成？）

帮助NetOps团队的任务：

1. 基础设施发现和配置分析 – 标准操作程序是识别和编目所有组成组织IT基础设施的物理和虚拟组件，并检查组件的设置、配置和状态。这是一个需要花费数小时的持续过程，但AI可以利用网络的数字孪生技术来加速这个过程（例如，BGP隧道故障可以从2小时缩短到10分钟），并提供NetOps团队可能需要的任何重要信息，包括设备硬件或软件、配置、资源、性能和安全风险评估。

2. 动态映射 – NetOps团队使用动态映射进行网络可视化、网络监控、故障排除等。它可以自动发现、记录和更新网络设备和组件之间的关系、路径和连接。AI（同样使用网络的数字孪生技术）可以在几分钟内根据查询或网络问题动态绘制和映射网络拓扑，而无需手动绘制。没有AI，网络工程师需要花费数小时在Visio中绘制地图（这可能需要数百小时来完全绘制一个企业网络），而这些地图可能在几周或几天内就会过时。

3. 根因分析和异常检测 – 每个网络专业人员都知道根因分析和异常检测的重要性。它们确保系统和流程的稳定性、安全性和效率。通常，这需要IT专业人员多年的经验（使用CLI工具、Ansible、Python等）。在AI出现之前，没有捷径可以获得这种故障排除知识。AI可以根据主题专家的训练，建议诊断或评估逻辑，以用于网络自动化，类似于AI帮助程序员生成代码。AI可能还能够帮助可靠地复制、适应和扩展网络上的每个设备的自动化。

4. 推荐操作 – 与故障排除类似，恢复服务降级（将服务恢复到期望的基线）通常需要专家技能。这涉及研究供应商文档和获取最佳实践和个人经验的知识。AI可以编目几十年的经验，并更好地将新颖问题的部落知识分发给各级工程师。一旦诊断被接受，或者不需要的趋势被识别，AI可以推荐更正操作、下一步骤、后续程序或更改提议。

5. 仪表盘和报告 – 实时可观察性、可行的洞察力和快速做出明智决策都是NetOps工作描述的一部分。自动化可以大大简化这些过程，但自动化结果如何呈现给人类决策者？可视化有用的分析已经成为一个独立的行业，拥有数十个图表和仪表盘平台。但是，这些仍需要仔细考虑和数小时或数天的工作来构建。AI可以通过帮助创建定制的仪表盘和报告来显著简化自动化结果的可视化，这些仪表盘和报告是为特定的用例而设计的，用于跟踪、监控和协作。想象一下，需要浏览数千个网络洞察，收集来自遥测和自动分析，然后想象一个AI助手将这些数据转化为一个一目了然的视觉仪表盘，突出显示紧急问题和优先任务。

无法帮助NetOps团队的任务：

1. 批准网络更改 – NetOps希望最小化停机风险，确保合规，帮助维护安全，并且总体上与业务目标保持一致，这就是为什么批准网络更改如此关键。虽然AI可以建议推荐操作，但它无法做出判断呼叫来批准或最终确定网络更改。这些更改是复杂的，每个企业网络都是不同的，错误可能会导致数万美元的停机时间。AI尚未展示出足够的高级网络知识来让高管相信它可以执行如此重要的任务。

2. 设计复杂网络 – 每个网络和其需求都是独一无二的。AI可能有一天能够为简单的网络设计简单的用例，但企业网络太复杂，太适应其特定的用例。一个微型交易公司可能需要一个超低延迟的网络。一个视频内容分发公司可能需要高带宽。一个医疗保健公司可能需要高可用性。更不用说每个企业可能最适合的各种协议，从传统的IP到多播、MPLS和SD-WAN。AI无法计算每个网络的所有可能迭代并选择最佳设计。只有人类才能做出这些考虑和决定。

3. 做出选择 – NetOps专业人员不断做出每日关键决策，围绕流量管理、性能优化、响应警报和事件、批准网络更改等。AI当然可以为这些决策者提供信息，但它无法理解足够的上下文来权衡取舍、做出艰难的决定或选择妥协。您是否希望AI做出可能影响医院或政府机构的网络服务交付的决定？

4. 承担责任 – NetOps团队根据正常运行时间、可用性、网络性能、问题管理、合规性等指标来评估。AI加入其中后，团队如何衡量？“这是AI的错”会成为一个可接受的回应吗？AI永远不会安抚关键利益相关者或客户。

5. 创新 – 提高效率、改善性能、增加可扩展性、改善用户体验……所有这些都需要创新。人类具有理解当今网络复杂性的能力，将其与组织的业务目标和职能相结合，提出独特的想法和解决方案。AI没有能力突破思维定势，提出新颖的网络解决方案来应对企业挑战。

毫无疑问，AI是一个强大的工具，它正在被大量整合到整个技术栈中。它可以通过增强可视性、自动化任务等方式为NetOps团队提供有价值的支持。但是，它也有一些无法完成的任务，可能永远也无法完成。我们才刚刚开始这种共生关系。您希望在NetOps中看到什么样的杀手级AI功能？