Podnikové sítě – digitální dálnice, které propojují lidi a data – se staly inteligentními nervovými systémy, které řídí provoz napříč hybridním cloudem, softwarově definovanými širokopásmovými sítěmi, IoT a 5G. Pokrývají kontinenty, dodavatele a terabajty dat a umožňují vše od videohovorů po automatizaci továren. Řízení této složitosti vyžaduje inteligenci, která se učí, přizpůsobuje a jedná rychleji než lidé.
AI-native sítě tuto potřebu naplňují prostřednictvím automatizace, strojového učení, generativní AI a nyní agentické AI – dalšího kroku směrem k autonomní správě sítí.
Konec reaktivní správy sítí
Týmy správy sítí dlouho fungovaly v reaktivní smyčce: výstrahy spustí akci, inženýři vyšetřují a následuje řešení – často až poté, co jsou uživatelé ovlivněni. Dnešní sítě jsou však na takové tempo příliš složité . Rozsah dat, počet zařízení a závislostí vyžaduje chytřejší přístup.
Organizace již přešly od reaktivních reakcí k proaktivní správě sítí pomocí automatizace manuálních úkolů pro zvýšení rychlosti, spolehlivosti a efektivity. Tato fáze automatizace založené na pravidlech položila základy pro hlubší transformaci. Nyní AI urychluje tento posun tím, že umožňuje prediktivní analýzy a zlepšuje viditelnost a odezvu sítě.
Další krok: síť, která myslí sama – rozpoznává vzory, předpovídá problémy a jedná proaktivně. To připravuje půdu pro agentickou AI, kde inteligentní agenti jednají autonomně a činí rozhodnutí v reálném čase pro správu a zabezpečení sítí.
Chytřejší síť začíná pevnými základy
Sítě založené na AI začínají základní automatizací, aby prováděly klíčové úkoly rychleji a přesněji. Když konfigurace, záplaty a zásady běží automaticky, síť vstupuje do stavu samoléčení a buduje „svalovou paměť“, na kterou se agenti AI spoléhají.
AI může činit chytrá rozhodnutí pouze tehdy, pokud důvěřuje základním datům a procesům. Například automatizované pracovní postupy mohou bez zásahu člověka distribuovat aktualizace firmwaru na tisíce síťových zařízení, včetně routerů a přístupových bodů. To zajišťuje konzistentní výkon sítě, prosazuje bezpečnostní zásady a zabraňuje odchylkám konfigurace v distribuovaných prostředích.
Strojové učení: Vidět to, co lidé nevidí
Jakmile jsou základy pevné, je čas přidat inteligenci. Zde vstupuje do hry strojové učení a neuronové sítě jako řešitelé problémů. Každá podniková síť produkuje záplavu dat: logy, telemetrii, události a výstrahy. Výzvou není jejich sběr, ale porozumění.
Analýzy řízené strojovým učením pomáhají týmům prořezat se šumem tak, že detekují vzory a předpovídají problémy dlouho předtím, než ovlivní uživatele. Přidaná inteligence vede ke zvýšení produktivity, efektivity a přesnosti.
Zvažte tyto příklady, které ukazují, jak strojové učení posiluje provoz sítí:
Příklady:
- Inteligentní seskupování událostí: Používá neřízené učení k identifikaci vzorů, zjednodušení analýzy příčin a automatickému seskupování souvisejících incidentů.To snižuje počet zbytečných, redundantních nebo nesprávně zařazených ticketů až o 90 %, jak ukazují zprávy společnosti NTT DATA.
- Modely predikce příčin: Analyzují historická data pro předběžnou klasifikaci nových incidentů, čímž zlepšují míru vyřešení na první pokus pro týmy úrovně 1 a 2.
- Detekce anomálií: Učí se, co je „normální“ pro každé zařízení, a identifikuje odchylky dříve, než způsobí zhoršení výkonu nebo výpadky.
- Predikce využití: Předpovídá překročení prahů šířky pásma a umožňuje přerozdělení zdrojů dříve, než si toho zákazníci všimnou.
Výsledek: klidnější, soustředěnější operační centrum, které se ptá: „Co se může pokazit příští týden a jak tomu zabránit?“ , místo aby se snažilo opravit to, co právě selhalo.
Dopad je jasný: u všech klientů společnosti NTT DATA vedl tento přístup k meziročnímu snížení počtu incidentů v síti P1, tedy nejzávažnějšího typu výpadků, o 39 %. Pro vaši organizaci to znamená nižší náklady, chytřejší plánování kapacity a spokojenější uživatele.
GenAI: Přeměna síťových dat na konverzaci
I přes výkonné analytické nástroje existuje překážka v podobě přístupnosti. Informace jsou k dispozici, ale často jsou skryté v dashboardech, zprávách a portálech dodavatelů. Získání odpovědí může znamenat několik dní hledání nebo čekání, až je specializované týmy shromáždí a interpretují.
Právě v tomto bodě GenAI mění pravidla hry. Zpřístupňuje komplexní síťovou analytiku tím, že přeměňuje surová telemetrická data, protokoly a výstrahy na jasné, využitelné informace. Umožňuje rychlejší rozhodování, zlepšuje operační reakceschopnost a překlenuje propast mezi provozem sítě a obchodními výsledky.
Můžete se sítě zeptat: „Které weby mají opakované problémy s latencí?“, nebo „Ukaž mi trendy využití u všech dodavatelů v tomto čtvrtletí“, nebo „Shrň incidenty s vysokou prioritou z dnešního rána“.
Během několika sekund získáte vizualizované odpovědi podložené daty – bez skriptů, reportů nebo zpoždění. Vašim technikům pomáhají digitální spolupracovníci, kteří shrnují časové osy událostí, navrhují příčiny a dokonce doporučují další kroky. Manažeři mezitím těží z okamžité viditelnosti a přehledu, aniž by museli provádět hloubkové technické analýzy.
Agentická AI: Když sítě myslí samy
Zde se příběh posouvá od inteligence k autonomii – od chytrých sítí k samořídícím sítím. Pokud automatizace buduje konzistenci, strojové učení inteligenci a GenAI dostupnost, pak agentická AI buduje autonomii.
A právě zde se umělá inteligence stává aktivním partnerem. Agentická umělá inteligence představuje specializované agenty, kteří vnímají, rozhodují a jednají – to vše v rámci lidsky definovaných hranic. Místo toho, aby nahrazovali lidské síťové inženýry, podporují je zpracováním opakujících se, časově kritických úkolů. To jim dává čas na inovace, návrh chytřejších architektur a zaměření na digitální transformaci.
V NTT DATA vytváříme a nasazujeme agenty umělé inteligence, kteří transformují síťové operace, včetně:
- Agenti pro kontrolyu zdraví: Neustále testují stav sítě napříč zařízeními a lokalitami a identifikují problémy s výkonem dříve, než se vyhnou jejich eskalaci.
- Agenti pro analýzu logů: Skenují a shrnují klíčové poznatky ze systémových logů, čímž šetří hodiny manuální analýzy a zobrazují informace, které lze využít.
- Agenti pro dohled nad procesy: Monitorují dodržování provozních standardů, včas označují odchylky, aby byla zajištěna shoda s předpisy a konzistence.
- Agenti pro koordinaci operátorů a lokalit: Automatizují správu tiketů, sledují průběh řešení a potvrzují obnovení, aby zefektivnili koordinaci mezi více dodavateli
Tito agenti automatizují a spolupracují. Například když dojde k degradaci spojení, diagnostický agent ověří problém s agentem pro kontrolu stavu, potvrdí dopad a otevře předvyplněný tiket incidentu – to vše dříve, než si toho uživatelé všimnou. Toto je agentická umělá inteligence v akci: Síť, která předvídá a předchází problémům tím, že jedná rychleji a přesněji než jakýkoli lidský tým.
Pro vaše IT manažery to znamená kratší životní cykly incidentů, konzistentní reakce a předvídatelný výkon. Pro vaši organizaci to přináší jistotu, že vaše síť zvládne cokoli, co digitální svět vyžaduje.
Dosažení tohoto cíle však vyžaduje více než jen nástroje. Musíte posílit základy automatizace, vyčistit datové toky a vyhodnotit a přizpůsobit své síťové procesy pro připravenost na umělou inteligenci. Definování jasných rolí a ochranných pásem pro agenty je navíc klíčem k zajištění autonomie s kontrolou.
Síla platformy
Automatizace, strojové učení, GenAI a agentická AI jsou silné samostatně, ale jejich skutečná hodnota se projeví, když jsou sjednoceny. To je role naší platformy One NTT DATA – digitální struktury, která spojuje tyto vrstvy do soudržného, samovylepšujícího se systému.
Platforma integruje monitoring, příjem dat, trénink modelů a orchestraci do nepřetržité smyčky. Když strojové učení předpoví anomálii, GenAI ji okamžitě zobrazí inženýrům. Když GenAI detekuje opakující se vzory, agentická AI na ně reaguje – uzavírá smyčku mezi poznatkem a akcí. Tato orchestrace snižuje rozpínání nástrojů a zjednodušuje správu.
Pro vaši organizaci to přináší nižší celkové náklady na vlastnictví, jednotný přehled napříč dodavateli a architekturami a škálovatelné zavádění umělé inteligence bez nutnosti reengineeringu – vždy s lidským dohledem.
PŘEČTĚTE SI TAKÉ → Připravte se, pozor, AI: Jak vybudovat bezpečnou síťovou infrastrukturu pro úspěch
Vyvážení autonomie a odpovědnosti
S tím, jak se sítě stávají autonomnějšími, se důvěra stává klíčovou. Autonomie musí být doprovázena odpovědností. Náš přístup k AI-native sítím je odpovědný od základu, vedený čtyřmi základními principy:
- Bezpečnost a soukromí: Vaše data jsou bezpečně zpracovávána v prostředí privátního cloudu, kde pracuje každý model umělé inteligence ve své vlastní chráněné instanci.
- Transparentnost a vysvětlitelnost: Každá akce je sledovatelná. Uživatelé vidí, kdy, proč a jak byla rozhodnutí učiněna.
- Spolehlivost a přesnost: Modely jsou trénovány tak, aby rozuměly topologii vaší sítě, závislostem a chování v reálném světě.
- Lidský dohled: Všechny autonomní akce zůstávají auditovatelné, vratné a v rámci lidsky definovaných limitů.
Autonomie funguje, když je inteligence spárována s integritou. Tak děláme AI důvěryhodnou.
Budoucnost je agentická
Progresivní organizace transformují způsob své práce tím, že se přesouvají od správy sítí k jejich společné tvorbě.
V NTT DATA jsme v čele této revoluce. Budujeme sítě poháněné umělou inteligencí, které výrazně zvyšují výkonnost firmy.
Jste připraveni vést?
CO DĚLAT DÁL
Začněte svou cestu bezplatným hodnocením sítě od NTT DATA a odemkněte sílu agentické AI.