Lídři napříč všemi odvětvími tvrdě tlačí na to, aby se ambice AI proměnily ve skutečné výsledky. Zájem je vysoký, tlak na škálování roste a plány umělé inteligence jsou stále odvážnější. Přesto vše může brzdit jediný prvek: síťová infrastruktura.
Ukázalo se to v nedávném rozhovoru s klientem. Pilotovali malý nástroj AI pro urychlení vizuálních kontrol na jejich tovární lince. V testovacím nastavení to fungovalo hladce, ale v dílně někdy trvalo načítání obrázků několik sekund. Problémem však nebyla AI: Slabý signál bezdrátové místní sítě (WLAN) v jedné části závodu zdržoval požadavky na obrázky na server.
Podle zprávy NTT DATA Global AI Report: A Playbook for AI Leaders od NTT DATA 2026 Global AI Report: A Playbook for AI Leaders – na základě vyspělosti AI, strategie AI a zisku souvisejícího s AI – tvrdí, že překážky v infrastruktuře brzdí jejich ambice v oblasti AI.
To ukazuje na jednoduchý fakt: AI se pohybuje rychleji než sítě, které ji podporují.
PŘEČTĚTE SI TAKÉ -> Od ambicí AI ke skutečnému dopadu: Proč je infrastruktura tím rozdílem
4 síťové výzvy bránící umělé inteligenci
Na rozdíl od podnikových aplikací v minulosti AI nesedí. Je dynamická, distribuovaná a hladová po datech. Zahrnuje odvozování na hranici v reálném čase, časté aktualizace modelu, rozhodování na úrovni milisekund a neustále se měnící data uživatelů, zařízení a senzorů. Přesto mnoho sítí stále funguje jako na počátku 21. století. Jsou centralizované, se silně manuálními operacemi a nejsou dostatečně dynamické, aby podporovaly AI.
Tento nesoulad vytváří čtyři hlavní problémy.
1. AI potřebuje nepřetržitý tok dat. Síť se stále pohybuje v oknech změn.
AI se neustále učí a přizpůsobuje. Pohybuje se tak rychle, jak přicházejí nová data. Většina týmů podnikové sítě však stále spravuje změny prostřednictvím lístků, schvalování řízených lidmi a plánovaných oken údržby.
Když se AI neustále pohybuje a síť se pozastaví kvůli každé úpravě, mezera mezi nimi se stává úzkým hrdlem.
2. AI potřebuje konzistentní výkon. Výkon sítě při zatížení stále kolísá.
Umělá inteligence je nyní v obchodech, v nemocnicích, ve vozidlech, v maloobchodech, ve skladech a na okraji. Tyto pracovní zátěže očekávají trvale nízkou latenci. Takže když výkon sítě poklesne, byť jen krátce, závěry se zpomalí, počítač se zadrhne a uživatelská zkušenost trpí.
AI nezvládá zaváhání dobře. Malá zpoždění se rychle prodraží.
3. AI potřebuje hlubokou viditelnost. Sítě nabízejí pouze fragmenty.
Modely umělé inteligence běžící v cloudu a v distribuovaných prostředích závisí na jasném komplexním pohledu na chování sítě, včetně toho, jak se provoz pohybuje, jak fungují aplikace a kde se může objevit latence nebo selhání. Většina sítí však stále poskytuje pouze fragmenty tohoto obrazu prostřednictvím částečných protokolů a neaktivního monitorování.
Vzhledem k tomu, že tolik chybí, umělá inteligence pracuje se slepými úhly, takže je obtížnější předvídat problémy nebo spolehlivě fungovat.
4. AI potřebuje stabilní základ. Sítě zůstávají nekonzistentní.
Umělá inteligence se spoléhá na to, že věci fungují všude stejně, ale mnoho sítí ne. Roky jednorázových oprav, regionálních variací, zařízení a starších skriptů vytvořily prostředí, kde se nic nechová jednotně. A když je základní struktura nekonzistentní, AI nemá nic stabilního, co by se dalo použít jako základ pro automatizaci. Brzy narazí na strop.
Stručně řečeno, nekonzistentní síťová prostředí vytvářejí třenice, které brání AI v pohybu vpřed.
Jak tedy vypadá síť připravená na umělou inteligenci?
AI se nemůže škálovat na vratkých základech. Síť, která jej podporuje, musí být předvídatelnější, citlivější a mnohem odolnější. Nejedná se však o vytrhávání všeho; spíše jde o posílení toho, co již máte. A to začíná několika kritickými schopnostmi:
Standardizujte a verzujte své síťové konfigurace
Konzistentní síť je páteří úspěchu AI. Strukturované, ověřené, zdokumentované a verzemi řízené konfigurace činí síťové prostředí předvídatelným a snadněji automatizovatelným. Šablony nahrazují příkazy na úrovni zařízení, historie verzí nahrazuje zamlčované týmové znalosti, automatizované testování nahrazuje pokusy a omyly a okamžité vrácení nahradí hodiny obnovy. Čím konzistentnější je síť, tím jistěji může AI fungovat.
Převeďte obchodní požadavky do jasných síťových zásad
AI funguje nejlépe, když síť rozumí záměru. Začněte s definováním výsledků, jako je udržování odvozeného provozu na nízké latenci, vynucování rezidence dat v konkrétních regionech nebo důsledné uplatňování bezpečnostních kontrol s nulovou důvěrou. Poté zakódujte tyto výsledky jako zásady, aby mohly být jednotně aplikovány napříč cloudy, okrajovými prostředími a platformami, aby se zlepšila předvídatelnost.
Nechte AI rozšířit každodenní síťové operace
Ke zlepšení sítě spotřebovává AI data o výkonu sítě. Moderní síťové operace využívají umělou inteligenci k včasnému rozpoznání anomálií, doporučování změn výkonu, odstraňování problémů v reálném čase a provádění rutinních úprav. To vede k menšímu počtu výpadků a eskalace, což inženýrům ponechává více času soustředit se na práci, která posouvá podnik vpřed.
Snižte síťové riziko pomocí digitálního dvojčete
Pokud má AI pomáhat provozovat síť, potřebuje bezpečné místo k učení a testování. Digitální dvojče poskytuje přesně to. Zrcadlí živou síť, takže týmy mohou modelovat topologie, simulovat změny, testovat selhání, ověřovat dopady politik a školit agenty AI, to vše bez ovlivnění výroby. Proměňuje hádání v sebevědomou změnu řízenou daty.
PŘEČTĚTE SI TAKÉ -> Modernizujte svou síť, abyste poháněli podnik připravený na umělou inteligenci
Výplata: AI, která konečně funguje tak, jak bylo slíbeno
Když se vaše síť stane konzistentní, pozorovatelnou, automatizovanou a připravenou na simulaci, vše se změní:
- Umělá inteligence funguje všude, od cloudu a edge až po datová centra, pobočky, weby a výrobní haly.
- Zabezpečení je nepřetržité, protože dodržování předpisů je vynucováno automaticky.
- Opex klesá, když jsou eliminovány výpadky a klesá potřeba hašení.
- Rozhodování v reálném čase se stává realitou.‑
Pokud však vaše síť nemůže držet krok, vaše umělá inteligence to také nedokáže. Vaše pilotní projekty AI se nebudou škálovat a návratnost investic bude nižší, než se očekávalo.
V NTT DATA vám pomůžeme vybudovat síťový základ, který umožní AI vzlétnout. Pojďme si promluvit.
PŘEČTĚTE SI TAKÉ -> Umělá inteligence zvyšuje laťku a vaše síť musí stoupat s ní
CO DĚLAT DÁL