Wraz z udostępnieniem publicznie ChatGPT i zainwestowaniem przez Microsoft 10 miliardów dolarów w OpenAI, sztuczna inteligencja (AI) szybko zyskuje akceptację głównego nurtu biznesu. Dla specjalistów ds. sieci przedsiębiorstw oznacza to, że istnieje bardzo realna możliwość, że ruch związany z AI wpłynie na ich sieci w znaczący sposób, zarówno pozytywny, jak i negatywny. Ponieważ sztuczna inteligencja staje się podstawową funkcją w oprogramowaniu o znaczeniu krytycznym, jak zespoły sieciowe i specjaliści od sieci powinni się dostosować, aby wyprzedzić ten trend?

Andrew Coward, GM Software Defined Networking w IBM, twierdzi, że przedsiębiorstwo już straciło kontrolę nad swoimi sieciami. Przejście do chmury sprawiło, że tradycyjna sieć przedsiębiorstwa została pozostawiona sama sobie, a AI i automatyzacja są niezbędne, jeśli przedsiębiorstwa mają nadzieję odzyskać kontrolę. „Środek ciężkości przesunął się z korporacyjnego centrum danych do hybrydowego środowiska multicloud, ale sieć została zaprojektowana dla świata, w którym cały ruch nadal płynie do centrum danych. Oznacza to, że wiele elementów sieci, które dyktują przepływ ruchu i politykę, znajduje się obecnie poza zasięgiem i kontrolą zespołów sieciowych przedsiębiorstwa” - powiedział Coward.

Zobacz również:

• Blaski i cienie AI
• Oto kolejny przykład, co potrafi sztuczna inteligencja
• Wyjaśniamy czym jest SD-WAN i jakie są zalety tego rozwiązania

Najnowsze badania firmy Enterprise Management Associates (EMA) potwierdzają obserwacje Cowarda. Według raportu „EMA’s 2022 Network Management Megatrends”, podczas gdy 99% przedsiębiorstw przyjęło co najmniej jedną usługę chmury publicznej, a 72% ma strategię multicloud, tylko 18% z 400 badanych organizacji IT wierzyło, że ich istniejące narzędzia są skuteczne w monitorowaniu chmur publicznych.

Sztuczna inteligencja może pomóc w monitorowaniu sieci

Nie jest tajemnicą, że organizacje, które korzystają z narzędzi AI opartych na chmurze, takich jak OpenAI, IBM Watson czy AWS DeepLens, muszą dostosować się do dużego ruchu pomiędzy chmurą a korporacyjnymi centrami danych w celu szkolenia narzędzi. Szkolenie sztucznej inteligencji i utrzymywanie jej na bieżąco wymaga przesyłania ogromnych ilości danych w obie strony. Mniej oczywiste jest to, że sztuczna inteligencja wchodzi do przedsiębiorstwa bocznymi drzwiami, wkradając się poprzez możliwości wbudowane w inne narzędzia. Sztuczna inteligencja jest obecnie implementowana wszędzie, od narzędzi do tworzenia treści, przez silniki antyspamowe, po oprogramowanie do nadzoru wideo i urządzenia brzegowe, a wiele z tych narzędzi stale komunikuje się przez sieć WAN z centrami danych przedsiębiorstwa. Może to powodować skoki ruchu i problemy z opóźnieniami, wśród wielu innych problemów.

Pozytywnym aspektem jest to, że narzędzia do zarządzania ruchem i monitorowania oparte na sztucznej inteligencji zaczynają pomagać zespołom sieciowym o ograniczonych zasobach w radzeniu sobie ze złożonością i wrażliwością wielochmurowych, rozproszonych sieci. Jednocześnie nowoczesne usługi sieciowe, takie jak SD-WAN, SASE i 5G, również obecnie opierają się na AI w takich kwestiach, jak inteligentny routing, równoważenie obciążenia i plasterkowanie sieci.

Jednak w miarę jak Sztuczna inteligencja przejmuje więcej funkcji sieciowych, czy rozsądne jest, aby liderzy przedsiębiorstw zaufali tej technologii? Czy rozsądnie jest zaufać AI w przypadku sieci o znaczeniu krytycznym?

Specjaliści, których zadaniem będzie wykorzystanie AI do umożliwienia działania sieci nowej generacji, są ze zrozumiałych względów sceptyczni wobec wielu przegrzanych twierdzeń sprzedawców AI.

„Operacje sieciowe zarządzają tym, co wielu postrzega jako złożone, kruche środowisko. Dlatego wiele zespołów obawia się wykorzystania AI do podejmowania decyzji ze względu na potencjalne zakłócenia w sieci” - powiedział Jason Normandin, menedżer produktu netops w Broadcom Software. Zespołom operacyjnym, które nie rozumieją logiki modelu AI lub nie mają do niej dostępu, trudno będzie się przekonać. „Aby zapewnić kupno od zespołów operacyjnych sieci, kluczowe jest utrzymanie ludzkiego nadzoru nad urządzeniami i systemami wyposażonymi w sztuczną inteligencję”, dodaje. Aby zaufać AI, specjaliści sieciowi wymagają „dającej się wyjaśnić AI”, czyli AI, która nie jest czarną skrzynką, ale ujawnia swoje wewnętrzne działanie. „Budowanie zaufania do AI jako niezawodnego towarzysza zaczyna się od zrozumienia jej możliwości i ograniczeń oraz przetestowania jej w kontrolowanym środowisku przed wdrożeniem” - twierdził dr Adnan Masood, główny architekt AI w firmie UST zajmującej się transformacją cyfrową.

Wyjaśnialna i interpretowalna AI pozwala zespołom sieciowym zrozumieć, w jaki sposób AI dochodzi do swoich decyzji, a kluczowe metryki pozwalają zespołom sieciowym śledzić jej wydajność. ‘Ciągłe monitorowanie wydajności AI i zbieranie informacji zwrotnych od członków zespołu jest również ważnym sposobem budowania zaufania” - dodał Masood. „Zaufanie do AI nie polega na ślepej wierze, ale raczej na zrozumieniu jej możliwości i wykorzystaniu jej jako wartościowego narzędzia do zwiększenia wydajności zespołu”.

Normandin z firmy Broadcom zauważa, że choć eksperci od sieci mogą być niechętni „oddaniu koła” na rzecz AI, istnieje droga pośrednia. „Silniki rekomendacji mogą być dobrym kompromisem pomiędzy systemami ręcznymi a w pełni zautomatyzowanymi” - powiedział. „Takie rozwiązania pozwalają ludzkim ekspertom ostatecznie podejmować własne decyzje, jednocześnie oferując użytkownikom ocenianie dostarczonych rekomendacji. Takie podejście umożliwia ciągłą szkoleniową pętlę zwrotną, dając możliwość dynamicznego ulepszania modeli dzięki wykorzystaniu wkładu operatorów”.

Sztuczna inteligencja może wspomóc obsługę sieci za pomocą czatu w języku naturalnym

W miarę jak sieci przedsiębiorstw stają się coraz bardziej skomplikowane, rozproszone i przeciążone, sztuczna inteligencja pomaga zespołom sieciowym o ograniczonych zasobach dotrzymać kroku. „Potrzeba natychmiastowej, elastycznej łączności w całym przedsiębiorstwie nie jest już tylko opcją; to podstawa sukcesu firm. Dlatego branża szuka możliwości zastosowania w sieci rozwiązań z zakresu AI i inteligentnej automatyzacji” – tłumaczy Coward z IBM.

Faktem jest, że narzędzia napędzane AI już rozprzestrzeniają się w sieciach chmurowych i korporacyjnych, a liczba narzędzi wyposażonych w AI będzie nadal rosła w przewidywalnej przyszłości. Sieci korporacyjne były jednym z sektorów najbardziej agresywnie przyjmujących AI i automatyzację. AI jest obecnie wykorzystywana w szerokim zakresie funkcji sieciowych, w tym w monitorowaniu wydajności, tłumieniu alarmów, analizie przyczyn źródłowych i wykrywaniu anomalii.

Na przykład Meraki Insight firmy Cisco analizuje problemy z wydajnością sieci i pomaga w rozwiązywaniu problemów; Mist AI firmy Juniper automatyzuje konfigurację sieci i zajmuje się optymalizacją; zaś Watson AIOps firmy IBM automatyzuje operacje IT i usprawnia dostarczanie usług.

Sztuczna inteligencja jest również wykorzystywana do poprawy doświadczeń klientów. „Zdolność AI do adaptacji i uczenia się połączenia klient-chmura w miarę jego zmian sprawi, że będzie ona idealnym rozwiązaniem dla najbardziej dynamicznych przypadków użycia sieci” - wyjaśnia Bob Friday, Chief AI Officer w Juniper Networks. Friday uważa, że w miarę jak społeczeństwo staje się bardziej mobilne, doświadczenie użytkownika sieci bezprzewodowej staje się coraz bardziej złożone. Jest to problem, ponieważ sieci bezprzewodowe są obecnie krytyczne dla codziennego życia pracowników, zwłaszcza w dobie pracy z domu, co zmusza dział IT do wspierania użytkowników w środowiskach, nad którymi IT ma niewielką lub żadną kontrolę.

Właśnie dlatego wsparcie napędzane przez AI jest jednym z najpopularniejszych wczesnych przypadków użycia. „Sztuczna inteligencja umożliwia następną erę wyszukiwania i chatbotów”, powiedział Piątek. „Celem końcowym jest środowisko, w którym użytkownicy cieszą się stałą, spójną wydajnością i nie muszą już wydawać cennych zasobów IT na góry biletów wsparcia”.

Chatboty i wirtualni asystenci zbudowani z wykorzystaniem technologii Natural Language Processing (NLP) i Natural Language Understanding (NLU) potrafią zrozumieć pytania zadawane przez użytkowników ich własnymi słowami. System odpowiada konkretnymi spostrzeżeniami i zaleceniami opartymi na obserwacjach poczynionych w sieci LAN, WLAN i WAN.

„Tam, gdzie ten wgląd i automatyzacja klient-do-chmury po prostu nie były możliwe jeszcze kilka lat temu, dzisiejsze chatboty mogą wykorzystywać możliwości NLP, aby zapewnić kontekst i znaczenie danych wejściowych użytkownika, pozwalając AI wymyślić najlepszą odpowiedź”, mówi Piątek. „To znacznie przewyższa proste odpowiedzi 'tak' lub 'nie', które pierwotnie pochodziły z tradycyjnych chatbotów. Dzięki lepszym możliwościom NLP, chatboty mogą się rozwijać, aby stać się bardziej intuicyjne, do tego stopnia, że użytkownicy będą mieli problem z odróżnieniem bota od człowieka”.

Wczesne etapy realizacji tej wizji są już w toku. AI jest obecnie wykorzystywana, aby pomóc firmom z listy Fortune 500 osiągnąć takie rzeczy, jak zarządzanie łącznością end-to-end dla użytkowników i umożliwienie dostarczania nowych usług 5G.

Gap stawia na operacje i wsparcie oparte na sztucznej inteligencji

Sieci WLAN w sklepach detalicznych firmy Gap zostały pierwotnie zaprojektowane do obsługi garstki urządzeń mobilnych. Teraz sieci te są wykorzystywane nie tylko do połączeń pracowników ze scentralizowanymi zasobami, ale także do podłączania urządzeń kupujących i rosnącego wachlarza detalicznych urządzeń IoT w tysiącach sklepów. „Sieć bezprzewodowa w handlu detalicznym jest naprawdę trudna do zrobienia i obsługi” - powiedział Snehal Patel, globalny architekt sieci w firmie Gap. Inc. W miarę jak coraz więcej klientów podłączało się do sieci WLAN Gap, pojawił się ciąg problemów. „Sklepy potrzebują wystarczającej przepustowości sieci bezprzewodowej, aby wspierać innowacje, a zespół ds. operacji sieciowych potrzebuje lepszego wglądu w pojawiające się problemy”.

Zespół IT firmy Gap szukał technologii WLAN, która wykorzystywałaby skalę i odporność chmur publicznych, ale zespół chciał również platformy zawierającej narzędzia takie jak AI i automatyzacja, które umożliwiłyby skalowanie sieci w celu zaspokojenia przyszłego zapotrzebowania. Gap ostatecznie zdecydował się na zestaw narzędzi Juniper. Gap wdrożył Mist AI firmy Juniper, platformę operacji i wsparcia sieciowego opartą na sztucznej inteligencji, Marvis VNA, wirtualnego asystenta sieciowego zaprojektowanego do pracy z Mist AI oraz usługę SD-WAN firmy Juniper. Zespół operacyjny firmy Gap może teraz zadawać pytania Marvisowi, a ten nie tylko powie im, co jest nie tak z siecią, ale również zaleci kolejne kroki w celu usunięcia problemu. „Przed Mistem spędzaliśmy o wiele więcej czasu na rozwiązywaniu problemów”, mówi Patel. Obecnie Mist stale mierzy wydajność bazową, a jeśli wystąpią odchylenia, Marvis pomaga zespołowi operacyjnemu zidentyfikować problem. Dzięki lepszej widoczności stanu sieci i analizie przyczyn źródłowych problemów sieciowych firma Gap zmniejszyła liczbę wizyt personelu technicznego w sklepach o 85%.

DISH używa sztucznej inteligencji do skalowania 5G dla klientów biznesowych

Inną firmą z listy Fortune 500, która zaadaptowała sztuczną inteligencję do modernizacji sieci, jest DISH Network, która wdrożyła sztuczną inteligencję, aby umożliwić świadczenie nowych usług 5G. Firma DISH obserwowała rosnące zapotrzebowanie na usługi 5G dla przedsiębiorstw, ale miała trudności z optymalizacją swojej infrastruktury, aby sprostać temu zapotrzebowaniu. Klienci korporacyjni poszukiwali usług 5G, aby umożliwić nowe przypadki użycia, takie jak inteligentne miasta, sieci dronów rolniczych i inteligentne fabryki. Jednakże, te przypadki użycia wymagają bezpiecznych, prywatnych, niskich opóźnień, stabilnych połączeń na współdzielonych zasobach. Firma DISH wiedziała, że musi zmodernizować swój stos sieciowy i szukała narzędzi, które pomogłyby jej dostarczać prywatne sieci 5G klientom korporacyjnym na żądanie i z gwarantowanymi umowami SLA. Nie było to możliwe przy użyciu starszych narzędzi.

DISH zwróciła się o pomoc do IBM. Oparte na sztucznej inteligencji oprogramowanie i usługi do automatyzacji i orkiestracji sieci umożliwiają firmie DISH wprowadzenie orkiestracji sieci 5G zarówno do platform biznesowych, jak i operacyjnych. Orkiestracja sterowana intencjami, proces automatyzacji napędzany oprogramowaniem oraz AI stanowią obecnie podstawę chmurowej architektury sieci 5G DISH.

DISH zamierza również wykorzystać IBM Cloud Pak for Network Automation, pakiet oprogramowania do automatyzacji i orkiestracji sieci opartej na sztucznej inteligencji i uczeniu maszynowym, aby odblokować nowe źródła przychodów, takie jak dostarczanie na żądanie prywatnych usług sieciowych 5G. Cloud Pak automatyzuje skomplikowany, uciążliwy proces tworzenia plasterków sieci 5G, które następnie mogą być dostarczane jako sieci prywatne. Dzięki automatyzacji procesu, DISH może tworzyć prywatne sieci klasy korporacyjnej na plastrach 5G, gdy tylko pojawi się zapotrzebowanie, wraz z umowami SLA.

Zaawansowane projektowanie sieci napędzane przez AI pozwala DISH oferować usługi 5G, które są dostosowane do każdego biznesu. Firmy są w stanie ustawić poziomy usług dla każdego urządzenia w swojej sieci, więc, na przykład, autonomiczny pojazd może otrzymać połączenie o bardzo niskich opóźnieniach, podczas gdy kamera wideo HD może być przydzielona wysoka przepustowość.

„Nasza budowa 5G jest wyjątkowa, ponieważ naprawdę tworzymy sieć sieci, w której każde przedsiębiorstwo może dostosować wycinek sieci lub grupę wycinków do swoich specyficznych potrzeb biznesowych”, powiedział Marc Rouanne, chief network oficer w DISH Wireless. Rozwiązania orkiestracji IBM wykorzystują sztuczną inteligencję, automatyzację i uczenie maszynowe, aby nie tylko umożliwić te prywatne plastry 5G, ale także zapewnić ich adaptację w czasie wraz z ewolucją użytkowania przez klientów.

Jak informatycy powinni przygotować się na rewolucję sztucznej inteligencji?

W miarę jak AI, uczenie maszynowe i automatyzacja zasilają coraz szerszy zakres oprogramowania i sprzętu sieciowego, jak poszczególni specjaliści sieciowi powinni przygotować się do współpracy z nowymi, sztucznymi kolegami?

Niewielu profesjonalistów będzie tęsknić za prozaicznymi, powtarzalnymi zadaniami, w których AI jest doskonała, wielu martwi się, że AI w końcu całkowicie ich wyprze. „Podczas gdy sztuczna inteligencja rozwija się wykładniczo, nieuniknione jest, że zespoły sieciowe będą narażone na urządzenia i systemy z obsługą AI”, twierdzi Normandin z firmy Broadcom. Ponieważ eksperci sieciowi nie mają stać się specjalistami od sztucznej inteligencji, zmiana kulturowa jest prawdopodobnie bardziej prawdopodobna niż cokolwiek innego.

Masood z UST zgadza się, że zmiana kulturowa jest nieuchronna. „Zespoły sieciowe szybko ewoluują od zwykłego zarządzania sieciami do zarządzania sieciami z mózgiem”, uważa i dodaje „W kontekście sieci zespoły te będą musiały rozwinąć umiejętność współpracy z naukowcami zajmującymi się danymi, inżynierami oprogramowania i innymi ekspertami, aby budować, wdrażać i utrzymywać systemy AI w produkcji”.

Specjaliści sieciowi będą musieli podnieść poziom istniejących umiejętności w zakresie zarządzania siecią i optymalizacji, aby mogli realizować takie zadania, jak wykorzystanie algorytmów uczenia maszynowego do przewidywania przeciążenia sieci i poprawy jej wydajności. Będą musieli również rozwinąć nowe umiejętności w zakresie analizy i wizualizacji danych, NLP, analizy wartości odstających, wykrywania anomalii oraz algorytmów optymalizacyjnych. „Nie sugeruję, aby stali się programistami sztucznej inteligencji lub data scientists, , jednak głębsze zrozumienie podstawowych algorytmów i modeli statystycznych wykorzystywanych do budowania systemów AI specyficznych dla sieci z pewnością da im przewagę konkurencyjną nad ich odpowiednikami nieposiadającymi umiejętności AI” – uważa Masood.

Według Normandina pojawi się nowa rola, NetDevOps, która będzie zarządzać sieciami sterowanymi przez AI. „Udane inicjatywy NetDevOps będą wyglądać jak w pełni zautomatyzowane środowiska, które mogą wdrażać zmiany w całej sieci, gotowe do konsumpcji w podejściu DevOps na całej długości rurociągu [continuous integration/continuous delivery]”, mówi.

Programowalne, definiowane programowo i oparte na chmurze środowiska sieciowe umożliwiły NetDevOps dzięki infrastrukturze jako kod i automatyzacji. „Teraz zespoły operacji sieciowych muszą dokonać swojej rewolucji agile i zaakceptować ryzyko częstszych zmian i większej automatyzacji” - mówi Normandin. „W konsekwencji będą musiały ponownie skupić się na głównym wyniku: monitorowaniu i gwarantowaniu cyfrowych doświadczeń dostarczanych przez sieci”.

Źródło: Networld.com