Jak się przygotować na sieci zarządzane przez AI

Przedsiębiorstwa widzą dziś przewagę konkurencyjną w innowacyjności rozumianej jako skuteczniejsze wykorzystanie technologii – przede wszystkim służącej przetwarzaniu danych. Informacje te są zbierane, przechowywane i analizowane w bardzo złożonych środowiskach łączących instalacje własne (on-premises), środowisko multicloud i przetwarzanie brzegowe. Zarządzanie taką infrastrukturą jest niezwykle trudne nawet dla doświadczonego i wykwalifikowanego zespołu specjalistów IT.

Z drugiej strony najmniejsza pomyłka albo za długi czas reakcji na incydenty bezpieczeństwa i awarie niosą za sobą nie tylko groźbę utraty przewagi konkurencyjnej, ale wymierne ryzyko strat finansowych i wizerunkowych, a nawet kar administracyjnych.

Odpowiedzią na problem rosnącej złożoności systemów IT, presji czasowej oraz braku specjalistów na rynku pracy jest automatyzacja części zadań. W tym przypadku automatyzacja opiera się jednak na wykorzystaniu dużych zbiorów danych (big data) oraz algorytmów uczenia maszynowego.

Duże sieci – duży problem

Według analityków firmy Gartner już obecnie infrastruktura IT w największych przedsiębiorstwach jest zbyt złożona, aby mogli nią zarządzać wyłącznie ludzie. W 2023 roku – twierdzi Gartner – ok. 40 proc. zespołów zrządzających pracą siecią korzystało ze wsparcia sztucznej inteligencji[1]. Na marginesie – sam pomysł zaprzęgnięcia sztucznej inteligencji do automatyzacji monitorowania sieci (czyli AIOps – Artificial Intelligence for IT Operations) wcale nie jest taki nowy. O tym trendzie dyskutowano już w 2017 roku, a zatem na długo przed pojawieniem się dużych modeli językowych w rodzaju ChatGPT[2] i eksplozji popularności AI w zastosowaniach komercyjnych.

W rzeczywistości jednak temat wykorzystania AI do automatyzacji powtarzalnych zadań oraz wsparcia specjalistów IT w identyfikowaniu i rozwiązywaniu problemów („inteligentni asystenci”) rozwinął się wraz z nadejściem systemów generalnej sztucznej inteligencji zdolnych do przetwarzania zapytań w języku naturalnym – i w taki sam sposób udzielających odpowiedzi.

Konwencjonalne narzędzia do monitorowania i zarządzania siecią pozwalają uzyskać dostęp do danych pochodzących z podzespołów, jednak nie dają pełnego obrazu tego, co dzieje się w sieci. Nie oferują również kontekstu – w jaki sposób powinna działać optymalnie skonfigurowana instalacja i co zrobić, aby to działania poprawić.

W często przytaczanym opisie sposobu działania AI w zarządzaniu siecią model ten porównuje się do Google Maps[3] – pozwala dowolnie przybliżać i oddalać widok, obserwować natężenie ruchu, roboty drogowe (awarie) i omijać korki (zarządzać obciążeniem).

Co potrafi sztuczna inteligencja

Dzieje się tak dzięki analizie wszystkich danych płynących z sensorów w sieci, co m.in. pozwala odkryć powiązania między parametrami, których człowiek nigdy w ten sposób by nie połączył. To zaś umożliwia pełniejszą analizę i optymalizację zasobów.

Automatyzacja z wykorzystaniem AI doskonale sprawdza się przede wszystkim przy powtarzalnych zadaniach podatnych na błędy ludzkie – takie jak konfiguracja i aktualizacja sprzętu i oprogramowania. W obszarze cyberbezpieczeństwa AI skuteczniej przeanalizuje anomalie i oceni, czy stoi za nimi atak, czy jest to tylko awaria. W obu przypadkach może podjąć działania szybciej, niż uczyniłby to człowiek.

Ale AI zna jeszcze wiele innych „sztuczek”. Wyobraźmy sobie sytuację znaną z wielu firm korzystających z chmury – zasoby kupowane są z pewnym (czasem dużym) naddatkiem w celu zminimalizowania ryzyka wystąpienia problemów z wydajnością. Systemy AIOps, na podstawie danych historycznych i pomiarów w czasie rzeczywistym, potrafią zoptymalizować wykorzystanie zasobów chmurowych, oferując realne oszczędności. Mogą również przenalizować wykorzystanie zasobów własnych firmy i zasugerować usunięcie zbędnych lub rzadko wykorzystywanych elementów infrastruktury.

Jednym z takich rozwiązań jest opisywany w Strefie Wiedzy Juniper Mist AI służący do obsługi sieci bezprzewodowych, przewodowych i SD-WAN wyposażony w wirtualnego asystenta o nazwie Marvis. Dzięki temu, że Marvis rozumie język naturalny, do obsługi systemu nie są potrzebne kolejne dashboardy ani żadne komendy – wystarczy opisowo zapytać lub polecić wykonanie zadania.

Pora na działanie

Co mogą zrobić już teraz menedżerowie odpowiedzialni za funkcjonowanie infrastruktury IT przyglądający się rozwojowi technologii AI? Po pierwsze – nie czekać. Technologie AIOps różnych dostawców są już dostępne, mogą być również elementem usług zarządzania siecią i monitoringu bezpieczeństwa świadczonych przez partnerów. Nic nie stoi na przeszkodzie, aby zainteresować się tą technologią, nawet jeżeli organizacja nie planuje wdrożenia takich rozwiązań w najbliższym czasie.

Przygotowanie się do uruchomienia takiego projektu wymaga jednak analizy potrzeb firmy, w tym m.in.:

• Czy infrastruktura IT w mojej firmie rzeczywiście sprawia trudności w zarządzaniu? O ile w przypadku dużych organizacji, korzystających ze środowisk chmurowych, posiadających również własne serwery i sieci urządzeń Internetu Rzeczy wdrożenie AI do pomocy w zarządzaniu będzie miało sens, o tyle w przypadku mniejszych systemów gra może być niewarta świeczki. Być może wystarczą prostsze rozwiązania automatyzacji zadań lub nawiązanie współpracy z dostawcą usług sieciowych?
• Biorąc pod uwagę realia biznesowe, jak szybkiej reakcji na incydenty w sieci rzeczywiście wymaga moja firma? Wykorzystanie AI do monitorowania i analityki z całą pewnością przyspieszy proces reagowania na potencjalne ataki lub awarie. Często będą to wręcz działania proaktywne – identyfikacja i eliminacja potencjalnych problemów, zanim uderzą one w użytkowników lub klientów oraz predykcyjna konserwacja. Czy branża, wymogi regulacyjne, oczekiwania klientów i partnerów rzeczywiście uzasadniają nakłady na maksymalne skrócenie czasu reakcji?
• Jak każde nowe narzędzie w dziedzinie nowych technologii również AIOps (w tym jego wdrożenia) wymaga zestawu nowych kompetencji w zespole IT lub nowych umów z partnerami świadczącymi zewnętrzne usługi zarządzania siecią i innymi zasobami IT przedsiębiorstwa. Menedżer myślący o wykorzystaniu AI do zarządzania siecią musi mieć tego świadomość – uwzględniając fakt, że wciąż są to rozwiązania względnie nowe na rynku.
• Algorytmy uczenia maszynowego wymagają ogromnych ilości danych. Mogą to być dane nieustrukturyzowane, takie jak np. logi systemowe, strumienie danych przepływających przez węzły, dane z urządzeń, ale również informacje z baz danych, jakimi dysponuje organizacja. Przydatne będą również dane historyczne pozwalające skorelować występowanie incydentów z określonymi parametrami pracy sieci. Jeżeli obecnie działająca infrastruktura sieciowa nie generuje takich danych, wdrożenie sztucznej inteligencji może nie przynieść spodziewanych rezultatów.

Najważniejsze wnioski

Dzięki zastosowaniu sztucznej inteligencji administratorzy mogą lepiej zrozumieć – i zwizualizować – w jaki sposób funkcjonują poszczególne elementy sieci, gdzie są jeszcze rezerwy wydajności, a gdzie wymagana jest interwencja. Systemy takie ułatwiają i przyspieszają reakcję na błędy, skracając lub nawet eliminując przerwy w pracy. Ma to szczególne znaczenie w coraz bardziej złożonych instalacjach działających w dużych innowacyjnych organizacjach.

Celem wdrażania AI w takich zastosowaniach jest stworzenie samozarządzającej się sieci, która do sprawnego działania praktycznie nie wymaga interwencji człowieka. Nawet jeżeli ta wizja wydaje się jeszcze dość odległa, korzyści płynące z automatyzacji już dziś są niezaprzeczalne.

[1] https://www.gartner.com/smarterwithgartner/how-to-get-started-with-aiops

[2] https://www.centreon.com/how-to-prepare-for-aiops-even-if-youre-not-there-yet/

[3] https://www.itweb.co.za/article/aiops-the-google-maps-of-hybrid-it-environments/mYZRXM9PdK97OgA8

Ten artykuł dotyczy produktu

SD-WAN

Przejdź do produktu

Data publikacji: 26.04.2024