Os benefícios da implementação da IA / ML em redes estão se tornando cada vez mais evidentes à medida que as redes se tornam mais complexas e distribuídas. IA / ML melhora a solução de problemas, acelera a resolução de problemas e fornece orientação para correção. Ele traz insights críticos para melhorar a experiência do usuário e do aplicativo. IA /ML pode ser usado para responder a problemas em tempo real, bem como prever problemas antes que eles ocorram. Ele também aumenta os insights de segurança, melhorando a resposta e a mitigação de ameaças.
Como a IA transforma as redes?
Usando IA e ML, a análise de rede personaliza a linha de base da rede para alertas, reduzindo ruídos e falsos positivos, ao mesmo tempo que permite que as equipes de TI identifiquem com precisão problemas, tendências, anomalias e causas raiz. Técnicas de IA/ML, juntamente com dados de crowdsourcing, também são usadas para reduzir incógnitas e melhorar o nível de certeza na tomada de decisões.
Qual a importância das tecnologias de IA e ML no gerenciamento e monitoramento das redes atuais?
A coleta de dados de telemetria anônimos em milhares de redes fornece aprendizados que podem ser aplicados a redes individuais. Cada rede é única, mas as técnicas de IA nos permitem descobrir onde há problemas e eventos semelhantes e orientar a correção. Em alguns casos, os algoritmos de aprendizado de máquina podem focar estritamente em uma determinada rede. Em outros casos de uso, o algoritmo pode ser treinado em um amplo conjunto de conjuntos de dados anônimos, aproveitando ainda mais dados.
Principais tecnologias de IA
Para que a IA seja bem-sucedida, é necessário aprendizado de máquina (ML), que é o uso de algoritmos para analisar dados, aprender com eles e fazer uma determinação ou previsão sem exigir instruções explícitas. Graças aos avanços nas capacidades de computação e armazenamento, o ML evoluiu recentemente para modelos estruturados mais complexos, como o aprendizado profundo (DL), que utiliza redes neurais para obter insights e automação ainda maiores. O processamento de linguagem natural (PNL) é outra tendência que impulsionou o avanço recente da IA, especialmente na área de casa virtual e assistentes de TI. A PNL usa reconhecimento vocal e baseado em palavras para facilitar a interface com máquinas por meio de dicas e consultas em linguagem natural.
Automação de rede e IA/ML
A TI pode obter insights por meio de análises e IA/ML que orientam processos de automação mais confiáveis que reduzem o custo das operações de rede e fornecem aos usuários uma experiência conectada ideal. Essas tecnologias ajudam a TI a automatizar:
- A implantação e gerenciamento de políticas de rede
- A integração de soluções de segurança de confiança zero para ajudar a garantir a consistência da rede
- A identificação e classificação de dispositivos na rede
Com o tempo, a IA permitirá cada vez mais que as redes aprendam, se otimizem continuamente e até mesmo prevejam e retifiquem degradações de serviço antes que elas ocorram.
Modelos de IA e ML
Usando modelos sofisticados de IA/ML, os usuários podem visualizar benchmarks de integridade da rede baseados em dados de rede coletados ao longo do tempo. Os insights para otimização de rede incluem:
- Variações de longo prazo nas tendências de desempenho
- Comparação da integridade da rede dentro de uma empresa ou com pares do setor
- IA/ML e telemetria
Por meio de um controlador de rede e painel de gerenciamento, os dados de telemetria da rede podem ser ingeridos e processados por meio de mecanismos de IA/ML para:
- Detectando anomalias em séries temporais. Muitos dispositivos executados nas redes atuais foram inventados há 20 anos e não suportam as mensagens de gerenciamento atuais. A IA pode detectar anomalias de séries temporais com uma correlação que permite aos engenheiros de rede encontrarem rapidamente relações entre eventos que não seriam óbvias nem mesmo para um especialista de rede experiente.
- Correlação de eventos e análise de causa raiz. A IA pode usar várias técnicas de mineração de dados para explorar terabytes de dados em questão de minutos. Essa capacidade permite que os departamentos de TI identifiquem rapidamente qual recurso de rede (por exemplo, sistema operacional, tipo de dispositivo, ponto de acesso ou switch) está mais relacionado a um problema de rede, acelerando a resolução do problema.
- Prever experiências do usuário. Hoje, a distribuição da largura de banda dos aplicativos acontece em grande parte por meio de planejamento de capacidade e ajustes manuais. Em breve, porém, a IA será capaz de prever o desempenho da Internet de um utilizador, permitindo assim que um sistema ajuste dinamicamente a capacidade da largura de banda com base nas aplicações que estão a ser utilizadas em momentos específicos. O planejamento manual dará lugar à análise preditiva baseada em tendências históricas e informações atuais do calendário.
- Autogestão. A IA permite que os sistemas de TI se autocorrijam para obter o máximo tempo de atividade e forneçam ações prescritivas sobre como corrigir os problemas que ocorrem. Além disso, as redes orientadas por IA podem capturar e salvar dados antes de um evento ou interrupção da rede, ajudando a acelerar a solução de problemas.
Hoje, a convergência de diversas tecnologias diferentes está permitindo que a IA revolucione completamente o setor de redes com novos níveis de conhecimento e automação. A IA ajuda a reduzir os custos de TI e auxilia as empresas a atingirem seu objetivo de fornecer as melhores experiências possíveis de TI e de usuário.
IA e raciocínio de máquina (MR)
Raciocínio de máquina (MR é outra categoria importante de IA. O raciocínio de máquina usa o conhecimento adquirido para navegar por uma série de opções possíveis em direção a um resultado ideal. MR é adequado para resolver problemas que exigem profundo conhecimento de domínio. Os humanos precisam capturar explicitamente todo o conhecimento a priori para que um raciocinador de máquina seja capaz de operar com novos dados. O MR é um complemento maravilhoso ao ML porque pode basear-se nas conclusões apresentadas pelo ML e analisar possíveis causas e possíveis opções de melhoria.
IA/ML e análise preditiva
Simplificando, a análise preditiva refere-se ao uso de ML para antecipar eventos de interesse, como falhas ou problemas de desempenho, graças ao uso de um modelo treinado com dados históricos. As abordagens de previsão de médio e longo prazo permitem que o sistema modele a rede para determinar onde e quando as ações devem ser tomadas para evitar a ocorrência de degradações ou interrupções na rede.
Casos de uso de redes habilitadas para IA
AI/ML para melhorar o desempenho do Wi-Fi
Usando o aprendizado de máquina, as equipes de NetOps podem ser avisadas sobre aumentos na interferência de Wi-Fi, congestionamento de rede e cargas de tráfego no escritório. Ao aprender como uma série de eventos estão correlacionados entre si, os insights gerados pelo sistema podem ajudar a prever eventos futuros antes que eles aconteçam e alertar a equipe de TI com sugestões de ações corretivas.
AI/ML para rastrear endpoints de IoT
AI/ML é benéfico para implantações de Internet das Coisas (IoT). Os dispositivos IoT podem ter um amplo conjunto de utilizações e podem ser difíceis de identificar e categorizar. Métodos de aprendizado de máquina podem ser usados para descobrir pontos de extremidade de IoT usando sondagens de rede ou técnicas de descoberta de camada de aplicativo.
Aprendizado de máquina para automação de políticas
O aprendizado de máquina pode ser usado para analisar fluxos de tráfego de grupos de endpoints e fornecer detalhes granulares, como origem e destino, serviço, protocolo e números de porta. Esses insights de tráfego podem ser usados para definir políticas para permitir ou negar interações entre diferentes grupos de dispositivos, usuários e aplicativos.
Raciocínio da máquina para melhor gerenciamento do ciclo de vida
O raciocínio da máquina pode analisar milhares de dispositivos de rede para verificar se todos os dispositivos possuem a imagem de software mais recente e procurar possíveis vulnerabilidades na configuração do dispositivo. Se uma equipe de operações não estiver aproveitando os recursos de atualização mais recentes, ela poderá sinalizar sugestões.
Construindo um sistema de IA
Sem a estratégia correta de IA, a TI simplesmente não consegue acompanhar os rigorosos requisitos de rede atuais. Aqui estão vários elementos tecnológicos que uma estratégia de IA deve incluir.
Dados:
Qualquer solução de IA significativa começa com grandes quantidades de dados de qualidade. A IA constrói continuamente a sua inteligência ao longo do tempo através da recolha e análise de dados. Quanto mais diversificados forem os dados coletados, mais inteligente se tornará a solução de IA. No caso de aplicações em tempo real que envolvem dispositivos “de ponta” altamente distribuídos, como IoT e dispositivos móveis, por exemplo, é crucial coletar dados de cada dispositivo de ponta em tempo real e, em seguida, processá-los rapidamente localmente ou muito próximo em uma borda. computador ou na nuvem usando algoritmos de IA.
Conhecimento específico de domínio:
seja ajudando um médico a diagnosticar câncer ou permitindo que um administrador de TI diagnostique problemas sem fio, as soluções de IA precisam de dados rotulados com base em conhecimento específico de domínio. Esses pedaços de metadados ajudam a IA a dividir o problema em pequenos segmentos que podem ser usados para treinar os modelos de IA. Essa tarefa pode ser alcançada usando métricas de intenção de projeto, que são categorias de dados estruturadas para classificar e monitorar a experiência do usuário sem fio.
Caixa de ferramentas de ciência de dados:
depois que o problema for dividido em partes de metadados específicos do domínio, esses metadados estarão prontos para serem alimentados no poderoso mundo do ML e do big data. Várias técnicas, como ML supervisionado ou não supervisionado e redes neurais, devem ser empregadas para analisar dados e fornecer insights acionáveis.
Assistente de rede virtual:
A filtragem colaborativa é uma técnica de ML que muitas pessoas experimentam quando selecionam um filme no Netflix ou compram algo na Amazon e recebem recomendações de filmes ou itens semelhantes. Além das recomendações, a filtragem colaborativa pode ser aplicada para classificar grandes conjuntos de dados e identificar e correlacionar aqueles que formam uma solução de IA para um problema específico.
Na IA para redes, o assistente de rede virtual pode funcionar em um ambiente sem fio como um especialista virtual sem fio que ajuda a resolver problemas complexos. Imagine um assistente de rede virtual que combina dados de qualidade, conhecimento de domínio e sintaxe (métricas, classificadores, causas raízes, correlações e classificação) para fornecer recomendações preditivas sobre como evitar problemas e oferecer insights práticos sobre como remediar problemas existentes. Ele pode aprender as nuances da rede sem fio e responder a perguntas como “O que deu errado?” e “Por que isso aconteceu?” Esses são os tipos de avanços automatizados que a IA está possibilitando.
Como as redes orientadas por IA podem aumentar a eficiência operacional?
A automação representa talvez a personificação mais clara do lendário aforismo “tempo é dinheiro” de Benjamin Franklin – e as redes baseadas em inteligência artificial (IA) são uma área onde é relativamente fácil ver os benefícios a curto prazo que dão um novo significado à simples frase de Franklin.
A automação de rede simplifica as operações das equipes de rede e reduz erros de configuração. Portanto, é lógico que uma maior automação através da IA proporcionará uma rede mais previsível e confiável que aparentemente pode acelerar o tempo e, ao mesmo tempo, economizar muito dinheiro. Recorremos à CIO Experts Network, composta por profissionais de TI e analistas do setor, para coletar suas opiniões sobre redes orientadas por IA e como a tecnologia provavelmente mudará a vida das equipes de rede.
“Penso em uma rede orientada por IA como aquela que pode ser preparada antes de uma catástrofe ou violação, capturando e salvando dados críticos antes de uma interrupção da rede ou evento cibernético”, disse Scott Schober (@ScottBVS), presidente/CEO da Berkeley Varitronics Systems, Inc. “Quando esta é uma parte integrada da rede, o tempo de solução de problemas é reduzido, proporcionando maior eficiência para as equipes de rede.
Ainda assim, como todas as coisas relacionadas à IA, é necessário separar o que é real do que é exagero, dizem os especialistas.
As tecnologias de IA promovidas são frequentemente implementadas como a solução para todos os problemas, observa Nicki Doble, Diretora de Transformação da AIA Filipinas. “Eu não acredito no hype”, diz ela. “No entanto, concordo plenamente que uma rede orientada por IA ajuda a detectar ameaças novas e nunca vistas antes. Sua maior vantagem é que nos ajuda a definir a linha de base de nossas redes para aprender sobre o comportamento normal e detectar comportamentos anormais a qualquer momento.”
Simplesmente defendendo a IA
Alex Farr, Diretor de Tecnologia do Christie Group, oferece uma explicação relativamente simples de entender de como isso pode acontecer:
“Uma rede orientada por IA é composta de sistemas que aprendem e evoluem para entender riscos ou problemas potenciais que podem impactar sua rede. Com o tempo, esses sistemas aprendem como resolver ou prevenir a ocorrência desses problemas ou fornecem informações sobre os eventos que levaram à ocorrência de um problema.”
“Isso, por sua vez, cria eficiência que economiza tempo para as equipes de rede”, continua Farr. “Em vez de [a equipe] examinar registros de eventos ou alertas, os sistemas orientados por IA podem concentrar a equipe em áreas específicas e, por sua vez, acelerar a solução de problemas, reduzindo os tempos de resolução.”
As redes podem ser uma área onde os benefícios da IA serão mais evidentes. “Embora o poder da IA para extrair insights de negócios complicados seja óbvio, seu poder na análise das sutilezas do fluxo de trabalho nas redes é ainda mais impactante para a empresa”, afirma Frank Cutitta (@fcutitta), CEO e fundador do HealthTech Decisions Lab. “Mais importante, a capacidade de usar IA e RPA para aliviar os constituintes de tarefas mundanas e redirecionar seus esforços para tarefas de missão crítica é um fator importante na vantagem competitiva como resultado da eficiência em uma era de escassez de talentos na força de trabalho.”
Peter Nichol, Diretor de Tecnologia da OROCA Innovations, destaca que “as equipes de rede estão ocupadas com o trabalho de instalação de roteadores, conserto de balanceadores de carga, ajuste de QoS, realização de manutenção e correção de configurações de segurança. O trabalho é interminável e ingrato. Ninguém se importa quando a rede está ativa; [mas] quando está fora do ar, é um desastre.”
Imagine, pergunta Nichol, “se seus engenheiros de rede tivessem que responder apenas a 5% dos hotfixes de segurança urgentes. A automação pode cuidar de 95% de todas as solicitações. Isso libera os engenheiros de rede para se concentrarem em atividades de valor agregado, como experimentar novas ferramentas de rede ou modelar configurações de segurança futuras.”
Já está superando?
Na verdade, as redes podem ser uma área para apontar onde a realidade da IA pode estar a superar o hype que se acumulou nas últimas duas décadas.
“A IA está desempenhando um papel cada vez maior ajudando a criar eficiência para equipes de rede”, diz Kieran Gilmurray, CEO da Digital Automation and Robotics Limited. “Por exemplo, as empresas estão a utilizar cada vez mais a IA para criar redes autónomas que podem analisar e reparar-se quando surgem problemas. Isto ajuda a proteger e melhorar as redes de negócios, deixando as equipes de TI e de negócios livres para se concentrarem em tarefas de valor agregado que impulsionam seus negócios”.
Isaac Sacolick, presidente da StarCIO e autor do Digital Trailblazer, destaca que embora o modelo operacional de cada organização seja diferente de seus concorrentes, “os requisitos de negócios relativos ao desempenho, segurança e confiabilidade da rede são semelhantes”
“As equipes de rede conhecem sua tolerância zero com problemas de rede, mas uma abordagem estática ou orientada por regras para gerenciá-los não é adequada aos padrões de uso altamente dinâmicos de hoje”, acrescenta Sacolick. “As redes orientadas por IA combinam monitoramento, modelagem preditiva de ML e automação para que as redes sejam mais resilientes às mudanças nas demandas e ameaças.”
Ecoando os pensamentos de Sacolick e indo mais fundo, Ramprakash Ramamoorthy, Diretor de Pesquisa de IA da Zoho Corporation, diz que uma “rede orientada por IA é muito mais autônoma do que sistemas LAN e WAN legados básicos ou tradicionais, e a IA desempenha um papel crucial na manutenção e sinalização questões relacionadas à conectividade de rede. Isso libera os profissionais de TI para se concentrarem em outras tarefas.”
“Em uma rede orientada por IA, é mais fácil prever incidentes muito antes que eles aconteçam, aproveitando a riqueza de dados comportamentais anteriores”, afirma Ramamoorthy. “Uma interrupção é uma das maiores despesas gerais para uma equipe de rede e identificar e mitigar proativamente uma possível interrupção pode ser uma virada de jogo. Mesmo no caso de uma interrupção inevitável, será mais fácil identificar a causa raiz da interrupção observando os dados anteriores em uma rede orientada por IA.”
Não se esqueça da segurança
Com a IA potencializando a detecção de anomalias, as organizações experimentarão eficiência na segurança, diz Will Kelly (@willkelly), gerente de marketing de conteúdo e produto focado na nuvem e DevOps, “Quando a IA intervir para automatizar certas tarefas de gerenciamento de rede e segurança enquanto melhora os dados coleta e relatórios podem economizar tempo para equipes de rede experientes em IA que são estratégicas na implementação de uma rede orientada por IA”, afirma Kelly.
Essa é essencialmente a definição de AIOps, apontada por Emily Gray-Fow (@Emily_Gray_Fow), redatora de conteúdo de tecnologia e engenharia B2B, “é uma parte cada vez mais essencial de qualquer rede corporativa”.
“A coleta de dados e a síntese de relatórios e recomendações na profundidade e escala agora possíveis podem colocar as organizações que os utilizam à frente dos concorrentes que usam sistemas legados de monitoramento de rede”, diz Gray-Fow. “Acrescente a isso o tempo economizado em cada etapa de uma jornada típica do usuário quando IA e automação estão envolvidas, desde a configuração inicial e integração até o estabelecimento de requisitos de acesso do usuário e monitoramento de uso e segurança.”
