مناظر دیجیتال امروزی به سرعت در حال تکامل هستند زیرا پیچیدگی و مقیاس زیرساخت شبکه همچنان به طور تصاعدی در حال رشد است. این افزایش، مدیریت کارآمد شبکه ها را بیش از هر زمان دیگری چالش برانگیز می کند. در حالی که ابزارهای مختلفی برای کمک به تیم های NetOps طراحی شده است، گارتنر ادعا می کند که دو سوم وظایف شبکه هنوز دستی هستند. در نتیجه، تقاضای مداوم برای ساده کردن عملیات و مدیریت شبکه وجود دارد.
علاوه بر این، پذیرش فناوری‌های رایانش ابری و مجازی‌سازی همراه با فناوری‌ها و خدمات جدید به این معنی است که سازمان‌ها به فناوری‌های مدیریت شبکه انعطاف‌پذیرتر و مقیاس‌پذیرتری نیاز دارند که می‌تواند به افزایش حجم ترافیک شبکه و دستگاه‌ها کمک کند. در حالی که اسکریپت نویسی برای مدت طولانی راهی برای خودکارسازی وظایف مهندسی فردی بوده است، اما در کل تیم عملیاتی مقیاس پذیر نیست.
هوش مصنوعی و به طور خاص‌تر، قول را وارد کنید هوش مصنوعی مولدکه طی دو سال گذشته کاتالیزوری برای بازار بوده است. اما با توجه به بسیاری از فناوری‌های مجهز به هوش مصنوعی که اکنون در فضای شبکه قرار گرفته‌اند، درک اینکه چه عملکردی واقعی است و چه چیزی سفید کردن هوش مصنوعی است، دشوار است. بیایید به 5 وظیفه شبکه ای که هوش مصنوعی امروز می تواند به تیم های NetOps کمک کند و 5 حوزه ای که نمی تواند (اما ممکن است در آینده؟) کمک کند را بررسی کنیم:
به تیم های NetOps کمک می کند:
1. کشف زیرساخت و تجزیه و تحلیل پیکربندی – این یک روش عملیاتی استاندارد برای شناسایی و فهرست نویسی تمام اجزای فیزیکی و مجازی است که زیرساخت فناوری اطلاعات یک سازمان را تشکیل می‌دهند، و تنظیمات، پیکربندی‌ها و وضعیت‌های اجزای آن زیرساخت را بررسی می‌کنند. این یک فرآیند مداوم است که زمانی که به صورت دستی انجام می شود می تواند ساعت ها در هفته طول بکشد. اما هوش مصنوعی، با استفاده از کامل دوقلو دیجیتال یک شبکه، به طور چشمگیری این فرآیند را تسریع می کند (به عنوان مثال، تونل BGP را می توان از 2 ساعت به 10 دقیقه کاهش داد) هر گونه اطلاعات حیاتی که ممکن است یک تیم NetOps در مورد سخت افزار یا نرم افزار دستگاه، تنظیمات، منابع، عملکرد، و ارزیابی خطرات امنیتی نیاز داشته باشد، جمع آوری می کند. .
2. نقشه برداری پویا – تیم های NetOps از نقشه برداری پویا برای تجسم شبکه، نظارت بر شبکه، عیب یابی و موارد دیگر استفاده می کنند. به طور خودکار روابط، مسیرها و اتصالات بین دستگاه ها و اجزای مختلف شبکه را کشف، مستندسازی و به روز می کند. هوش مصنوعی (دوباره با یک دوقلو دیجیتال کامل از شبکه) می تواند به صورت پویا توپولوژی شبکه مربوط به یک پرس و جو یا مشکل شبکه را در چند دقیقه ترسیم کرده و هر زمان که نیاز باشد. بدون هوش مصنوعی، مهندسان شبکه باید چند ساعت در هر سایت برای ترسیم نقشه‌ها در Visio وقت بگذارند (که می‌تواند تا صدها ساعت به نقشه‌برداری کامل یک شبکه سازمانی اضافه شود) و نقشه‌ها در عرض چند هفته یا حتی چند روز منسوخ می‌شوند.
3. تجزیه و تحلیل علت ریشه و تشخیص ناهنجاری – هر متخصص شبکه می داند که تجزیه و تحلیل علت ریشه ای و تشخیص ناهنجاری چقدر مهم است. آنها ثبات، امنیت و کارایی سیستم ها و فرآیندها را تضمین می کنند. به طور معمول، این نیاز به تخصص بصری متخصصان فناوری اطلاعات با سال‌ها تجربه (استفاده از ابزارهای CLI، Ansible، Python و غیره) دارد. تا قبل از هوش مصنوعی، هیچ میانبری برای به دست آوردن این دانش عیب یابی وجود نداشت. هوش مصنوعی که توسط متخصصان موضوع آموزش دیده است، می‌تواند منطق تشخیص یا ارزیابی را برای استفاده در اتوماسیون شبکه پیشنهاد دهد، مشابه اینکه هوش مصنوعی قبلاً به برنامه‌نویسان در تولید کد کمک می‌کند. همچنین ممکن است به زودی هوش مصنوعی بتواند به تکثیر، انطباق و مقیاس خودکارسازی قابل اعتماد برای هر دستگاه در شبکه کمک کند.
4. اقدامات توصیه شده – درست مانند عیب یابی، رفع مشکل (بازگرداندن تنزل خدمات به خط پایه مورد نظر) اغلب به مهارت متخصص نیاز دارد. این شامل تحقیق در مورد اسناد فروشنده و کسب دانش از بهترین شیوه ها و تجربه شخصی است. هوش مصنوعی می‌تواند دهه‌ها تجربه را فهرست‌بندی کند و دانش قبیله‌ای را در مورد مسائل جدید به مهندسان هر سطح بهتر توزیع کند. هنگامی که تشخیص داده شد و پذیرفته شد، یا روندهای ناخواسته شناسایی شدند، هوش مصنوعی می‌تواند اقدامات اصلاحی، مراحل بعدی، رویه‌های پیگیری یا پیشنهادهای تغییر را توصیه کند.
5. داشبورد و گزارش – قابلیت مشاهده در زمان واقعی، بینش عملی و توانایی تصمیم گیری سریع آگاهانه، همه بخشی از شرح وظایف NetOps هستند. اتوماسیون می تواند این فرآیندها را تا حد زیادی ساده کند، اما نتایج اتوماسیون چگونه به تصمیم گیرندگان انسانی ارائه می شود؟ تجسم تجزیه و تحلیل مفید با ده ها پلتفرم نمودار و داشبورد به صنعت خودش تبدیل شده است. اما اینها هنوز نیاز به بررسی دقیق و ساعت ها یا روزها کار برای ساخت دارند. هوش مصنوعی با کمک به ایجاد داشبوردها و گزارش‌های سفارشی متناسب با موارد استفاده خاص برای ردیابی، نظارت و همکاری می‌تواند به‌طور قابل‌توجهی تجسم نتایج مشاهده‌پذیری و اتوماسیون را تسهیل کند. تصور کنید که باید هزاران بینش شبکه جمع‌آوری شده از تله متری و تجزیه و تحلیل خودکار را بررسی کنید و سپس تصور کنید که یک دستیار هوش مصنوعی آن داده‌ها را به یک داشبورد بصری قابل مشاهده تبدیل می‌کند که مسائل فوری و وظایف اولویت‌دار را برجسته می‌کند.
به تیم های NetOps کمک نمی کند:
1. تأیید تغییرات شبکه – NetOps می خواهد خطر خرابی را به حداقل برساند، از انطباق اطمینان حاصل کند، به حفظ امنیت کمک کند، و به طور کلی با اهداف تجاری هماهنگ شود، به همین دلیل است که تأیید تغییرات شبکه یک عملکرد بسیار مهم است. در حالی که هوش مصنوعی می‌تواند اقدامات توصیه‌شده را پیشنهاد کند، نمی‌تواند برای تایید یا نهایی کردن تغییرات شبکه قضاوت کند. این تغییرات پیچیده هستند، هر شبکه سازمانی متفاوت است، و یک اشتباه می تواند ده ها هزار دلار هزینه خرابی داشته باشد. هوش مصنوعی به اندازه کافی دانش پیشرفته شبکه را نشان نداده است که مدیران اجرایی بتوانند به چنین وظیفه مهمی به آن اعتماد کنند.
2. طراحی شبکه های پیچیده – هر شبکه و الزامات آن منحصر به فرد است. هوش مصنوعی به طور بالقوه روزی می تواند شبکه های ساده ای را برای موارد استفاده ابتدایی طراحی کند، اما شبکه های سازمانی بسیار پیچیده و متناسب با موارد استفاده خاص خود ساخته شده اند. یک شرکت تجاری خرد ممکن است به یک شبکه با تاخیر بسیار کم نیاز داشته باشد. ممکن است یک شرکت تحویل محتوای ویدیویی به پهنای باند بالایی نیاز داشته باشد. یک شرکت مراقبت های بهداشتی ممکن است به در دسترس بودن بالا نیاز داشته باشد. ناگفته نماند پروتکل های مختلفی که ممکن است به بهترین وجه برای هر سازمانی مناسب باشد، از IP سنتی گرفته تا چندپخشی، MPLS و SD-WAN. هوش مصنوعی نمی تواند هر تکرار ممکن شبکه را محاسبه کند و بهترین طرح را انتخاب کند. فقط یک انسان می تواند آن ملاحظات و تصمیمات را اتخاذ کند.
3. انتخاب کنید – متخصصان NetOps دائماً باید تصمیمات حیاتی روزانه در مورد مدیریت ترافیک، بهینه سازی عملکرد، پاسخ به هشدارها و حوادث، تأیید تغییرات شبکه و موارد دیگر بگیرند. هوش مصنوعی مطمئناً می‌تواند اطلاعاتی را در اختیار این تصمیم‌گیرندگان قرار دهد، اما نمی‌تواند زمینه را به اندازه‌ای درک کند که معاوضه‌ها را بسنجید، تصمیم‌های سخت بگیرد یا مصالحه را انتخاب کند. آیا می خواهید هوش مصنوعی تصمیمی بگیرد که ممکن است بر ارائه خدمات شبکه یک بیمارستان یا سازمان دولتی تأثیر بگذارد؟
4. مسئولیت پذیری – تیم‌های NetOps بر اساس زمان کار، در دسترس بودن، عملکرد شبکه، مدیریت مشکل، پایبندی به انطباق و موارد دیگر قضاوت می‌شوند. با استفاده از هوش مصنوعی تیم ها چگونه اندازه گیری می شوند؟ آیا فکر می‌کنیم «تقصیر هوش مصنوعی بود» پاسخ قابل قبولی خواهد بود؟ هوش مصنوعی هرگز سهامداران یا مشتریان کلیدی را آرام نخواهد کرد.
5. نوآوری – بهبود کارایی، عملکرد بهتر، افزایش مقیاس پذیری، تجربه کاربری بهتر… همه این موارد نیازمند نوآوری هستند. انسان ها این توانایی را دارند که پیچیدگی شبکه های امروزی را درک کنند و آن را با اهداف تجاری یک سازمان و عملکردهای نقش خود ترکیب کنند تا ایده ها و راه حل های منحصر به فردی ارائه دهند. هوش مصنوعی ظرفیت تغییر دادن ایده ها و ایجاد چیزهای جدید را ندارد. نمی تواند خارج از چارچوب فکر کند و راه حل های شبکه ای نوآورانه برای چالش های سازمانی ارائه دهد.
شکی نیست که هوش مصنوعی ابزار قدرتمندی است که به شدت در پشته فناوری ادغام شده است. می تواند با افزایش دید، خودکارسازی وظایف و موارد دیگر، پشتیبانی ارزشمندی را برای تیم های NetOps ارائه دهد. اما کارهای زیادی نیز وجود دارد که نمی تواند انجام دهد و احتمالاً هرگز نخواهد توانست انجام دهد. ما تازه در آغاز این رابطه همزیستی هستیم. ویژگی قاتل هوش مصنوعی که دوست دارید در NetOps ببینید چیست؟
