Етап 4 на пътуване до Self-Driving Network™: подпомаган

На този етап от пътуването ни към Self{0}}Driving Network, ние разгледахме данните-основата на AI-собствена мрежа-и проучихме как се обработват в облака и превеждат в прозрения и препоръки чрез очаквания за ниво на обслужване (SLE) и класификатори. Сега преминаваме към AI помощ, където AI започва да играе по-активна роля в мрежовите операции, като предоставя-подкрепени с данни препоръки за разрешаване и, когато е разрешено, предприема автоматизирани действия за разрешаване на проблеми.

Тази промяна отразява по-широка индустриална тенденция-нарастващо доверие в способността на AI да управлява все по-сложни среди. Според IDC Research, почти половината от анкетираните организации предпочитат платформи за мрежово управление, задвижвани от AI-, които едновременно определят и изпълняват действия за отстраняване на проблеми и оптимизиране.

Стратегическата стойност на подпомагания AI

Подпомаганите AI действия опростяват мрежовите операции, намаляват ръчното натоварване на ИТ екипите и ускоряват времето за решаване на проблемите, осигурявайки изключителна мрежова производителност за крайните потребители, като същевременно освобождават ИТ да се съсредоточи върху по-стратегически и иновативни инициативи.

Тъй като мрежите стават все по-сложни, обемът на мрежовите събития-от незначителни неправилни конфигурации до големи прекъсвания на услугите-се увеличава, което затруднява ИТ екипите да откриват и адресират критични събития. Помощта с изкуствен интелект чрез облачни-базирани AIOps помага на ИТ екипите да преодолеят шума. Чрез извеждане на проблеми с висок-приоритет с доказателства и автоматичното им разрешаване (с разрешение на ИТ отдела), AIOps позволява на ИТ екипите да реагират на проблеми бързо и проактивно. Това драстично намалява времето за отстраняване на неизправности и освобождава ресурси за фокусиране върху стратегически инициативи с по-висока-стойност, като иновации и-дългосрочно планиране.

От данни към действие: как работи подпомаганият AI

Високо{0}}ефикасни, приложими препоръки-подкрепени с ясна обосновка-са произведени чрез филтриране на данни от стотици събития и-потребителски изживявания в реално време чрез усъвършенствани математически алгоритми и AI/ML модели.

Когато ИТ има голяма увереност в резултата, те могат да упълномощят решението AIOps автоматично да коригира проблема. Тъй като доверието се изгражда с течение на времето, тези препоръки могат да бъдат добавени към списък с надеждни действия, което позволява на AI да разрешава подобни проблеми автономно в бъдеще, без да предупреждава ИТ екипа. Това е мястото, където AIOps се развива в пълноценен-член на ИТ екипа и влиза в-режим на самостоятелно управление.

Подпомаганите AI действия попадат в три категории:

Оптимизация: AI/ML алгоритмите като управление на радиоресурси (RRM) и управление на мрежови ресурси (NRM) непрекъснато оптимизират потребителското изживяване

Препоръчителни действия: AI извежда на повърхността важни проблеми и предлага конкретна приложима препоръка с доказателства

Автоматизирани действия: Надеждни препоръки, които ИТ екипът е добавил към списъка с разрешени действия, които AI да изпълнява без човешка намеса.

Въведете Марвис, водещият-индустрия AI асистент

В Juniper вдъхваме живот на тези концепции с Marvis® AI Assistant, основна част от Mist™, нашата-родна мрежова платформа за AI. Marvis използва AI/ML алгоритми като RRM и NRM, за непрекъснато и проактивно оптимизиране на потребителското изживяване. Чрез Marvis Actions той предоставя както препоръчани, така и автоматизирани действия,-които наричаме режими-помощ на водача и-самоуправляване.

В режим-подпомагане на водача Marvis открива събития,-въздействащи на производителността, и препоръчва решения с висока ефикасност и подкрепени от доказателства за проблеми като несъответстващ фърмуер, неправилно конфигурирани портове, лоши кабели, липсващи VLAN и претоварени WAN вериги.

Когато е активиран за само-управление, което означава, че ИТ е добавил препоръката към списъка с надеждни действия, Marvis може автономно да коригира неправилно конфигурирани портове, да разрешава проблеми с-заседнали портове и още-всичко в съответствие с-дефинирани от ИТ правила. Всяко действие, независимо дали е подпомогнато или автономно, се регистрира и валидира в таблото за управление на Marvis Actions, така че екипите да могат да преглеждат-обобщение в реално време на най-важните проблеми, препоръчани поправки и да проследяват както човешки-инициирани, така и автономни действия за пълна прозрачност и контрол.

Marvis в действие:-резултати от реалния свят

Клиентите в световен мащаб осъзнават предимствата на Marvis Actions. Например, голяма IOTM компания имаше периодични проблеми повече от година с потребителите на Zoom на сайт в Индия. Възползвайки се от препоръките от модела за голям опит на Marvis (LEM), те бързо успяха да идентифицират неправилно конфигуриран VPN шлюз, изпращащ пакети до сайт в Австралия, причинявайки повишена латентност и трептене.

В друг случай голям търговец на дребно е имал лошо представяне в определени части на своите магазини. Marvis установи, че проблемът се дължи на смущения от безжични демонстрационни продукти и автоматично коригира широчината на честотната лента на канала от 40 MHz до 20 MHz – оптимизиране на-производителността на мрежата на магазина както за служители, така и за клиенти.

Предприемане на следващата стъпка към автономия

С Marvis ИТ екипите получават повече от прозрения-те печелят ценно допълнение към своя екип. Човек, който може да приоритизира ключови проблеми, да препоръча и изпълни корекции и да потвърди, че тези корекции са внедрени правилно. Тези подпомогнати възможности осигуряват решаваща основа за пълна автономия, позволявайки на ИТ екипите постепенно да прехвърлят рутинните задачи към AI и да реализират печалби в производителността и ефективността. Също толкова важно е, че ИТ екипите могат да си върнат ценно време, за да се съсредоточат върху-инициативи с по-голямо въздействие-като стимулиране на иновации вместо отстраняване на проблеми.

Етап 4 бележи повратната точка: AI вече предприема действия, вместо само да прави предложения. В нашия следващ и последен блог ще проучим последната стъпка от пътуването към -самоуправляваща се мрежа-, където AI не само подпомага операциите, но и ги управлява. Също така ще проучим как Juniper води това-самоуправляващо се пътуване-използвайки Marvis Minis, големи модели за преживяване и агентен AI.

Където и да сте във вашето пътуване с изкуствен интелект в мрежа, Juniper е тук, за да ви помогне да направите следващата стъпка.