Il machine learning nella gestione della rete tra promesse e sfide

L'automazione, il machine learning e l'intelligenza artificiale stanno diventando capacità di gestione della rete sempre più critiche mentre la complessità della rete aumenta a dismisura.

aixa

Come parte della tendenza verso una maggiore automazione nelle reti aziendali, l’intelligenza artificiale (AI) e il machine learning (ML) sono sempre più richiesti, dal momento che la loro capacità di identificare in modo programmatico i problemi con la rete e fornire diagnosi istantanee di problemi complessi è notevole.

L’applicazione di AI e ML alla gestione della rete può consentire il consolidamento dell’input da più piattaforme di gestione per l’analisi centrale. Piuttosto che il personale IT che setaccia manualmente i report da diversi dispositivi e applicazioni, il machine learning può effettuare diagnosi dei problemi rapide e automatizzate.

Josh Chessman, senior director e analyst di Gartner, ha illustrato il problema per il lavoratore IT che il machine learning è progettato per risolvere: “Ho tutti questi strumenti di monitoraggio e mi dicono tutti che qualcosa non va, ma non mi dicono dove sia esattamente il problema. Il più grande punto di forza di AI e ML che abbiamo oggi a disposizione oggi è la loro capacità di identificare il problema quando, per esempio, si ha a che fare con 26 eventi segnalati da sette diversi strumenti. Capirci dentro qualcosa senza l’aiuto di AI e ML porterebbe via tantissimo tempo prezioso”.

adv
Cloud Communication Business

Nell’era digitale il centralino va in Cloud

La telefonia di nuova generazione è in software-as-a-service: non richiede di installare centralini hardware, gestisce fisso e mobile, e consente di attivare nuove linee o filiali con un clic, abilitando Smart Working e Unified Communication. SCOPRI DI PIÙ >>

È difficile dire con quale rapidità le aziende acquisteranno sistemi di intelligenza artificiale e machine learning, ma gli analisti affermano che l’adozione è ancora nelle prime fasi. Un punto critico è la confusione su cosa significano esattamente AI e ML. Coloro che immaginano l’intelligenza artificiale come in grado di identificare facilmente i tentativi di intrusione e di analizzare e ottimizzare i flussi di traffico rimarranno delusi. L’uso del termine AI per descrivere ciò che sta realmente accadendo con i nuovi strumenti di gestione della rete è una sorta di esagerazione secondo Mark Leary, direttore della ricerca di IDC.

machine_learning

“I fornitori, quando parlano delle loro capacità di AI/ML, parlano di machine learning, non di intelligenza artificiale”, ha detto Leary. Non c’è una divisione netta tra i due termini in quanto a definizione. In generale, entrambi descrivono lo stesso concetto: algoritmi in grado di leggere i dati da più fonti e regolare i loro output di conseguenza. Secondo gli esperti, l’intelligenza artificiale viene applicata in modo più accurato a espressioni più robuste di quell’idea rispetto a un sistema in grado di identificare l’origine di un problema specifico in una rete informatica aziendale.

“Probabilmente stiamo abusando del termine AI, perché alcune di queste cose, come la manutenzione predittiva, sono in campo da un po’ di tempo,” ha detto Jagjeet Gill di Deloitte. Un altro punto critico per molti sistemi ML è la compatibilità incrociata. Gran parte di ciò che è sul mercato attualmente assume la forma di un fornitore che aggiunge una nuova funzionalità a uno dei suoi prodotti esistenti. È utile, ma può anche diventare un problema in un ambiente multi-vendor. “Molti fornitori stanno aggiungendo AIops perché è una specie di parola d’ordine del momento”, ha affermato Chessman. “Ma ciò non dà molta visibilità sui prodotti di altri fornitori.”

Esistono sistemi ML indipendenti dai fornitori per la gestione della rete come Moogsoft e BigPanda, ma è più comune trovare funzionalità ML in bundle con prodotti di fornitori specifici. “Prendete Netscout per esempio. Ha un po’ di machine learning e fa un buon lavoro, ma si concentra solo sui prodotti Netscout”, continua Chessman.

A prescindere dagli ostacoli che la tecnologia deve superare, è probabile che il machine learning semplifichi notevolmente il lavoro di molti professionisti IT, secondo Peter Suh di Accenture. “Avere questi tipi di strumenti e soluzioni sarà una buona cosa e vi aiuterà a capire cosa sta succedendo sulla rete in qualsiasi momento.”

Sebbene il mix di AI e ML sia un potenziale passo nella direzione della piena automazione della rete, potrebbe anche comportare la perdita di posti di lavoro per il personale IT, cosa che però non dovrebbe accadere nell’immediato futuro. “Ciò che è più probabile è che il machine learning aiuterà a liberare il personale IT per lavorare su più attività generatrici di entrate, piuttosto che spegnere gli incendi, anche se la completa automazione è ancora lontana anni”, conclude Chessman.