Etap 4 podróży do sieci-samochodu autonomicznego™: asysta

Na tym etapie naszej podróży do sieci-samochodu omówiliśmy dane-podstawę-sieci natywnej opartej na sztucznej inteligencji- oraz zbadaliśmy, jak są one przetwarzane w chmurze i przekładane na spostrzeżenia i rekomendacje za pośrednictwem oczekiwań dotyczących poziomu usług (SLE) i klasyfikatorów. Teraz przechodzimy do wspomagania sztucznej inteligencji, gdzie sztuczna inteligencja zaczyna odgrywać bardziej aktywną rolę w operacjach sieciowych, dostarczając oparte na danych-zalecenia dotyczące rozwiązań oraz, jeśli jest to dozwolone, podejmując zautomatyzowane działania w celu rozwiązania problemów.

Ta zmiana odzwierciedla szerszy trend branżowy,-rosnący zaufanie do zdolności sztucznej inteligencji do zarządzania coraz bardziej złożonymi środowiskami. Według IDC Research prawie połowa ankietowanych organizacji preferuje platformy do zarządzania siecią-oparte na sztucznej inteligencji, które zarówno określają, jak i wykonują działania mające na celu rozwiązywanie problemów i optymalizację.

Wartość strategiczna wspomaganej sztucznej inteligencji

Działania wspomagane sztuczną inteligencją upraszczają operacje sieciowe, zmniejszają ręczne obciążenie zespołów IT i skracają czas rozwiązywania problemów, zapewniając wyjątkową wydajność sieci użytkownikom końcowym, jednocześnie umożliwiając działowi IT skupienie się na bardziej strategicznych i innowacyjnych inicjatywach.

W miarę jak sieci stają się coraz bardziej złożone, wzrasta liczba zdarzeń sieciowych,-od drobnych błędnych konfiguracji po poważne zakłócenia usług-, co utrudnia zespołom IT znajdowanie i zajmowanie się krytycznymi zdarzeniami. Wspomaganie sztucznej inteligencji za pomocą-chmury AIOps pomaga zespołom IT przebić się przez hałas. Wyłaniając-problemy o wysokim priorytecie wraz z dowodami i automatycznie je rozwiązując (za zgodą działu IT), AIOps umożliwia zespołom IT szybkie i proaktywne reagowanie na problemy. To drastycznie skraca czas rozwiązywania problemów i uwalnia zasoby, które można skupić na inicjatywach strategicznych o wyższej-wartości, takich jak innowacje i-planowanie długoterminowe.

Od danych do działania: jak działa wspomagana sztuczna inteligencja

Wysoce-skuteczne i praktyczne rekomendacje-poparte jasnym uzasadnieniem-są tworzone poprzez filtrowanie danych z setek zdarzeń i doświadczeń użytkowników w czasie rzeczywistym-za pomocą zaawansowanych algorytmów matematycznych i modeli AI/ML.

Jeśli dział IT ma duże zaufanie do wyniku, może autoryzować rozwiązanie AIOps w celu automatycznego naprawienia problemu. W miarę budowania zaufania zalecenia te można dodać do listy zaufanych działań, umożliwiając sztucznej inteligencji samodzielne rozwiązywanie podobnych problemów w przyszłości bez powiadamiania zespołu IT. W tym miejscu AIOps przekształca się w pełnoprawnego-członka zespołu IT i wchodzi w tryb-samodzielnego działania.

Działania wspomagane sztuczną inteligencją można podzielić na trzy kategorie:

Optymalizacja: algorytmy AI/ML, takie jak zarządzanie zasobami radiowymi (RRM) i zarządzanie zasobami sieciowymi (NRM), stale optymalizują wygodę użytkownika

Zalecane działania: sztuczna inteligencja ujawnia kluczowe kwestie i sugeruje konkretne, wykonalne rekomendacje wraz z dowodami

Zautomatyzowane działania: Zaufane rekomendacje, które zespół IT dodał do listy autoryzowanych działań, które AI może wykonać bez interwencji człowieka.

Wchodzi Marvis,-wiodący w branży asystent AI

W Juniper urzeczywistniamy te koncepcje za pomocą Marvis® AI Assistant, kluczowej części Mist™, naszej-natywnej platformy sieciowej opartej na sztucznej inteligencji. Marvis wykorzystuje algorytmy AI/ML, takie jak RRM i NRM, aby stale i proaktywnie optymalizować doświadczenia użytkowników. Za pośrednictwem Marvis Actions zapewnia zarówno zalecane, jak i automatyczne działania,-tak zwane tryby-wspomagania kierowcy i tryby-samodzielnej jazdy.

W trybie-wspomagania sterownika Marvis wykrywa zdarzenia-mające wpływ na wydajność i zaleca rozwiązania o wysokiej skuteczności i poparte dowodami w przypadku problemów takich jak niezgodne oprogramowanie sprzętowe, źle skonfigurowane porty, wadliwe kable, brakujące sieci VLAN i przeciążone obwody WAN.

Po włączeniu funkcji samodzielnego działania, co oznacza, że ​​dział IT dodał zalecenie do listy zaufanych działań, Marvis może samodzielnie poprawiać błędnie skonfigurowane porty, rozwiązywać problemy-zablokowanych portów i wykonywać inne czynności{-wszystko zgodnie z-określonymi przez dział IT zasadami. Każde działanie, zarówno wspomagane, jak i autonomiczne, jest rejestrowane i zatwierdzane w panelu Marvis Actions, dzięki czemu zespoły mogą przeglądać-podsumowanie najważniejszych problemów, zalecanych poprawek oraz śledzić zarówno działania-inicjowane przez człowieka, jak i działania autonomiczne, co zapewnia pełną przejrzystość i kontrolę.

Marvis w akcji:-rezultaty z prawdziwego świata

Klienci na całym świecie zdają sobie sprawę z korzyści płynących z Marvis Actions. Na przykład duża firma IOTM od ponad roku miała sporadyczne problemy z użytkownikami Zoom w witrynie w Indiach. Wykorzystując zalecenia modelu dużego doświadczenia Marvisa (LEM), szybko zidentyfikowali źle skonfigurowaną bramę VPN wysyłającą pakiety do witryny w Australii, powodując zwiększone opóźnienia i fluktuacje.

W innym przypadku duży sprzedawca detaliczny odnotował słabe wyniki w niektórych obszarach swoich sklepów. Marvis ustalił, że problem wynikał z zakłóceń powodowanych przez bezprzewodowe produkty demonstracyjne i automatycznie dostosowywał przepustowość kanałów od 40 MHz do 20 MHz, optymalizując-wydajność sieci sklepowej zarówno dla pracowników, jak i klientów.

Kolejny krok w stronę autonomii

Dzięki Marvis zespoły IT zyskują więcej niż tylko wiedzę-, zyskują cenny dodatek do swojego zespołu. Osoba, która może ustalić priorytety kluczowych problemów, zalecić i wykonać poprawki oraz potwierdzić, że poprawki te zostały poprawnie wdrożone. Te wspomagane funkcje stanowią kluczową podstawę pełnej autonomii, umożliwiając zespołom IT stopniowe przerzucanie rutynowych zadań na sztuczną inteligencję i osiąganie wzrostu wydajności i wydajności. Co równie ważne, zespoły IT mogą odzyskać cenny czas, aby skupić się na-inicjatywach o większym wpływie-takich jak wprowadzanie innowacji, zamiast na rozwiązywaniu problemów.

Etap 4 stanowi punkt zwrotny: sztuczna inteligencja podejmuje teraz działania, a nie tylko sugeruje. Na naszym kolejnym i ostatnim blogu omówimy ostatni krok na drodze do sieci-samochodu-, w której sztuczna inteligencja nie tylko pomaga w operacjach, ale także nimi zarządza. Przyjrzymy się także, jak Juniper prowadzi tę-samodzielną podróż-wykorzystując Marvis Minis, modele o dużym doświadczeniu i agentyczną sztuczną inteligencję.

Gdziekolwiek jesteś na swojej drodze do sieci AI, Juniper jest tutaj, aby pomóc Ci zrobić kolejny krok.