Cisco: Το agentic AI παίρνει τον έλεγχο των εταιρικών δικτύων

Έρευνα της Cisco με την Omdia δείχνει ότι το 51% των μεγάλων οργανισμών ήδη τρέχει agentic συστήματα που εκτελούν αυτόνομες αλλαγές σε παραγωγικά περιβάλλοντα δικτύου, ενώ η πλειονότητα των στελεχών ετοιμάζεται για λειτουργίες καθοδηγούμενες από πράκτορες μέσα στον επόμενο χρόνο.

Η διαχείριση των εταιρικών δικτύων περνά σε μια νέα φάση, καθώς το λεγόμενο agentic AI αρχίζει να αναλαμβάνει άμεσο διαχειριστικό ρόλο. Σύμφωνα με έρευνα της Cisco σε συνεργασία με την Omdia, το 51% των μεγάλων οργανισμών ήδη λειτουργεί agentic συστήματα που εκτελούν αυτόνομες τροποποιήσεις σε παραγωγικά περιβάλλοντα, αντί απλώς να προσφέρουν στατικές λειτουργικές συμβουλές. Παράλληλα, πάνω από το 84% των στελεχών τεχνολογίας αναμένει να λειτουργεί ένα λειτουργικό πλαίσιο καθοδηγούμενο από πράκτορες μέσα στους επόμενους δώδεκα μήνες.

Όπως σημείωσε ο Joe Vaccaro, SVP και GM του Network Platform and Assurance της Cisco, το agentic AI αποτελεί θεμελιώδη αλλαγή παραδείγματος: μια μετάβαση από την «εκτέλεση λειτουργιών» στην «ενορχήστρωση πρόθεσης». Για να εφαρμοστεί στο NetOps, τόνισε, απαιτείται εμπιστοσύνη που θεμελιώνεται σε ορατότητα κάθε απόφασης, σε εξηγήσιμο πλαίσιο πίσω από κάθε σύσταση και σε δικλείδες ασφαλείας που εξασφαλίζουν προβλέψιμα αποτελέσματα. Οργανισμοί που θα ισορροπήσουν σωστά, πρόσθεσε, θα κρατήσουν τους χειριστές σε πλήρη έλεγχο, επιτρέποντας ταυτόχρονα σε agentic συστήματα να δρουν με βεβαιότητα και να αποδεικνύουν διαρκώς τη λειτουργική τους αξιοπιστία.

Ο όγκος των ειδοποιήσεων επιβάλλει την αυτοματοποίηση

Τα εταιρικά περιβάλλοντα καταγράφουν κατά μέσο όρο 4.100 ειδοποιήσεις παρακολούθησης κάθε ημέρα, με το 51% εξ αυτών να συνδέεται άμεσα με τη δικτυακή υποδομή. Το τυπικό προσωπικό λειτουργιών εξετάζει και επιλύει χειροκίνητα περίπου 21 περιστατικά ανά εργάσιμη ημέρα. Η επεξεργασία αυτού του όγκου χωρίς αυτοματοποίηση θα απαιτούσε περίπου 100 αποκλειστικούς τεχνικούς ειδικούς ανά επιχείρηση.

Η χειροκίνητη διαλογή έχει καταρρεύσει υπό αυτό το βάρος. Τα τμήματα λειτουργιών απορρίπτουν το 46% των ειδοποιήσεων χωρίς προκαταρκτική διερεύνηση, ενώ οι μηχανικοί δαπανούν το 45% του χρόνου αντιμετώπισης προβλημάτων κυνηγώντας ψευδώς θετικά (false positives).

Η αστάθεια των δικτύων επιδεινώνει το πρόβλημα. Στο 59% των επιχειρήσεων η δρομολόγηση και οι πολιτικές παραγωγής αναθεωρούνται καθημερινά, ενώ το 29% προωθεί αλλαγές πολλές φορές την ημέρα. Η συμβατική παρακολούθηση βασισμένη σε κανόνες δεν μπορεί να συμβαδίσει, με αποτέλεσμα το 95% των επικεφαλής μηχανικών να δηλώνει ότι οι υπάρχουσες λύσεις AIOps υστερούν.

Η αυτονομία ως άμυνα στην εξάντληση δυναμικότητας

Περίπου το 82% των ομάδων ηγεσίας μηχανικών επιτρέπει σε αυτόνομα συστήματα να εφαρμόζουν αλλαγές στην παραγωγή χωρίς προηγούμενη ανθρώπινη έγκριση για συγκεκριμένες λειτουργικές εργασίες. Στις επιτρεπόμενες αυτοματοποιημένες ενέργειες περιλαμβάνονται η δυναμική αναδρομολόγηση κίνησης, η ρύθμιση παραμέτρων ασύρματων δικτύων και η απομόνωση παραβιασμένων συσκευών υλικού.

Ο Jim Frey, Chief Analyst Network and IT Operations της Omdia, σχολίασε ότι το εντυπωσιακό συμπέρασμα δεν είναι απλώς η αύξηση της υιοθέτησης AI στο NetOps, αλλά η ταχύτητα με την οποία οι οργανισμοί προετοιμάζονται για λειτουργίες καθοδηγούμενες από AI. Τα ευρήματα, είπε, δείχνουν μια ευρύτερη μετατόπιση από το συμβουλευτικό μοντέλο του AIOps προς τις λεγόμενες AgenticOps — λειτουργίες με πράκτορες που μπορούν να δρουν. Καθώς η μετάβαση επιταχύνεται, η ενοποιημένη ορατότητα, η ισχυρή διακυβέρνηση και τα μετρήσιμα αποτελέσματα θα είναι κρίσιμα για την επέκταση της αυτονομίας με διατήρηση του λειτουργικού ελέγχου.

Δικλείδες ασφαλείας και observability απέναντι στην αυξανόμενη κίνηση

Οι σφάλματα που εκτείνονται σε πολλαπλά domains (cross-domain) ευθύνονται για το 92% των μεγάλων αστοχιών απόδοσης, μεταναστεύοντας μεταξύ cloud κόμβων, τοπικού υλικού, εφαρμογών λογισμικού και ιδιωτικών δικτύων ευρείας περιοχής. Το προσωπικό υποστήριξης συσχετίζει στοιχεία από κατά μέσο όρο δέκα διαφορετικές διεπαφές διαχείρισης για τον εντοπισμό της αιτίας. Ο μέσος χρόνος επίλυσης φτάνει τις 88 ώρες, ξεπερνώντας κατά πολύ τον διάμεσο των 12,5 ωρών, καθώς τα ανεπίλυτα πολύπλοκα περιστατικά συχνά τραβούν για εβδομάδες.

Ο όγκος των δεδομένων περιπλέκει τις προσπάθειες αποκατάστασης. Τηλεμετρία από εγκαταστάσεις campus και υποκαταστημάτων δείχνει ότι η άμεση κίνηση προς υπηρεσίες μηχανικής μάθησης διπλασιάζεται κάθε έξι μήνες, με την κατανάλωση ανά πελάτη να αυξάνεται κατά 54%. Οι αυτόνομοι πράκτορες λογισμικού παράγουν έως και 450% περισσότερη δικτυακή ανταλλαγή ανά ολοκληρωμένο workload σε σχέση με τα ερωτήματα που ενεργοποιεί ο άνθρωπος.

Η διάθεση παραχώρησης ελέγχου εξαρτάται από την αρχιτεκτονική επαλήθευσης. Περίπου το 86% των εταιρικών χειριστών επιμένει στην ενοποίηση της παρακολούθησης σε υπολογιστικούς πόρους, αποθήκευση, ασφάλεια και δικτύωση σε μία ενιαία πλατφόρμα. Το 69% απαιτεί λεπτομερή ίχνη αλγοριθμικής τεκμηρίωσης για τις αυτόνομες αλλαγές, ενώ το 36% θέτει ως βασική προϋπόθεση ανάπτυξης το end-to-end tracing και τα αμετάβλητα (immutable) αρχεία ελέγχου μετά την εκτέλεση.

Μετρήσιμα οφέλη για τους early adopters

Οι πρώτοι υιοθετητές εμφανίζουν ποσοτικοποιήσιμα πλεονεκτήματα απόδοσης: οι ώριμες εταιρικές αναπτύξεις καταγράφουν αύξηση 30% στην παραγωγικότητα ανά εργαζόμενο και διατηρούν 3,2 φορές μεγαλύτερη ορατότητα στα όρια της υποδομής.

Ο Mark Rodrigue, Senior Network Engineer στην Room & Board, ανέφερε ότι ερωτήματα που παλαιότερα σήμαιναν χειροκίνητο ψάξιμο σε πολλαπλά dashboards και πηγές δεδομένων, τώρα επιστρέφουν σε λεπτά, με την εκτελεστική περίληψη πρώτη και τα υποστηρικτικά στοιχεία από κάτω. «Δείχνει τη δουλειά του, ώστε να μπορώ να ακολουθήσω τη λογική και να δω την πλήρη αλυσίδα τεκμηρίων πίσω από κάθε σύσταση. Αυτή είναι η εμπιστοσύνη που χρειάζεται για να αναπτύξεις πράκτορες σε κλίμακα», σημείωσε.

Πηγή: Telecoms Tech News