La inteligencia artificial ayuda a resolver problemas de redes

Con el lanzamiento público de ChatGPT y la inversión de 10.000 millones de dólares de Microsoft en OpenAI –la empresa que ha desarrollado la inteligencia artificial (IA) –, esta tecnología, la IA, está ganando rápidamente una aceptación generalizada. Para los profesionales de redes empresariales, esto sginifica que existe una posibilidad muy real de que el tráfico de IA les afecte, tanto de manera positiva como negativa.

A medida que la IA se convierte en una característica central del software de misión crítica, ¿cómo deben adaptarse los equipos y profesionales de redes para mantenerse a la vanguardia de esta tendencia? Andrew Coward, gerente general de redes definidas por software de IBM, argumenta que la empresa ya ha perdido el control de sus redes. El cambio a la nube ha dejado varada la red empresarial tradicional, y se requiere IA y automatización si las compañías esperan recuperar el control. “El centro de gravedad se ha desplazado del centro de datos corporativo a un entorno híbrido de múltiples nubes, pero la red se diseñó para un mundo en el que todo el tráfico sigue fluyendo hacia el propio data center. Esto significa que muchos de los elementos de red que dictan el flujo de tráfico y la política ahora están fuera del alcance y control de los equipos de la organización”.

Investigaciones recientes de Enterprise Managemen Associates respaldan las observaciones de Coward. Según su informe de 2022, mientras que el 99% ha adoptado al menos un servicio de cloud pública y el 72% tiene una estrategia multinube, solo el 18% cree que sus herramientas son efectivas para la monitorización de las nubes.

La IA puede ayudar a monitorizar las redes

La inteligencia artificial está estresando las redes de formas obvias y de otras que no lo son tanto. No es ningún secreto que las organizaciones que utilizan herramientas basadas en esta tecnología y en la nube, como OpenAI, IBM Watson o AWS DeepLens, deben adaptarse al tráfico pesado entre cloud y los centros de datos empresariales para entrenar a la IA y mantenerla actualizada, lo que requiera transportar cantidades masivas de un lado a otro.

Lo que es menos obvio es que la IA ingresa a la empresa a través de puertas laterales, escabulléndose a través de capacidades integradas en otras herramientas. Al añadir inteligencia a todo, desde herramientas de creación de contenido hasta motores antispam, software de videovigilancia y dispositivos en el extremo, muchas de ellas se comunican constantemente a través de la WAN con los centros de datos corporativos. Esto puede crear aumentos repentinos de tráfico y problemas de latencia, entre otros problemas.

En el lado positivo, las aplicaciones de monitorización y administración de tráfico impulsadas por IA están comenzando a ayudar a los equipos de redes con recursos limitados a lidiar con la complejidad y la fragilidad de las redes distribuidas de múltiples nubes. Al mismo tiempo, los servicios de red modernos como SD-WAN, SASE y 5G, ahora también dependen de la IA para cosas como el enrutamiento inteligente, el equilibrio de carga y la división de redes. Pero, a medida que la IA asume más funciones de red, ¿es prudente que los líderes empresariales confíen en esta tecnología?

¿Es prudente confiar en la IA para redes de misión crítica?

Los profesionales que tendrán la tarea de utilizar la IA para habilitar las redes de próxima generación son comprensiblemente escépticos ante las muchas afirmaciones exageradas de los proveedores de IA. “Las operaciones de red gestionan lo que muchos perciben como un entorno complejo y frágil. Por lo tanto, muchos equipos temen usar la IA para impulsar la toma de decisiones debido a las posibles interrupciones de red”, asevera Jason Normandin, gerente de producto de operaciones de Broadcom. Los equipos de operaciones que no comprendan o no tengan acceso a la lógica del modelo de IA subyacente serán difíciles de convencer. “Para garantizar la aceptación de estos equipos es fundamental mantener la supervisión humana sobre los dispositivos y sistemas habilitados por la IA”.

Para confiar en la IA, los profesionales de redes requieren una "IA explicable", o una IA que no sea una caja negra pero que revele su funcionamiento interno. “Generar confianza en la IA como un compañero confiable comienza con la comprensión de sus capacidades y limitaciones y probarla en un entorno controlado antes de la implementación”, dijo el Dr. Adnan Masood, Arquitecto Jefe de IA en la empresa de transformación digital UST.

La IA explicable e interpretable permite a los equipos de red comprender cómo llega la IA a sus decisiones, mientras que las métricas clave permiten a los equipos de red realizar un seguimiento de su rendimiento. “Supervisar continuamente el rendimiento de AI y recopilar comentarios de los miembros del equipo también es una forma importante de generar confianza”, agregó Masood. “La confianza en la IA no se trata de fe ciega, sino de comprender sus capacidades y usarla como una herramienta valiosa para mejorar el desempeño de su equipo”.

Normandin de Broadcom señala que, si bien los expertos en redes pueden ser reacios a "ceder el volante" a la IA, existe un camino intermedio. “Los motores de recomendación pueden ser un buen compromiso entre los sistemas manuales y los totalmente automatizados”, dijo. “Estas soluciones permiten que los expertos humanos tomen sus propias decisiones en última instancia, al tiempo que ofrecen a los usuarios calificar las recomendaciones proporcionadas. Este enfoque permite un ciclo de retroalimentación de capacitación continuo, lo que brinda la oportunidad de mejorar dinámicamente los modelos utilizando la información de los operadores”.

La IA puede ayudar al soporte de la red con chat en lenguaje natural

A medida que las redes empresariales se vuelven más complicadas, distribuidas y congestionadas, la IA ayuda a los equipos de redes con recursos limitados a mantenerse al día. “La necesidad de conectividad instantánea y elástica en toda la empresa ya no es solo una opción; es lo que está en juego para un negocio exitoso”, dijo Coward de IBM. “Es por eso que la industria está buscando aplicar soluciones de automatización inteligente e inteligencia artificial a la red”.

El hecho es que las herramientas impulsadas por IA ya se están extendiendo por la nube y las redes empresariales, y la cantidad de herramientas que cuentan con IA seguirá aumentando en el futuro previsible. Las redes empresariales han sido uno de los sectores que más agresivamente ha adoptado la IA y la automatización. Actualmente, la IA se utiliza para una amplia gama de funciones de red, incluida la supervisión del rendimiento, la supresión de alarmas, el análisis de la causa raíz y la detección de anomalías.

Por ejemplo, Meraki Insight de Cisco analiza los problemas de rendimiento de la red y ayuda con la resolución de problemas; Juniper's Mist AI automatiza la configuración de la red y maneja la optimización; y Watson AIOps de IBM automatiza las operaciones de TI y mejora la prestación de servicios.

La IA también se está utilizando para mejorar las experiencias de los clientes. “La capacidad de AI para adaptarse y aprender la conexión del cliente a la nube a medida que cambia hará que AI sea ideal para los casos de uso de red más dinámicos”, dijo Bob Friday, director de AI en Juniper Networks. Friday dijo que a medida que la sociedad se vuelve más móvil, la experiencia del usuario inalámbrico se vuelve cada vez más compleja. Eso es un problema porque las redes inalámbricas ahora son fundamentales para la vida diaria de los empleados, especialmente en la era del trabajo desde casa, lo que obliga a TI a brindar soporte a los usuarios en entornos sobre los que TI tiene poco o ningún control.

Esta es la razón por la cual el soporte impulsado por IA es uno de los primeros casos de uso más populares. “La IA está permitiendo la próxima era de búsqueda y chatbots”, dijo Friday. “El objetivo final es un entorno en el que los usuarios disfruten de un rendimiento constante y constante y ya no necesiten gastar valiosos recursos de TI en montañas de tickets de soporte”.

Los chatbots y asistentes virtuales creados con Procesamiento del lenguaje natural (NLP) y Comprensión del lenguaje natural (NLU) pueden comprender las preguntas que hacen los usuarios con sus propias palabras. El sistema responde con información y recomendaciones específicas basadas en observaciones realizadas en LAN, WLAN y WAN.

“Donde esta información y automatización del cliente a la nube simplemente no era posible hace solo unos años, los chatbots de hoy pueden utilizar las capacidades de NLP para proporcionar contexto y significado a las entradas de los usuarios, lo que permite que la IA presente la mejor respuesta”, dijo Friday. “Esto supera con creces las simples respuestas de 'sí' o 'no' que originalmente venían de los chatbots tradicionales. Con mejores capacidades de NLP, los chatbots pueden progresar para volverse más intuitivos, hasta el punto en que los usuarios tendrán dificultades para diferenciar entre un bot y un humano”.