В 2024 году почти все поставщики услуг, упомянутые Gartner в отчетах Magic Quadrant for global WAN services и Magic Quadrant for managed network services, заявили, что начали использовать искусственный интеллект (ИИ) различными способами для поддержки эксплуатации корпоративных сетей. Области применения включают ИИ для ИТ-операций (AIOps), генеративный ИИ (GenAI) в качестве сетевого помощника, улучшенное предоставление услуг, а также ИИ в области безопасного доступа по модели SASE и сетевой безопасности. AIOps стал основополагающей возможностью в управляемых сетях. Ведущие поставщики услуг, такие как HCLTech, Microland и NTT Data, начали интегрировать возможности AIOps и сетевую автоматизацию для подключения услуг и улучшения качества обслуживания клиентов. Кроме того, поставщики услуг внедряют ИИ и/или машинное обучение (МО) для мониторинга состояния сети, обнаружения аномалий и автоматизации рутинных задач в центрах сетевых операций (NOC). Цель состоит в переходе от реактивного устранения неполадок к проактивному обеспечению надежности. Например, если задержка на канале сети с территориально распределенной сетью (WAN) начинает периодически расти, модель машинного обучения может распознать эту закономерность как предвестник сбоя канала и предупредить инженеров или инициировать переключение до возникновения серьезного простоя. Одним из таких поставщиков услуг является Tata Communications, которая инвестировала в диагностику неисправностей на основе ИИ с точностью 85% с использованием ИИ/МО, в то время как телеметрия на основе ИИ прогнозирует и устраняет проблемы для проактивного мониторинга сети. Также многие поставщики сетевого оборудования теперь встраивают функции ИИ для поддержки поставщиков услуг в мониторинге сетей.
GenAI как сетевой помощник
За последний год Gartner отметила большой интерес со стороны поставщиков управляемых сетевых услуг (MNS) к применению GenAI в ИТ-операциях, включая управление сетями. Видение состоит в том, чтобы предоставить сетевого ИИ-помощника, который может взаимодействовать с операционными группами поставщика через чат-интерфейс на естественном языке, помогать в устранении неполадок, документировании сетей и даже вносить изменения путем генерации конфигураций на основе намерений. Одним из примеров является HCLTech, которая сосредоточена на использовании интеграций GenAI с программно-определяемыми сетями WAN (SD-WAN) для обеспечения полной автоматизации операций жизненного цикла. Компания создает ориентированную на поставщиков большую языковую модель (LLM) на базе GenAI в рамках своей платформы предоставления услуг (SDP). Сетевые ИИ-помощники — это интерактивные цифровые инструменты на базе ИИ/МО, с которыми пользователи могут общаться через разговорные интерфейсы чата на естественном языке. Вместо использования интерфейса командной строки (CLI) или панелей мониторинга (UI) пользователи вводят текстовый запрос в чате для выполнения таких задач, как настройка, устранение неполадок или доступ к фреймворку автоматизации. ИИ-помощник в основном отвечает с помощью управляемого разговорного текста, но также предоставляет горячие ссылки для выполнения конкретных задач, что приводит к ускорению и улучшению сетевых операций и производительности. При встраивании в консоли управления сетевых провайдеров сетевые ИИ-помощники предоставляют действенные сетевые сведения и помогают в выполнении операционных задач по сети, улучшая пользовательский опыт администратора, а также эффективность настройки и эксплуатации.
Улучшенное предоставление услуг
ИИ также используется в аспектах MNS, ориентированных на клиентов. Поставщики услуг все чаще используют ИИ для улучшения поддержки и прозрачности для клиентов. Это включает чат-ботов для обслуживания клиентов на базе ИИ, сервисные порталы и отчеты или аналитические данные, сгенерированные ИИ. Например, многие поставщики MNS, упомянутые в отчете Gartner Magic Quadrant for managed network services, используют ботов, которые все чаще дополняются возможностями ИИ, для автоматизации повторяющихся задач. У некоторых есть тысячи ботов в составе их кодовых баз сетевой автоматизации.
ИИ в SASE и сетевой безопасности
ИИ и МО оказываются столь же критичными в аспекте безопасности MNS, как и в управлении производительностью. Фактически, многие поставщики услуг (например, XTIUM и Microland) продвигают улучшения своих предложений по сетевой безопасности на базе ИИ, где платформа использует передовую аналитику, ИИ и GenAI для укрепления и упрощения управления безопасностью локальных сетей (LAN), WAN и облачных сред. Для SASE и сетевой безопасности ИИ может использоваться для автоматического обнаружения аномалий. В этом случае система помещает подозрительное устройство в карантин или инициирует многофакторную аутентификацию для пользователя, ведущего себя нетипично. В оптимизации политик ИИ может рекомендовать ужесточение или корректировку политик безопасности на основе наблюдаемого использования. Например, он может предложить правила нулевого доверия для приложения, основываясь на контексте — местоположении, времени, отделах компании и так далее. Некоторые передовые поставщики услуг, такие как HCLTech, изучают LLM для помощи аналитикам по безопасности — например, для обобщения многоэтапных атак или даже написания правил брандмауэра на основе высокоуровневых описаний угроз. Кроме того, многие поставщики платформ SASE подчеркивают свои возможности ИИ/МО. Например, Versa Networks рекламирует SASE на базе ИИ/МО, объединяющий SD-WAN и облачную безопасность, используя МО для постоянной адаптации к сетевым условиям и угрозам безопасности. Аналогичным образом, Cato Networks подчеркивает, что использует ИИ/МО в своем облачном SASE-сервисе для обеспечения «надежной, точной сетевой безопасности», применяя передовую науку о данных для предотвращения угроз и интеллектуального управления трафиком.
ИИ в MNS в 2028 году и далее
Интеграция ИИ в MNS будет все больше повышать операционную эффективность и обеспечивать принятие более обоснованных решений, гарантируя, что сети будут достаточно надежными и гибкими для адаптации к меняющимся требованиям и шаблонам трафика. Взгляд на три-пять лет вперед показывает, что ожидается значительная трансформация MNS благодаря широкому использованию ИИ — традиционного, генеративного и агентивного — и автоматизации.
Широкое распространение помощников в NOC
Текущий быстрый темп развития предполагает, что к 2028 году GenAI станет зрелым, надежным помощником в сетевых операциях. Экспериментальные и зарождающиеся внедрения 2023–2024 годов уступят место надежным сетевым ИИ-помощникам, встроенным в рабочие процессы MNS. Эти помощники будут взаимодействовать через естественный язык (текст или голос) и интегрированы с системами мониторинга и тикетинга. Они смогут отвечать на сложные запросы о сети, составлять планы изменений и обобщать инциденты и проблемы. По сути, если 2023 год был вводным годом для сетевых ИИ-помощников (см. Что такое сетевой ИИ-помощник?), то к 2028 году они станут стандартной возможностью для NOC для повышения производительности. Ожидается, что модели, лежащие в основе ИИ-помощников, станут более специализированными в области сетевой инженерии и будут донастраиваться с использованием исторических данных каждого поставщика, что сделает их более точными и осведомленными о контексте, чем современные инструменты. Лучшие поставщики будут использовать собственные модели — или, по крайней мере, собственную донастройку, — которые станут частью их интеллектуальной собственности. Например, поставщик может использовать модель, обученную на многолетних данных управления сетевыми событиями, которая исключительно хорошо справляется с диагностикой проблем телекоммуникационных сетей или с эффективностью проектирования сетевой безопасности. Это станет отличием от тех, кто использует готовые сетевые ИИ-помощники. К 2028 году агентивный ИИ, вероятно, проявится в виде автоматизированных «Респондентов Уровня 0» в NOC. Это ИИ-агенты, способные обнаруживать сетевые инциденты, понимать намерения, принимать автономные решения и выполнять действия по обработке конкретных задач и типов инцидентов от начала до конца без вмешательства человека. К 2028 году многие поставщики услуг, вероятно, обеспечат полностью автоматизированное устранение известных проблем. Например, если маршрутизатор SD-WAN в филиале выходит из строя, ИИ-агент может обнаружить инцидент, определить последовательность исправлений — перезапустить виртуальный экземпляр, переключиться на резервный и так далее — и выполнить их. Он уведомит человека, только если эти действия не увенчаются успехом. Другой пример — обнаружение известного бага, например, утечки памяти в брандмауэре, вызывающей замедление. ИИ-агент, обнаружив проблему, примет решение о временном обходном решении конфигурации или инициирует установку исправления ПО и выполнит эти действия. Это выходит за рамки современных статических скриптов за счет добавления автономного принятия решений и действий. Агент сможет проверить, соответствует ли проблема известному шаблону, используя машинное обучение, и проверить, безопасны ли условия для выполнения исправления сейчас, используя политики — например, он перезагрузится только после окончания рабочего дня, если это критично. Полностью автономные сети, вероятно, останутся недостижимыми дольше 2028 года. Но мы ожидаем, что к 2028 году такие самовосстанавливающиеся действия будут приняты для узких областей, поскольку поставщики услуг приобретут доверие к ИИ в этих повторяющихся задачах благодаря длительному обучению и предыдущим успешным результатам. Тем не менее, сложность координации между доменами означает, что люди по-прежнему будут заниматься принятием решений на высоком уровне. Но для рутинных сбоев и тонкой настройки производительности автоматизированные агенты могут стать нормой, повышая надежность услуг. Эта статья основана на отрывке из отчета Gartner «ИИ трансформирует управляемые сетевые услуги в ближайшие три года» (AI will transform managed network services in the next three years), подготовленного старшим директором-аналитиком Gartner Гаспаром Вальдивией.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор –
