随着网络基础设施的复杂性和规模持续呈指数级增长，当今的数字环境正在迅速发展。这种激增使得有效管理网络变得比以往任何时候都更具挑战性。虽然有各种各样的工具可以帮助 NetOps 团队，但Gartner声称三分之二的网络任务仍然是手动的。因此，对简化网络运营和管理的需求持续存在。
此外，云计算和虚拟化技术与新技术和服务的结合意味着组织需要更灵活、更可扩展的网络管理技术，以应对日益增长的网络流量和设备数量。虽然脚本长期以来一直是自动化单个工程任务的一种方法，但它无法扩展到整个运营团队。
进入人工智能时代，更具体地说，是生成式人工智能的前景，在过去两年中，它一直是市场的催化剂。但是，随着如此多的人工智能技术进入网络领域，很难理解哪些功能是真实的，哪些是人工智能粉饰的。让我们来看看人工智能目前可以帮助 NetOps 团队完成的 5 项网络任务，以及人工智能无法完成的 5 个领域（但未来可能会完成？）：
帮助 NetOps 团队：
1. 基础设施发现和配置分析——识别和分类构成组织 IT 基础设施的所有物理和虚拟组件，并检查该基础设施内组件的设置、配置和状态，这是标准操作程序。这是一个持续的过程，如果手动执行，每周可能需要数小时。但人工智能利用网络的完整数字孪生，大大加快了这一过程（例如，BGP 隧道关闭时间可以从 2 小时缩短到 10 分钟），提取 NetOps 团队可能需要的有关设备硬件或软件、配置、资源、性能和安全风险评估的任何重要信息。
2. 动态映射——NetOps 团队使用动态映射进行网络可视化、网络监控、故障排除等。它会自动发现、记录和更新各种网络设备和组件之间的关系、路径和连接。人工智能（同样具有网络的完整数字孪生）可以在需要时在几分钟内动态绘制和映射与查询或网络问题相关的网络拓扑。如果没有人工智能，网络工程师必须在每个站点上花费几个小时在 Visio 中绘制地图（这可能需要数百小时才能完全映射企业网络），并且这些地图会在几周甚至几天内过时。
3. 根本原因分析和异常检测—— 每个网络专业人员都知道根本原因分析和异常检测的重要性。它们确保系统和流程的稳定性、安全性和效率。通常，这需要具有多年经验的 IT 专业人员的直观专业知识（使用 CLI 工具、Ansible、Python 等）。在 AI 出现之前，没有捷径可以获得这种故障排除知识。由主题专家培训的 AI 可以建议在网络自动化中使用的诊断或评估逻辑，类似于 AI 已经帮助程序员生成代码的方式。AI 可能很快就能够帮助可靠地复制、调整和扩展网络上每个设备的自动化。
4. 建议的措施——与故障排除非常相似，修复问题（将服务降级恢复到所需的基线）通常需要专家技能。这涉及研究供应商文档并了解最佳实践和个人经验。人工智能可以记录数十年的经验，并更好地将有关新问题的部落知识分发给各个级别的工程师。一旦做出诊断并接受，或者发现不良趋势，人工智能就可以推荐纠正措施、后续步骤、后续程序或变更建议。
5. 仪表板和报告—— 实时可观察性、可操作的见解以及快速做出明智决策的能力都是 NetOps 工作描述的一部分。自动化可以极大地简化这些流程，但自动化结果如何呈现给人类决策者？可视化有用的分析已经成为一个独立的行业，拥有数十个图形和仪表板平台。但这些仍然需要仔细考虑，并需要数小时或数天的工作来构建。人工智能可以通过协助创建针对特定用例的自定义仪表板和报告来显著简化可观察性和自动化结果的可视化，以进行跟踪、监控和协作。想象一下，必须仔细阅读从遥测和自动分析中收集的数千个网络见解，然后想象一下人工智能助手将这些数据转换成一个一目了然的可视化仪表板，突出显示紧急问题和优先任务。
对 NetOps 团队没有帮助：
1. 批准网络变更——NetOps希望最大限度地降低停机风险、确保合规性、帮助维护安全性并与业务目标保持一致，这就是为什么批准网络变更是一项如此重要的功能。虽然人工智能可以提出建议的行动，但它无法做出批准或最终确定网络变更的判断。这些变化很复杂，每个企业网络都不同，一个错误可能会导致数万美元的停机损失。人工智能还没有展示出足够先进的网络知识，让高管们无法信任它完成如此重要的任务。
2. 设计复杂网络——每个网络及其要求都是独一无二的。人工智能有朝一日可能会为基本用例设计简单的网络，但企业网络过于复杂，需要根据其特定用例量身定制。微型贸易公司可能需要超低延迟网络。视频内容交付公司可能需要高带宽。医疗保健公司可能需要高可用性。更不用说最适合每个企业的各种协议，从传统 IP 到多播、MPLS 和 SD-WAN。人工智能无法计算网络的每种可能迭代并选择最佳设计。只有人类才能做出这些考虑和决定。
3. 做出选择——NetOps专业人员必须不断做出日常关键决策，包括流量管理、性能优化、响应警报和事件、批准网络变更等。人工智能当然可以为这些决策者提供信息，但它无法充分理解背景，无法权衡利弊、做出艰难决定或选择妥协。你希望人工智能做出可能影响医院或政府机构网络服务交付的决定吗？
4. 承担责任——NetOps 团队的评判标准包括正常运行时间、可用性、网络性能、问题管理、合规性等。如果将 AI 纳入考量，团队该如何衡量？我们认为“这是 AI 的错”是可以接受的回答吗？AI 永远不会安抚关键利益相关者或客户。
5. 创新——提高效率、提高性能、增强可扩展性、改善用户体验……所有这些都需要创新。人类有能力理解当今网络的复杂性，并将其与组织的业务目标和角色职能相结合，从而提出独特的想法和解决方案。人工智能没有能力改变想法并创造新的东西。它无法跳出固有的思维模式，为企业挑战提供创新的网络解决方案。
毫无疑问，AI 是一种强大的工具，正在被广泛集成到整个技术堆栈中。它可以通过增强可视性、自动执行任务等为 NetOps 团队提供宝贵的支持。但它也有很多做不到，而且可能永远都做不到。我们才刚刚开始这种共生关系。你希望在 NetOps 中看到什么杀手级 AI 功能？
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/ren-gong-zhi-neng-ke-yi-bang-zhu-netops-wan-cheng-de-5
