Аналитики Forrester в прошлом году сообщили, что, хотя ИТ-отделы управляют портфелями стоимостью в миллиарды долларов, их внутренняя деятельность отстает в плане автоматизации, координации и прозрачности. Сложность управления современной ИТ-архитектурой требует эволюции сетевого управления. Это не нечто совершенно новое. Автоматизация является частью функционала, доступного в современных инструментах управления сетями. Анализ больших данных из файлов сетевых журналов используется в управлении информацией о безопасности и событиях (SIEM), а машинное обучение (ML) помогает сетевым администраторам выявлять потенциальные проблемы до того, как они повлияют на бизнес. Фил Хуанг, менеджер по развитию бизнеса и полевым приложениям в D-Link, поясняет: «Мы предлагаем чистую облачную платформу управления сетями уже несколько лет, и поддержка искусственного интеллекта (ИИ) в таком сетевом управлении дает нам возможность осуществлять мониторинг в реальном времени, а также проактивно предупреждать о любых потенциальных проблемах, которые могут возникнуть». Достижения в области инструментов потенциально снижают сложность управления сетями. Мэтт Става, генеральный директор и председатель сторонней фирмы по поддержке Spinnaker Support, утверждает, что это меняет роль ИТ-администраторов и программистов. Говоря конкретно о навыках в области сетей, он отмечает: «Потребность в эксперте с сертификацией Cisco сейчас становится все меньше».
Современные навыки в области сетей
Современная ИТ-инфраструктура означает, что наличие сертифицированного отраслевого специалиста по сетям становится менее актуальным. В записи в блоге от марта 2026 года Амит Кац, вице-президент по Ethernet-коммутаторам в Nvidia, освещает сдвиги, происходящие в управлении сетями. В этой записи Кац подчеркивает, что, хотя ценность нового сетевого администратора ранее могла измеряться уровнем его знаний в конкретном интерфейсе командной строки (CLI) для работы с сетями, появление гибридного облака и DevOps означает растущий сдвиг в сторону интерфейсов прикладного программирования (API). «Навыки работы с Ansible, Salt [фреймворк автоматизации с открытым исходным кодом] и Python теперь имеют большую ценность, чем сертификация Cisco», — говорит он. Кац считает, что задачи, которые должны выполнять сетевые администраторы, сильно отличаются от того, как они раньше отслеживали и управляли сетями. «Вы перешли от инструментов, которые опрашивали устройства в центре обработки данных с помощью SNMP [Simple Network Management Protocol] и NetFlow [который отслеживает IP-трафик], к новым моделям телеметрии на основе коммутаторов, где коммутаторы проактивно передают диагностические данные на основе потоков», — отмечает он в записи блога. И, по словам Каца, хотя у сетевых администраторов большой опыт внедрения новых рабочих нагрузок в центры обработки данных — некоторые из которых имеют уникальные сетевые требования — создание кластера ИИ на самом деле сильно отличается. Он пишет: «Заманчиво думать, что ИИ — это просто более крупное и быстрое приложение для больших данных. Но ИИ отличается, и ИИ может быть сложным без правильных инструментов». ИИ также играет роль в том, чтобы помочь сетевым администраторам легче управлять этой сложностью. Information Services Group (ISG), исследовательская и консалтинговая фирма, заявляет, что организации используют расширенные возможности ИИ и ML для автоматизации изменений конфигурации и оптимизации в масштабах всей сети. В статье ISG о том, как ИИ трансформирует сетевые операции, Марк Херрен, директор ISG, отмечает, что ИИ может анализировать сетевые данные и выявлять закономерности для автоматической генерации конфигураций, оптимизирующих производительность. Он говорит, что Cisco и Juniper Networks, последняя теперь является частью Hewlett Packard Enterprise, разрабатывают продукты с сетевым управлением на основе намерений, которые используют ИИ для понимания намерений администратора и соответствующей автоматической настройки сети. Такие технологии необходимы для того, чтобы оставаться на высоте в вопросах все более сложного управления сетями.
Сложность сетей
В презентации на Microsoft Build 2025 Фил Джерваси, директор по технической пропаганде в Kentik, рассказал о том, как растет сложность сетей. Теперь они охватывают различные облака, центры обработки данных, периферийные вычисления и гибридную ИТ-инфраструктуру, что создает новые проблемы для управления сетями. «Объем телеметрии, событий и журналов взорвался за пределы человеческих возможностей для анализа в реальном времени», — сказал он участникам. В то же время, как отметил Джерваси, сетевые команды находятся под давлением, чтобы улучшить среднее время разрешения проблемы и поддерживать время безотказной работы без расширения штата. «То, что предлагает ИИ, — это не магия, а лучший способ сопоставлять данные, прогнозировать производительность и понимать поведение сети в контексте. Таким образом, короче говоря, ИИ помогает операторам перейти от реагирования к прогнозированию», — добавил он. В то время как ML используется в сетях для планирования мощностей, обнаружения аномалий и создания базовых линий, Джерваси сказал, что большие языковые модели (LLM) предлагают другой подход к управлению сетями. «В отличие от классических моделей данных, которые полагаются на структурированные данные, LLM работают с неструктурированной информацией, такой как документация, файлы конфигурации и заявки», — сказал он делегатам Build 2025. Однако LLM являются вероятностными, что означает, что они могут давать непоследовательные и разные ответы на одни и те же запросы. Они также галлюцинируют. Чтобы обойти эти ограничения, Джерваси подчеркнул необходимость обеспечения качества обучающих данных, надлежащей оценки и контролируемого поведения модели. Это ключевые моменты для того, чтобы ответы LLM оставались достоверными. Конфиденциальность и регулирование также являются проблемами для LLM, особенно при работе с сетевыми данными, которые могут содержать конфиденциальную информацию. Некоторые проблемы ИТ-операций присущи использованию ИИ. Для Джерваси ИТ-руководители должны знать о трудностях, которые могут возникнуть при интеграции телеметрии в реальном времени, работе с разнообразными типами данных и управлении вычислительными затратами на рабочие нагрузки ИИ. Но, несмотря на эти оговорки, Джерваси считает, что истинная сила LLM заключается в их способности синтезировать огромные объемы данных в информацию, которую затем люди могут использовать для принятия более обоснованных решений. Среди примеров, которые он привел во время своего выступления на Build 2025, была триаж инцидентов и их суммирование. «Вместо того чтобы просеивать сотни оповещений, система ИИ может превратить этот шум в единое резюме инцидента, выделяя вероятную первопричину и даже предлагая следующие шаги», — сказал Джерваси.
Начало работы с ИИ в управлении сетями
Отправная точка в использовании ИИ для управления сетями — сбор журналов сетевой телеметрии, заявок в службу поддержки и файлов конфигурации. Затем их необходимо очистить и сохранить в формате, доступном для системы ИИ. Джерваси сообщил делегатам, что одним из наиболее эффективных способов использования этой информации является генерация с дополненной выборкой (RAG). В качестве примера он сказал, что когда пользователь отправляет запрос, система преобразует вопрос в математическое представление, которое ищет в векторной базе данных семантически связанные данные, такие как телеметрия, прошлые инциденты или документация. «Затем LLM синтезирует ответ, используя как свои общие знания, так и извлеченный контекст», — пояснил он. Другое применение LLM — это преобразование текста в язык структурированных запросов (SQL), что, как отметил Джерваси, позволяет сетевым инженерам использовать естественный язык, поскольку их запросы преобразуются LLM в SQL-запрос, а затем, где это уместно, предоставляется графическое представление данных. Как только данные преобразуются в формат, который может обрабатывать модель ИИ, агентный ИИ становится естественным развитием. «LLM не просто отвечает на запросы, а действует как мозг, координируя работу нескольких инструментов», — говорит он. Во время презентации Джерваси рассказал, как при управлении сетями на базе агентного ИИ агент может автономно выполнять трассировку маршрута, собирать сетевую телеметрию, обращаться к базе знаний и генерировать план устранения неполадок, но с человеческим надзором. Вероятно, это обеспечит автономные операции в рамках коммерческих услуг сетевых провайдеров. Аналитики Gartner ожидают, что к 2028 году ИИ будет встроен в управляемые сетевые службы (MNS) для повышения операционной эффективности и обеспечения более обоснованного принятия решений. По данным Gartner, ИИ будет использоваться для обеспечения того, чтобы сети были достаточно надежными и гибкими, чтобы адаптироваться к меняющимся требованиям и шаблонам трафика. «Заглядывая на три-пять лет вперед, мы ожидаем значительной трансформации MNS благодаря широкому использованию ИИ и автоматизации», — заявила аналитическая фирма в своем отчете «ИИ трансформирует управляемые сетевые службы в ближайшие три года». Для Ставы и других отраслевых наблюдателей «горячим» навыком является агентный ИИ и способность интегрировать агентов ИИ в рабочие процессы для достижения бизнес-результата. И эти результаты все больше ориентированы на ИТ, особенно с учетом того, что ИТ-командам поручают делать больше с меньшими ресурсами, и они испытывают растущее давление в поддержке аппетитов компаний ко всему, что связано с ИИ. Но ИИ также играет большую роль в том, чтобы сделать сети более управляемыми. По мере того как управление сетями становится все более автоматизированным, а сети — самовосстанавливающимися, сетевым инженерам потребуется научиться интегрировать новейшие инструменты с агентными технологиями для предоставления потока данных для сетевого управления на базе ИИ.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Cliff Saran
