IT プロフェッショナルは、ネットワーク データが AI ツールに供給されることを懸念しています

シャマス・マクギリクディ著

ネットワークワールド |

人工知能 (AI)、機械学習 (ML)、およびいわゆる AIOps テクノロジーをネットワーク管理に適用する IT 組織が増えるにつれ、成功にはネットワーク データが不可欠です。 AI/ML テクノロジーでは、個々のネットワークを学習し、洞察を導き出し、推奨事項を提供するために、ますます多くのデータが必要になります。 残念ながら、多くの組織は、ネットワーク データをこれらの AI ツールにフィードしようとすると問題に遭遇します。

言い換えれば、ネットワーク チームは AI テクノロジーを導入する前に、ネットワーク データへのアプローチを最新化する必要があります。

Enterprise Management Associates は最近、レポート「AI 主導のネットワーク: ネットワーク管理のレベルアップ」のために、AI/ML 主導のネットワーク管理ソリューションの経験について 250 人の IT プロフェッショナルを対象に調査を実施しました。 AI/ML をネットワーク管理に適用する際に、データの問題が 2 番目に遭遇する技術的課題であることが判明しました。 より大きな技術的問題となるのは、ネットワークの複雑さだけです。

また、組織の 90% が、AI/ML ソリューションを使用しようとした際に、ネットワーク データに関して少なくとも 1 つの深刻な課題に遭遇していることも判明しました。

「AIOpsにはワークフローを推進するためのデータが必要だ」と、90億ドル規模の金融サービス会社のIT副社長は最近語った。 「データがなければ、AIOps もありません。[AI プロジェクトで] 最初に行う必要があるのは、データを準備することです。データを見て、理解し、ギャップがどこにあるかを確認してください。」

調査対象の IT プロフェッショナルによると、データ トラブルの主な原因は次のとおりです。

組織の 46% に影響を与える最大の問題はデータ品質でした。 IT 組織は、ガベージ データがガベージに関する洞察を生み出すことをすぐに発見します。 彼らはエラー、フォーマットの問題、非標準データに苦しんでいます。 これは、IT 組織が複数のサイロ化されたツールからサードパーティの AIOps ソリューションにデータを供給している場合に特に問題となる可能性があります。 一般的な IT 組織は、ネットワークの管理と監視に 4 ～ 15 個のツールを使用しています。 各ツールは、さまざまな品質レベルの独自のデータベースを維持します。 AIOps ソリューションがこれらのデータセット全体で洞察を関連付けようとすると、問題が発生します。

39% 近くが EMA に、ネットワーク データを AI/ML システムと共有することに伴うセキュリティ リスクに苦労していると回答しました。 多くのベンダーが、AI 主導のネットワーキング ソリューションをクラウドベースの製品として提供しています。 IT チームは分析のためにネットワーク データをクラウドに送信する必要があります。 金融サービスなどの一部の業界は、ネットワーク データをクラウドに送信することを嫌います。 彼らは、オンプレミス ツールを使用して社内に保管したいと考えています。 残念ながら、多くのネットワーク ベンダーは、AI データ レイクを機能させるにはクラウドのスケーラビリティが必要なため、オンプレミス バージョンの AI データ レイクをサポートしません。

一部のベンダーは、ネットワークのグローバル分析のために、すべての顧客の匿名化されたデータを組み合わせています。 これにより、地域、業界、その他の変数にわたる傾向を確認できるようになります。 しかし、一部の顧客は AI/ML ソリューションのこの側面に不安を感じています。 彼らは、匿名化されたデータさえもこのような形で関与することを望んでいません。

データ関連の 3 番目に大きな課題は、ネットワークのオーバーヘッドです。 36% 以上の組織が、膨大なデータセットをオフプレミスからクラウドベースのデータレイクに移動する際のネットワークコストを懸念しています。 このデータ転送により、帯域幅が過剰に消費される場合があります。 一部のベンダーは、ローカル プローブを使用してネットワーク エッジでデータを処理し、分析のためにメタデータを AI クラウドに転送することでこの問題を軽減しています。 AI 主導のネットワーキング ソリューションを評価している組織は、潜在的なベンダーにこの問題にどのように対処するかを尋ねる必要があります。

最後に、組織の 32% が EMA に対し、自社のデータには粒度が欠けていると回答しました。 AI ソリューションにネットワークに関する十分な洞察を提供できるほど短い間隔でデータを収集することができません。 この問題はさまざまな形で現れる可能性があります。 一部の SD-WAN ベンダーは、テレメトリ トラフィックがネットワーク パフォーマンスに影響を与える可能性があるため、ネットワーク テレメトリの収集速度を制限しています。

一部の監視ツールでは、ポーリング レートが高くなると監視プラットフォームが不安定になる可能性があるため、SNMP を使用してネットワークをポーリングする間隔が制限されます。 また、一部のネットワーク スイッチやルーターでは、パフォーマンスへの影響により、フロー レコードを生成できる頻度が制限されています。 最近では、一部のネットワーク ベンダーが、この問題の軽減に役立つ、より詳細なデータを生成するように最適化されたスイッチ シリコンの使用を開始していますが、このハードウェアは多くの場合、割高なコストがかかります。

ネットワーク管理に AI/ML ソリューションを採用する計画がない場合でも、組織内のネットワーク データの状態を常に確認することをお勧めします。 ネットワーク運用チームはよく EMA に、AI の導入が近づいているかどうかに関係なく、一般的に最大の課題はデータ品質であると語ります。

たとえば、組織は、AI が物事を調べ始めると明らかに明らかになる可能性のある盲点がネットワーク内に存在するかどうかを判断する必要があります。 ツールが収集および保持しているデータの品質を確認する必要があります。 この収集されたデータにはエラーが発生しやすいですか? データも標準に準拠している必要があります。 ツールがデータにメタデータをタグ付けしている場合、サードパーティはそれを解析できますか? 標準化により、他のシステムでも確実に読み取れるようになります。 また、データ収集の間隔についても考慮してください。 SNMP ポーリング間隔の 5 分または 10 分の間に、多くのことが発生する可能性があります。

(AI/ML がどのようにネットワーク運用を最適化できるかについて詳しくは、EMA の最新研究に関する無料ウェビナーをご覧ください。)

次にこれを読んでください：

著作権 © 2023 IDG コミュニケーションズ株式会社