I professionisti IT temono che i dati di rete vengano forniti agli strumenti di intelligenza artificiale

Di Shamus McGillicuddy

Mondo in rete |

Poiché sempre più organizzazioni IT applicano l’intelligenza artificiale (AI), l’apprendimento automatico (ML) e la cosiddetta tecnologia AIOps alla gestione della rete, i dati di rete sono fondamentali per il successo. La tecnologia AI/ML richiede sempre più dati per apprendere le singole reti, ricavare approfondimenti e offrire consigli. Sfortunatamente, molte organizzazioni riscontrano problemi quando tentano di fornire dati di rete a questi strumenti di intelligenza artificiale.

In altre parole, i team di rete devono modernizzare il proprio approccio ai dati di rete prima di abbracciare la tecnologia AI.

Enterprise Management Associates ha recentemente intervistato 250 professionisti IT sulla loro esperienza con soluzioni di gestione di rete basate su AI/ML per un rapporto, "Reti guidate da AI: livellare la gestione della rete". È emerso che i problemi relativi ai dati rappresentano la seconda sfida tecnica che incontrano quando si applica l’intelligenza artificiale/ML alla gestione della rete. Solo la complessità della rete è un problema tecnico più grande.

È stato inoltre rilevato che il 90% delle organizzazioni ha riscontrato almeno una seria sfida con i dati di rete durante il tentativo di utilizzare le proprie soluzioni AI/ML.

"AIOps ha bisogno di dati per gestire i propri flussi di lavoro", ha affermato di recente un vicepresidente IT di una società di servizi finanziari da 9 miliardi di dollari. "Se non hai dati, non hai AIOps. La prima cosa che devi fare [con un progetto AI] è preparare i tuoi dati. Guardali, capiscili e vedi dove sono le lacune."

Ecco le principali fonti di problemi relativi ai dati, secondo i professionisti IT intervistati.

Il problema numero uno, che interessa il 46% delle organizzazioni, è la qualità dei dati. Le organizzazioni IT scoprono rapidamente che i dati spazzatura producono informazioni spazzatura. Sono alle prese con errori, problemi di formattazione e dati non standard. Ciò può rappresentare un problema soprattutto se un'organizzazione IT inserisce dati da più strumenti isolati in una soluzione AIOps di terze parti. La tipica organizzazione IT utilizza da quattro a 15 strumenti per gestire e monitorare la propria rete. Ogni strumento mantiene il proprio database con diversi livelli di qualità. Quando una soluzione AIOps tenta di correlare le informazioni tra questi set di dati, emergono problemi.

Quasi il 39% ha dichiarato all’EMA di essere alle prese con il rischio per la sicurezza associato alla condivisione dei dati di rete con sistemi AI/ML. Molti fornitori offrono soluzioni di rete basate sull’intelligenza artificiale come offerte basate su cloud. I team IT devono inviare i dati di rete nel cloud per l'analisi. Alcuni settori, come i servizi finanziari, sono contrari all’invio dei dati di rete nel cloud. Preferiscono mantenerlo internamente con uno strumento locale. Sfortunatamente, molti fornitori di rete non supportano una versione locale del loro data Lake AI perché hanno bisogno della scalabilità del cloud per farlo funzionare.

Alcuni fornitori combinano anche i dati anonimizzati di tutti i loro clienti per l'analisi globale delle reti. Ciò consente loro di vedere le tendenze attraverso aree geografiche, settori e altre variabili. Ma alcuni clienti si sentono a disagio con questo aspetto delle soluzioni AI/ML. Non vogliono che nemmeno i loro dati resi anonimi siano coinvolti in questo modo.

La terza sfida più grande legata ai dati è il sovraccarico della rete. Oltre il 36% delle organizzazioni è preoccupato per i costi di rete derivanti dallo spostamento di grandi quantità di dati fuori sede in un data lake basato su cloud. Questo trasferimento di dati a volte può consumare troppa larghezza di banda. Alcuni fornitori mitigano questo problema elaborando i dati ai margini della rete con sonde locali, che poi inoltrano i metadati al cloud AI per l’analisi. Le organizzazioni che stanno valutando soluzioni di rete basate sull’intelligenza artificiale dovrebbero chiedere ai potenziali fornitori come affrontano questo problema.

Infine, il 32% delle organizzazioni ha dichiarato all’EMA che i propri dati mancano di granularità. Non sono in grado di raccogliere dati a intervalli sufficientemente brevi da fornire alle loro soluzioni di intelligenza artificiale informazioni sufficienti sulla loro rete. Questo problema può emergere in vari modi. Alcuni fornitori di SD-WAN limitano le velocità con cui raccolgono i dati di telemetria di rete perché il traffico di telemetria può influire sulle prestazioni della rete.