软件定义广域网络(SD-WAN)和AIOps都是炙手可热的技术。sd - wan提高了应用程序的可用性，降低了成本，在某些情况下还提高了性能。AIOps将机器学习注入到IT操作中，以提高自动化水平。这减少了错误，使企业能够以数字速度做出改变。大多数人认为这是两种独立的技术，但这两种技术正在发生冲突，并将产生我所说的“爱万”。
SD-WAN救急不救所有的网络困境
SD-WAN是前进的最大的飞跃，因为...好，实际的WAN网络。但是，许多解决方案仍然依靠手工配置。SD-广域网肯定会增加应用程序弹性，降低电信费用，并经常提高应用程序的性能，但它们比传统的广域网变得更复杂。初始设置可以是一个挑战，但更大的问题是持续运营。手动调整和优化网络，以适应业务的变化可能会非常耗时且容易出错。一种解决方案需要带来更好的自动化SD-广域网。
进入AI-WAN。就像一个自动驾驶汽车，AI-WAN可以根据不同的规则决定和比人更能适应变化更快。自动驾驶汽车连续监控道路状况，车速限制等因素来确定什么样的变化作出。同样，自驾车的网络可以监控的，正确的，防守，并以最少的分析没有人的参与。这是通过搭载AI的自动化功能完成，避免需要涉足的人。
毫无疑问，手工操作将阻碍企业充分发挥其潜力。我的研究中一个有趣的数据点是，企业平均需要4个月的时间来通过网络进行更改。这是因为维护遗留网络和修复故障花费了太多的时间。ZK的一项研究发现，30%的工程师每周至少有一天除了解决问题外什么都不做。sd - wan可以改进这些指标，但是仍然有沉重的人员负担。
随着日益增长的数据挑战，企业面临的，因为他们迁移到云，他们根本没有能力等那么久。而不是害怕AI接管工作，企业应该拥抱它。AI可以消除人为错误，这是计划外网络的最大原因停工，并帮助企业专注于更高级别的任务，而不是。
爱wan将改变网络运营
因此，如何将SD-WAN演变为AI-WAN变换网络管理和运营？管理员可以使用他们的时间专注于战略性举措，而不是解决问题。从ZK研究另一个数据点是，90％的固定的问题所采取的时间花在识别源。现在，应用程序驻留在云和移动设备上运行时，识别问题的来源已经变得更难。AI-WAN的异常，甚至当场最小的能力，即使尚未开始影响业务。
sd - wan的基本设计使得所有路由规则都由管理员集中管理，并且可以跨网络传输。AI-WAN更进一步，使管理员能够通过故障预测在问题发生之前预测问题。它甚至可以在用户受到影响之前自行调整网络故障，从而提高网络性能。
自动驾驶汽车知道道路规则——盲点在哪里，如何与交通信号同步，采取哪些安全措施——使用人工智能软件，来自物联网传感器、摄像头等的实时数据。类似地，自动驾驶网络知道更高级的规则，可以防止管理员犯错，比如允许某些行为被禁止的国家的应用程序。
安全性是另一个问题。一切从移动设备到的事物（IOT）因特网云计算是创建多个新的入口点和资源转移到网络边缘。这使得企业的安全风险，因为他们赶紧挣扎以应对变化。
企业可能会忽略用户造成的安全漏洞，因为同时有数百个软件即服务(SaaS)应用程序在企业不知情的情况下被使用。旧的网络技术不能支持SaaS和云服务，而sd - wan可以。但是仅仅部署一个SD-WAN不足以保护一个网络。在部署SD-WAN时，安全不应该是事后才考虑的问题，而应该是一开始就考虑的问题。
越来越多的厂商正在捆绑在一起基于AI-分析SD-WAN，以提升网络安全解决方案。这样的解决方案使用AI来分析特定事件如何影响网络，应用性能和安全性。然后，他们创建的任何网络更改，如未经授权使用的SaaS应用程序的智能建议。
回到自动驾驶汽车的类比，ai - wan的设计是为了保持道路畅通和避免事故。它们使智能网络能够快速适应变化的环境，并在必要时进行自我修复。随着云计算和SaaS应用需求的不断增长，智能网络是未来的发展方向，具有前瞻性的业务已经占据了主导地位。
AI-WAN今天存在，并且将在未来爆炸
AI-WAN看起来未来感，但也有一些被送递或在把解决方案推向市场的过程中厂商。托管服务提供商MASERGY，例如，最近推出AIOps为SD-WAN提供自主的网络和最完整的产品。
开放系统，另一个托管服务提供商，抢购基于云的Sqooba为其强大的网络和安全服务添加AIOps。与并购主题保持一致，VMware最近收购AIOps厂商Nyansa并推出其加入VeloCloud SD-WAN组。此举为VMware类似的功能，Aruba Networks公司该公司最初将人工智能应用于WiFi故障排除，但现在将其引入了SD-Branch。思科是与AIOps故事另一个网络供应商，尽管它试图整个网络中应用它，不只是与WAN。
随着时间的推移，我希望每个SD-WAN或SASE供应商都将AIOps纳入其中，将关注点从连接性转移到自动化操作上。