Kendi Kendine-Driving Network™ yolculuğunda 4. Aşama: destekli

Kendi Kendini-Sürüş Ağı'na yolculuğumuzun bu noktasında, verileri-bir AI-yerel ağının-temelini ele aldık ve bunların bulutta nasıl işlendiğini ve Hizmet Düzeyi Beklentileri (SLE'ler) ve sınıflandırıcılar aracılığıyla analizlere ve önerilere nasıl dönüştürüldüğünü araştırdık. Artık yapay zekanın, çözüm için veri destekli öneriler sunarak ve izin verildiğinde sorunları çözmek için otomatik eylemler gerçekleştirerek- ağ operasyonlarında daha aktif bir rol oynamaya başladığı yapay zeka yardımına geçiyoruz.

Bu değişim, yapay zekanın giderek daha karmaşık hale gelen ortamları yönetme becerisine duyulan güvenin- arttığı daha geniş bir sektör trendini yansıtıyor. IDC Research'e göre, ankete katılan kuruluşların neredeyse yarısı, sorun giderme ve optimizasyona yönelik eylemleri hem belirleyen hem de yürüten, yapay zeka destekli- ağ yönetimi platformlarını tercih ediyor.

Yardımlı yapay zekanın stratejik değeri

Yardımlı yapay zeka eylemleri, ağ operasyonlarını basitleştirir, BT ekiplerinin manuel iş yükünü azaltır ve çözüm sürelerini hızlandırarak son kullanıcılar için olağanüstü ağ performansı sağlarken BT'nin daha stratejik ve yenilikçi girişimlere odaklanmasını sağlar.

Ağların karmaşıklığı arttıkça, ağ olaylarının hacmi ({0}}küçük yanlış yapılandırmalardan büyük hizmet kesintilerine kadar) artar-, bu da BT ekiplerinin kritik olayları bulmasını ve ele almasını zorlaştırır. Bulut-tabanlı AIOps aracılığıyla yapay zeka desteği, BT ekiplerinin gürültüyü ortadan kaldırmasına yardımcı olur. AIOps, yüksek-öncelikli sorunları kanıtlarla ortaya çıkararak ve bunları (BT'nin izniyle) otomatik olarak çözerek, BT ekiplerinin sorunlara hızlı ve proaktif bir şekilde yanıt vermesine olanak tanır. Bu, sorun giderme süresini büyük ölçüde kısaltır ve kaynakları, inovasyon ve uzun vadeli planlama gibi-daha yüksek değere sahip stratejik girişimlere-odaklanmaya yönlendirir.

Verilerden eyleme: destekli yapay zeka nasıl çalışır?

Açık gerekçelerle desteklenen-yüksek etkili, uygulanabilir öneriler-yüzlerce olaydan ve gerçek-zamanlı kullanıcı deneyimlerinden elde edilen veriler, gelişmiş matematiksel algoritmalar ve AI/ML modelleri aracılığıyla filtrelenerek üretilir.

BT'nin sonuca güveni yüksek olduğunda, sorunu otomatik olarak düzeltmesi için AIOps çözümüne yetki verebilirler. Zamanla güven oluştukça, bu öneriler güvenilir eylemler listesine eklenebilir ve böylece yapay zekanın gelecekte benzer sorunları BT ekibini uyarmadan bağımsız olarak çözmesine olanak sağlanır. Burası AIOps'un BT ekibinin-tam yetkili bir üyesine dönüştüğü ve kendi-kendi kendine sürüş moduna girdiği yerdir.

Destekli yapay zeka eylemleri üç kategoriye ayrılır:

Optimizasyon: Radyo Kaynak Yönetimi (RRM) ve Ağ Kaynak Yönetimi (NRM) gibi AI/ML algoritmaları, kullanıcı deneyimini sürekli olarak optimize ediyor

Önerilen eylemler: Yapay zeka önemli sorunları ortaya çıkarır ve kanıtlarla birlikte eyleme dönüştürülebilir spesifik bir öneri önerir

Otomatik eylemler: BT ekibinin yapay zekanın insan müdahalesi olmadan yürütmesi için yetkili eylemler listesine eklediği güvenilir öneriler.

Sektörün-lideri yapay zeka asistanı Marvis'e girin

Juniper olarak bu konseptleri, yapay zeka yerel ağ platformumuz Mist™'in temel bir parçası olan Marvis® Yapay Zeka Asistanı ile hayata geçiriyoruz{0}. Marvis, kullanıcı deneyimlerini sürekli ve proaktif bir şekilde optimize etmek için RRM ve NRM gibi AI/ML algoritmalarından yararlanıyor. Marvis Actions aracılığıyla, hem önerilen hem de otomatikleştirilmiş eylemleri (sürücü desteği-ve kendi kendine sürüş-dediğimiz modları sağlar.

Sürücü{0}destek modunda, Marvis performansı etkileyen olayları ortaya çıkarır-ve yüksek verimliliğe sahip ve uyumlu olmayan donanım yazılımı, yanlış yapılandırılmış bağlantı noktaları, hatalı kablolar, eksik VLAN'lar ve sıkışık WAN devreleri gibi sorunlara ilişkin kanıtlarla desteklenen çözümler önerir.

Kendi kendine sürüş için-etkinleştirildiğinde, yani BT'nin öneriyi güvenilir işlemler listesine eklediği anlamına gelir; Marvis, tamamı BT tarafından tanımlanan politikalara uygun olarak-yanlış yapılandırılmış bağlantı noktalarını bağımsız olarak düzeltebilir, bağlantı noktası takılıp kalan-sorunları çözebilir ve daha fazlasını- yapabilir. İster yardımlı ister otonom olsun, her eylem Marvis Actions kontrol panelinde günlüğe kaydedilir ve doğrulanır; böylece ekipler en önemli sorunların-gerçek zamanlı özetini, önerilen düzeltmeleri görüntüleyebilir ve tam şeffaflık ve kontrol için hem insan-tarafından başlatılan hem de otonom eylemleri izleyebilir.

Marvis iş başında: gerçek-dünya sonuçları

Dünyanın her yerindeki müşteriler Marvis Actions'ın avantajlarının farkına varıyor. Örneğin büyük bir IOTM şirketi, Hindistan'daki bir sitede Zoom kullanıcılarıyla bir yılı aşkın süredir aralıklı sorunlar yaşıyordu. Marvis'in geniş deneyim modelinden (LEM) gelen önerilerden yararlanarak, Avustralya'daki bir siteye paket gönderen, gecikmenin ve titreşimin artmasına neden olan, yanlış yapılandırılmış bir VPN ağ geçidini hızlı bir şekilde tespit edebildiler.

Başka bir durumda, büyük bir perakendeci, mağazalarının belirli alanlarında düşük performansla karşılaşıyordu. Marvis, sorunun kablosuz demo ürünlerinden kaynaklanan parazitten kaynaklandığını belirledi ve kanal bant genişliklerini otomatik olarak 40 MHz'den 20 MHz'e ayarlayarak hem çalışanlar hem de müşteriler için-mağaza içi ağ performansını optimize etti.

Özerkliğe doğru bir sonraki adımı atmak

BT ekipleri, Marvis sayesinde analizlerden daha fazlasını elde ediyor-ekiplerine değerli bir katkı sağlıyorlar. Önemli sorunları önceliklendirebilen, düzeltmeler önerip uygulayabilen ve bu düzeltmelerin doğru şekilde uygulandığını doğrulayabilen kişi. Bu destekli yetenekler, tam özerklik için önemli bir temel sağlayarak BT ekiplerinin rutin görevleri kademeli olarak yapay zekaya devretmesine ve performans ve verimlilik kazanımları elde etmesine olanak tanır. Daha da önemlisi, BT ekipleri, sorunları gidermek yerine inovasyonu teşvik etmek gibi daha yüksek-etkili girişimlere- odaklanmak için değerli zamanlarını geri kazanabilirler.

Aşama 4 dönüm noktasını işaret ediyor: Yapay zeka artık yalnızca öneride bulunmak yerine harekete geçiyor. Bir sonraki ve son blogumuzda, yapay zekanın yalnızca operasyonlara yardımcı olmakla kalmayıp aynı zamanda onları yönettiği bir -Kendi Kendini Yöneten Ağ-'a giden yolculuğun son adımını inceleyeceğiz. Ayrıca Juniper'ın, Marvis Mini'lerden, geniş deneyim modellerinden ve aracı yapay zekadan yararlanarak-kendi kendine sürüş yolculuğunu-nasıl yönettiğini de keşfedeceğiz.

Yapay zeka ağ oluşturma yolculuğunuzun neresinde olursanız olun Juniper bir sonraki adımı atmanıza yardımcı olmak için burada.