Hasta este momento, en la serie sobre el camino a la red autónoma (Self-Driving Network™), hablamos de los datos —que constituyen la base de las redes nativas de la IA— y de cómo se procesan en la nube para convertirse en información valiosa y recomendaciones utilizando previsiones de nivel de servicio (SLE) y clasificadores. Ahora, pasaremos a ver la etapa de la asistencia con IA, en la que la inteligencia artificial empieza a tener un papel más activo en las operaciones de red, ya que es aquí donde ofrece recomendaciones de corrección basadas en los datos y, si se le otorga permiso, realiza acciones automáticamente para resolver los problemas.
Esta transición refleja una tendencia generalizada en el sector: cada vez se confía más en la capacidad de la IA de gestionar entornos cada vez más complejos. Según IDC Research, casi la mitad de las organizaciones encuestadas prefieren trabajar con plataformas de administración de red basadas en la IA que no solo determinen acciones para corregir los problemas y optimizar los procesos, sino que además las ejecuten.
El valor estratégico de la IA asistida
Las acciones asistidas por IA simplifican las operaciones de red, reducen la carga de trabajo manual de los equipos de TI y acortan los tiempos de resolución, lo que garantiza un rendimiento de red excepcional para los usuarios finales y libera de trabajo al departamento de TI para que pueda centrarse en iniciativas más estratégicas e innovadoras.
A medida que aumenta la complejidad de las redes, lo hace también el volumen de eventos de red —desde pequeños errores de configuración hasta graves interrupciones del servicio—, por lo que a los equipos de TI les cuesta encontrar y resolver los asuntos críticos. La asistencia con IA que se obtiene con la AIOps basada en la nube ayuda a los equipos de TI a centrarse en lo importante. La AIOps permite a estos equipos responder a los problemas con rapidez y proactividad, ya que señala los que son de prioridad alta (aportando, además, las pruebas que demuestran que son prioritarios) y, con el permiso de TI, los resuelve automáticamente. Esto reduce drásticamente el tiempo de resolución de problemas y libera recursos para iniciativas estratégicas de mayor valor, como la innovación y la planificación a largo plazo.
De los datos a la acción: cómo funciona la IA asistida
Se utilizan algoritmos matemáticos y modelos de IA/ML avanzados para filtrar los datos procedentes de cientos de eventos y experiencias de usuario en tiempo real y, así, generar recomendaciones prácticas de gran eficacia, las cuales se acompañan de una justificación clara.
Una vez que el departamento de TI tiene la seguridad de que el resultado es acertado, puede autorizar a la solución de AIOps a corregir el problema automáticamente. Conforme vaya aumentando la confianza en la IA, estas recomendaciones podrán agregarse a una lista de acciones de confianza para que, en el futuro, la IA corrija problemas similares de manera autónoma, sin tener que dar aviso al equipo de TI. Y aquí es donde la AIOps se convierte en un miembro experto del equipo de TI y entra en modo autónomo.
Existen tres categorías de acciones asistidas por IA:
- Optimización: los algoritmos de IA/ML, como la gestión de recursos de radio (RRM) y la gestión de recursos de red (NRM), optimizan la experiencia de usuario constantemente.
- Acciones recomendadas: la IA detecta problemas críticos y sugiere recomendaciones prácticas específicas, aportando también las pruebas que justifican su elección.
- Acciones automatizadas: recomendaciones de confianza que el equipo de TI agregó a la lista de acciones autorizadas que la IA puede ejecutar sin intervención humana.
Entra en escena Marvis, el asistente de IA líder del sector
Juniper pone en práctica estos conceptos con Marvis® AI Assistant, una pieza central de nuestra plataforma de red nativa de la IA Mist™. Marvis utiliza algoritmos de IA y ML, como RRM y NRM, para optimizar las experiencias de usuario de manera proactiva y continua. Mediante Marvis Actions, ofrece acciones tanto recomendadas como automatizadas, lo que denominamos modos de asistencia y autónomo.
En el modo de asistencia, Marvis señala eventos que afectan el rendimiento y recomienda correcciones de gran eficacia y basadas en pruebas para distintos problemas, como un firmware que no cumple la normativa, puertos mal configurados, cables en mal estado, VLAN que faltan y circuitos WAN congestionados.
Cuando se permite el modo autónomo —es decir, si el departamento de TI agregó la recomendación en cuestión a la lista de acciones de confianza—, Marvis tiene total autonomía para corregir puertos mal configurados o inactivos, por ejemplo, de acuerdo con las políticas que haya determinado el equipo de TI. Cada una de las acciones, ya sea asistida o autónoma, se registra y se valida en el panel de Marvis Actions para que los equipos puedan ver un resumen en tiempo real de los principales problemas y las correcciones recomendadas, así como hacer un seguimiento de las acciones tanto autónomas como iniciadas por un humano para garantizar el máximo nivel de transparencia y control.
Marvis en acción: resultados reales
Clientes de todo el mundo ya están viendo los resultados de trabajar con Marvis Actions. Por ejemplo, una gran empresa de IoTM llevaba más de un año lidiando con problemas que afectaban intermitentemente a los usuarios de Zoom de una sucursal de la India. Gracias a las recomendaciones del modelo de experiencia grande (LEM) de Marvis, no tardaron en ver que había una puerta de enlace VPN mal configurada que estaba enviando paquetes a una ubicación de Australia, lo que aumentaba la latencia y la fluctuación.
En otro ejemplo, un minorista de gran tamaño estaba teniendo problemas de rendimiento en ciertas zonas de sus tiendas. Marvis determinó que el problema se debía a interferencias en los productos de demostración inalámbricos y ajustó automáticamente el ancho de banda de los canales de 40 MHz a 20 MHz, lo que optimizó el rendimiento de la red de la tienda tanto para los empleados como para los clientes.
Un paso más hacia la autonomía
Para los equipos de TI, Marvis no solo es sinónimo de más información valiosa, sino un miembro muy importante del equipo, capaz de priorizar los problemas clave, recomendar y ejecutar correcciones y confirmar que estas se hayan implementado correctamente. Estas funciones asistidas constituyen un pilar fundamental de la autonomía total, ya que permiten a los equipos de TI delegar cada vez más tareas rutinarias a la IA para mejorar el rendimiento y la eficiencia. Otra ventaja igual de importante es que los equipos de TI pueden recuperar tiempo valioso para centrarse en iniciativas de mayor importancia, como fomentar la innovación, en lugar de dedicarse a solucionar problemas.
Esta cuarta etapa es un punto de inflexión, porque la IA ya no se limita a realizar sugerencias, sino que también las pone en práctica. En nuestra próxima publicación, que será la última de esta serie, exploraremos la etapa final del camino a la red autónoma, en la que la IA no solo ofrece asistencia a las operaciones, sino que también las gestiona. También veremos cómo Juniper está abriendo paso en este camino a la autonomía, gracias a Marvis Minis, los modelos de experiencia grandes y la IA agentiva.
No importa el punto en el que se encuentre su empresa en el camino a la red basada en la IA: Juniper le brindará ayuda para que dé el siguiente paso.
