网络运维新角色

人工智能(AI)和机器学习(ML)仍为IT界许多人所持怀疑论,但不难理解原因:数字计算机算法概念能够复制甚至提高经验丰富的专业人员的知识与判断力 — — 通过机器学习逐步提高这些结果 — — 未来听上去至少还差一点。多亏AI/ML算法的进步和处理器存储性能的显著提高, 特别是今日可用解决方案的价格/性能, AI和ML已经在网络操作中辛勤工作,

网络解决方案日益复杂, 最突出的是无线端缺少足够的网络专业人员处理网络操作范围不断扩大和规模扩大常备需求最小化人工密集操作并继续努力提高终端用户生产率和保证网络能力对越来越多的终端用户至关重要,同时使用多移动设备,特别是运行限时应用

人的性能受限是另一个因素越来越多的不合理假设 即使是最佳操作专业人员 也能同时考虑今日网络中变量数 特别是同时跟上新技术和产品归根结底,AI/ML产品和云服务中体现智能正在迅速成为连怀疑者都感兴趣的前角点火

定义人工智能和机器学习

AI和ML继续进化的同时,事实上相对成熟技术,生产部署可回溯到1980年代简言之,AI模拟人的知识捕捉并设计成算法和操作解决方案常调用专家系统.ML是算法提高性能的能力,基于操作经验,但没有人工干预或传统重编程(当然经常通过人类操作专业人员反馈)。技术类神经网络并深学习常应用考虑IBM华生解法 证明多项应用都有好处

缺少AI,现代控制系统(包括商业飞行器内和类似任务临界环境内的能力)、保健、金融市场等能力以及更多功能单靠可靠性和可用性无法运行,而可靠性和可用性对成功至关紧要上点关键人类永远不可能实现百分百生产率,而AI/ML解决方案可以在24/7/365甚至全局基础上分解,同时考虑并按千差万别变量行事,这些变量甚至超出任何领域最优秀的人类专家的控制范围。

为了量化AI和ML的好处,我们寻找终端用户和服务提供者组织,这些组织今天已经使用AI/ML网络操作解决方案经验显示操作需求和挑战正在处理中,效益正在实现中,以及这些早期采纳者期望列表上的内容

MSP与AI乘以员工能力

技术工程集团以俄亥俄州梅地那为基地的全套IT网络转售咨询公司无线局域网产品线中薄雾系统过去几年中它升为显要部分归功于它定位为 AI驱动WLAN

Jonstrong管理合伙人和公司共同创建者表示, 公司专攻大型网络, 包括无线网络, 面向俄亥俄州东北部的学校、企业、市、厂商和办公环境IT驱动解析学基本需要:“尽管云型WLANs显然是趋势,但仍需要改进解析学即使是经验丰富的技师,通常也很难理解什么不起作用-难以诊断的情况可代表巨大的资源槽和生产率全局损耗

强点对MistAI解决方案的吸引力是“它从客户端向上看网络自下而上排除故障最有效策略 Mist提供我所期望的一切

举个例子,强力记下他在北州市学校的经验需要提高可见度提升覆盖度、可见度、持续主动监控和深入深入了解问题为用户所见前相当长时间部署314APs

校区发现VLAN/DHCP问题永久存在, Mist仍在寻找问题,并提到Mistmarvis虚拟网络助理并称AI名词中写道 ible自然语言查询 甚至低级网络和客户

AI提供的另一个好处是网络抽象视图,通过高层次而非元素基础视图提高网络技术生产率:“我们需要的数据以易用形式提供”。

AI和ML提高生产率

北门冈萨雷斯市场链特食品店 南加利福尼亚州有40个地点雷竞技电脑网站公司运营两个数据中心,一个40万平方英尺分布中心多温区,和一个关联金融服务组织他们的WLAN包含约500APKodadclou供货商自创建以来一直专注于AI驱动云基Wi-Fi解决方案

北门GonzalezCIO Harrison Lewis表示, 选择Kodalcloud替换前位传统解决方案并自动收集环境资讯、客户资讯、加载资讯、自配置资讯,问题自动解答-例如信号覆盖-超标和期望值都超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标/超标

Northgate GonzalezIT操作任务关键性质为寻找AI解决方案提供了进一步的动力。所有进程都依赖无线系统 后台账务支持中心除外AI和ML帮助自动解决问题, 并随着故障票的结束,我们已经看到对技术员的需求下降近零 — — 生产率百分百提高 。

Harrison还指出AI简化新客户设备引进程序, 并随着约40万新用户客服测试, “我们并不想不得不拓展支持组织满足新需求。”

Harrison高期望从全组织应用AI中实现额外利益, “在金融服务、遵纪守法、了解客户、检测欺诈、人力资源管理、网络安全、数据损耗预防等关键理由是满足更智能识别网络性能退化和中断的需要,并自动以最优方式响应福利意义深远 — — 处理瞬时加载问题,隔离服务类别问题,提高可靠性和连续性,优化云服务,以及仅供初创者使用。”

恢复时间性能提高AIML

Faramarz Mahdavi高级团队主管IT基础设施和运营Cadence设计系统电子设计自动化领先Cadence网络定期看到60个地点8000名用户,约1500个APs使用,无线是大多数访问的主机Cadence使用有线和无线设备阿鲁巴网络并最近完成了加州圣何塞总部大网络升级

Faramarz表示:「我们尚不是AI和ML解决方案的主要用户,搭建聊天机基本自服务用户帮助功能和问题解析网络方面,我们目前使用阿鲁巴直视行为分析研究 并研究阿鲁巴NetInsight系统提供可采取行动的修复建议客户端匹配自动RF优化目标当然是更加主动化并用ML识别使用模式、警示异常并最终提供自动问题解答关键-把响应式方法化为主动性方法,预防故障并调整配置后用户才会通知问题。”

法拉马兹表示:「部署AI前,供货商视觉和产品组合也是关键-我们希望确保AI和ML扩展使用时间和性能 — — 包括限时服务 — — 总是顶级目标,AI和ML是关键方向安全始终是我们的最高优先AI和ML加在一起是清晰二号

面向未来:AI和MLSDN,NFV

网络电路分析器和无线分析器在过去几年为组织环境更多使用AI和ML打开大门分析工具集当人们不知道寻找什么时应用,处理多性能问题、安全挑战和其他不良操作行为等更易变异性化性能,从网络日志、数据库和其他大信息源中提取意义和值,对单纯人类网络专业人员构成挑战。用解析值现在已经证明,AI和ML准备完成解析和管理控制台之间的回路自动化形式可帮助降低成本,同时提高网络操作团队和终端用户的可靠性、可用性、整体性能和生产率

AI和ML也可以在成功建立网络技术举措方面发挥关键作用,包括SDN、NFV和云服务集成并像往前大步通常一样,可靠性、可应用性、成本效益推理、行业标准和API等问题都已经热点-但这是未来值和成功或网络运算中的AI和ML的好信号很难想象网络运营的未来 这两种技术都起比关键作用更小的作用