在迈向自我驱动型网络™ 之旅的过程中，我们首先会综合利用数据科学和客户支持找出正确的数据（第一阶段：数据），然后将这些数据输送至云端提供网络洞察（第二阶段：洞察），为这段旅程打下坚实的基础。到了第三阶段，这些洞察会被整理成指标和分类符，为解决网络问题提供建议。
在瞻博网络，我们深知仅靠单一网络元素（即接入点、交换机、路由器）的稳定运行并不能保证卓越的端到端、客户端到云端用户体验。正因如此，我们不仅提供网络性能洞察，还提供用户网络体验洞察。我们通过服务级别预期 (SLE) 来实现这一目标，并由 Mist AI™ 和业内唯一一款云端 AI 助手 Marvis® 提供强力支持。SLE 指标和分类符会衡量用户的网络体验品质，并向 IT 团队提供建议，帮助解决影响用户客户端到云端体验的问题。SLE 指标和分类符会衡量用户的网络体验品质，并向 IT 团队提供建议，帮助解决影响用户客户端到云端体验的问题。
第一代 SLE 和 Marvis 依靠彼此传递信息来确定应对糟糕用户体验的分类符和建议。如今，Marvis 已转向大型体验模型 (LEM)，能够释放出更高的潜力。举例来说，综合利用 LEM 和 Marvis Minis 可以实现数字孪生，从而主动模拟用户连接，在影响用户之前提早发现问题。借助 Minis，Marvis 可以预测视频协作用户体验，然后使用 Shapley 数据科学模型创建分类符和建议的排名列表，用于改善用户体验。
提供主动式建议是实现自我驱动型网络的第一步，可帮助 IT 团队实现从简单地发现问题到发现指导建议的范式转变。已转向云端 AIOps 架构的 IT 团队表示，他们能够从被动日常运维模式转变为主动模式。团队可以专注于战略举措，而不是花费数小时进行故障排除。与此同时，系统可以持续分析模式，检测异常情况并提供纠正措施。从被动监控转变为引导式的决策制定是实现自主网络的关键一步。
人工智能原生建议的价值
IT 环境日益复杂，横跨多个位置、云环境、设备和应用。传统的网络管理通常依赖于响应式故障排除，换句话说，只有在问题对用户造成影响后才会着手解决。人工智能原生建议凭借以下优势颠覆了这种方式：
- 在问题升级之前提早发现：云原生 AIOps 可持续分析并预测糟糕的用户体验，判断网络功能为何会导致这些不良体验
- 提供清晰且可操作的指导：AI 并不是简单地进行洞察，而是将洞察转化为具体建议，从而减少人工调查需求，加快问题解决速度
- 建立对人工智能原生运维的信任： 通过提供建议（而非立即采取行动），AI 可以让 IT 团队按照自己的节奏验证并实施变更，逐步培养对自动化的信心
通过这些洞察和建议，组织可以缩短平均解决时间 (MTTR)，提升用户体验，改善整体网络可靠性。通过将人工智能原生建议融入日常运维，IT 团队可以从被动故障排除转变为主动优化。
为下一步做好准备：辅助操作
从洞察转变为建议是自我驱动型网络之旅中的一个重要里程碑。根据人工智能原生建议采取行动，会使 IT 团队对 AI 提高网络性能和可靠性的能力充满信心。
随着组织在网络运维中不断采用 AI，每一步都会让效率、弹性和灵活性节节攀升。在第四阶段（辅助），我们将探讨 AI 辅助操作如何弥合人工干预与完全自动化之间的差距，从而带来更便捷的运维体验。
贵组织处于通往自我驱动型网络的哪一阶段？无论处于哪个阶段，瞻博网络都能助您成功迈出下一步。
阅读本博客系列的下一篇文章。
本系列的其他博客
