Етап 4 у подорожі до Self-Driving Network™: допомога

На цьому етапі нашої подорожі до мережі Self{0}}Driving Network ми розглянули дані-основу штучного інтелекту-власної мережі-і дослідили, як вони обробляються в хмарі та перетворюються на статистику та рекомендації за допомогою очікувань рівня обслуговування (SLE) і класифікаторів. Тепер ми переходимо до допомоги штучного інтелекту, де штучний інтелект починає відігравати більш активну роль у мережевих операціях, надаючи-підкріплені даними рекомендації щодо вирішення та, коли це дозволено, вживаючи автоматизованих дій для вирішення проблем.

Ця зміна відображає ширшу галузеву тенденцію-зростання впевненості в здатності ШІ керувати дедалі складнішим середовищем. За даними дослідження IDC, майже половина опитаних організацій віддають перевагу платформам керування мережею-на основі штучного інтелекту, які визначають і виконують дії для усунення проблем і оптимізації.

Стратегічне значення допоміжного ШІ

Допоміжні дії штучного інтелекту спрощують мережеві операції, зменшують ручне навантаження на ІТ-групи та прискорюють час вирішення, забезпечуючи виняткову продуктивність мережі для кінцевих користувачів, звільняючи ІТ-спеціалісти зосередитися на більш стратегічних та інноваційних ініціативах.

У міру того, як мережі стають складнішими, зростає кількість мережевих подій-від незначних неправильних налаштувань до серйозних збоїв у роботі-зростає, що ускладнює ІТ-командам пошук і вирішення критичних подій. Допомога штучного інтелекту через хмарні -AIOps допомагає ІТ-командам подолати шум. Виявляючи високо{5}}проблеми високого пріоритету за допомогою доказів і автоматично вирішуючи їх (з дозволу ІТ-спеціалістів), AIOps дозволяє ІТ-командам реагувати на проблеми швидко та завчасно. Це значно скорочує час на усунення несправностей і звільняє ресурси для зосередження на більш-стратегічних ініціативах, таких як інновації та довгострокове-планування.

Від даних до дії: як працює штучний інтелект

Високо-ефективні дієві рекомендації-підкріплені чітким обґрунтуванням-створюються шляхом фільтрації даних із сотень подій і взаємодії-користувачів у реальному часі за допомогою передових математичних алгоритмів і моделей AI/ML.

Якщо ІТ-спеціалісти мають високу впевненість у результаті, вони можуть авторизувати рішення AIOps для автоматичного вирішення проблеми. Оскільки довіра з часом зростає, ці рекомендації можна додати до списку надійних дій, що дозволить штучному інтелекту самостійно вирішувати подібні проблеми в майбутньому, не сповіщаючи ІТ-команду. Саме тут AIOps перетворюється на повноцінного-члена ІТ-команди та переходить у-режим самостійного керування.

Допоміжні дії ШІ діляться на три категорії:

Оптимізація: алгоритми AI/ML, такі як керування радіоресурсами (RRM) і керування мережевими ресурсами (NRM), постійно оптимізують роботу користувача

Рекомендовані дії: штучний інтелект виявляє ключові проблеми та пропонує конкретні дієві рекомендації з доказами

Автоматичні дії: надійні рекомендації, які ІТ-команда додала до списку авторизованих дій, які штучний інтелект може виконувати без втручання людини.

Представляємо Marvis,-провідного в галузі помічника ШІ

У Juniper ми втілюємо ці концепції в життя за допомогою Marvis® AI Assistant, основної частини Mist™, нашої власної мережевої платформи AI-. Marvis використовує такі алгоритми AI/ML, як RRM і NRM, щоб постійно й проактивно оптимізувати роботу користувачів. Завдяки Marvis Actions він забезпечує як рекомендовані, так і автоматизовані дії,-які ми називаємо режимами-допомоги водієві та-самостійного водіння.

У режимі-допомоги водієві Marvis виявляє події,-що впливають на продуктивність, і рекомендує високоефективні та підтверджені доказами вирішення таких проблем, як невідповідне мікропрограмне забезпечення, неправильно налаштовані порти, погані кабелі, відсутність VLAN і перевантажені мережі WAN.

Коли ввімкнуто самостійне-керування, тобто ІТ-спеціалісти додали рекомендацію до списку надійних дій, Marvis може автономно виправляти неправильно налаштовані порти, вирішувати-проблеми із застряганням портів тощо-і все відповідно до визначених ІТ-політик. Кожна дія, як допоміжна, так і автономна, реєструється та перевіряється на інформаційній панелі Marvis Actions, щоб команди могли переглядати-зведення найпоширеніших проблем, рекомендованих виправлень у реальному часі та відстежувати-ініційовані людиною та автономні дії для повної прозорості та контролю.

Marvis у дії:-реальні результати

Клієнти в усьому світі усвідомлюють переваги Marvis Actions. Наприклад, велика компанія IOTM більше року мала періодичні проблеми з користувачами Zoom на сайті в Індії. Використовуючи рекомендації великої моделі досвіду Marvis (LEM), вони швидко змогли ідентифікувати неправильно налаштований VPN-шлюз, який надсилає пакети на сайт в Австралії, викликаючи збільшення затримки та тремтіння.

В іншому випадку великий роздрібний продавець зазнав поганої роботи в певних приміщеннях своїх магазинів. Компанія Marvis визначила, що проблема виникла через перешкоди від бездротових демонстраційних продуктів, і автоматично регулювала смугу пропускання каналу з 40 МГц до 20 МГц, оптимізувавши-продуктивність мережі магазину як для працівників, так і для клієнтів.

Робимо наступний крок до автономії

Завдяки Marvis ІТ-команди отримують більше, ніж знання{0}}вони отримують цінне доповнення до своєї команди. Той, хто може визначати пріоритетність ключових проблем, рекомендувати та виконувати виправлення, а також підтверджувати, що ці виправлення реалізовано правильно. Ці допоміжні можливості забезпечують важливу основу для повної автономності, дозволяючи ІТ-командам поступово перевантажувати рутинні завдання на штучний інтелект і досягати підвищення продуктивності та ефективності. Не менш важливо, що ІТ-команди можуть відновити дорогоцінний час, щоб зосередитися на більш-впливових ініціативах-наприклад, стимулюванні інновацій замість усунення проблем.

Етап 4 знаменує собою переломний момент: ШІ тепер діє, а не лише дає пропозиції. У нашому наступному й останньому блозі ми розглянемо останній крок на шляху до самокерованої -мережі-, де штучний інтелект не лише допомагає в роботі, але й керує ними. Ми також дізнаємося, як Juniper веде цю-самохідну подорож-за допомогою Marvis Minis, великих моделей досвіду та агентського штучного інтелекту.

Де б ви не були на своїй подорожі мережею ШІ, Juniper тут, щоб допомогти вам зробити наступний крок.