AI和ML可以提高生产力
Northgate Gonzalez Markets是一家特色食品连锁店，在南加州地区有40家分店。该公司运营着两个数据中心、一个40万平方英尺的配送中心和一个相关的金融服务机构。他们的无线局域网包括KodaCloud提供的约500个AP，这家供应商自成立以来一直专注于人工智能驱动的、基于云的Wi－Fi解决方案。
Northgate Gonzalez的CIO Harrison Lewis表示：“我们对云托管Wi－Fi的解决方案以及用于网络运营的AI和ML的可能性很感兴趣。“对于初学者来说，当KodaCloud AP出现时，他们会自动收集有关环境，客户端和负载的信息，并自行配置，不会对我们的运营团队提出任何要求。我们还经历了自动解决问题的过程－比如与信号覆盖相关的问题－这超出了我们的目标和预期。”
Northgate Gonzalez IT运营的任务性质进一步激励了他寻找基于人工智能的解决方案。“除了后台会计和我们的支持中心，我们所有的流程都依赖于无线网络。AI和ML正在使问题实现自动解决成为可能，随着故障票据的结束，我们看到对我们技术人员的需求减少到几乎接近于零－生产率提高了100％。”他说。
Harrison还指出，人工智能简化了新客户端设备的引入，并且，随着大约40万额外用户的客户端访问正在进行试点，“我们不想处于不得不发展我们的支持组织来满足这种新需求的情况。”
Harrison非常希望能够从整个组织的其他AI应用中获得额外的好处，“在金融服务、合规、了解客户、欺诈检测、人力资源管理、网络安全、数据丢失预防等方面。现在的关键需求是满足更智能地识别网络性能的下降和中断，并以最佳方式自动响应需求。其好处是深远的－处理瞬时负载问题、隔离与服务类别相关的问题、增强可靠性和连续性、优化云服务，而且，这些都只是刚刚开始。”
通过AI，ML提升正常运行时间以及性能
Faramarz Mahdavi是Cadence设计系统公司的IT基础设施和运营高级集团总监，该公司是电子设计自动化领域的领导者。Cadence的网络通常有来自60个地点的8000名用户，大约1500个AP，无线是大多数人的主要接入方式。Cadence正在使用Aruba Networks的有线和无线设备，最近在加利福尼亚州圣何塞总部完成了一次重大的网络升级。
“我们还不是AI和ML解决方案的主要用户，但我们看到了探索多个方向的价值，”Faramarz说。“我们已经部署了一个聊天机器人，用于基本的自助用户服务台功能和问题解决。在网络方面，我们目前正在使用Aruba的Introspect进行行为分析，我们还在研究Aruba的NetInsight，它可以为补救提供可操作的建议，以及使用ClientMatch用于实现自动RF优化。当然，我们的目标是更主动地利用ML来识别使用模式，警告我们异常情况，并最终自动提供问题解决方案。这是关键－在用户通知我们问题之前，将被动转变为主动，防止停机，并调整配置。”
Faramarz说：“在部署人工智能之前，有一个坚实的基础设施是非常重要的。”供应商的愿景和产品组合也很关键－我们希望确保AI和ML被部署为对我们现有工作的扩展。”但由于维持正常的运行时间和性能（包括有时间限制的服务）一直是我们的首要目标，不过，AI和ML也是我们的关键方向。事实上，安全永远是我们的最高优先事项；然而，AI和ML也是一个重要的目标。”
展望未来：AI和ML在SDN， NFV中的应用
过去几年，有线和无线网络分析为在组织环境中更好地利用AI和ML打开了大门。分析是一套工具，当人们不知道自己在寻找什么时，通过从网络日志、数据库和其他大量信息来源中提取有意义和价值的信息，来处理如此多的性能问题、安全挑战以及其他不良操作行为的变量多于等式的性质，这对普通网络专业人员来说是一种挑战。随着分析的价值现在得到证实，AI和ML已经准备好完成分析和管理控制台之间的反馈循环了。这种自动化形式有助于降低成本，同时提高网络运营团队和最终用户的可靠性、可用性、整体性能和生产力。
AI和ML也可以在其他网络技术计划的成功中发挥关键作用，包括SDN，NFV和云服务集成。随着核心问题的推进，关于可靠性、适用性、成本／效益合理性、行业标准和API的问题已经成为热门话题－这对于AI和ML在未来网络运营中实现价值和成功是一个好的信号。事实上，可以想象在未来的网络运营中，这两种技术所起的作用都将非常重要。
机器会接管一切吗？
随着AI和ML在配置、故障排除和修复方面增强自动化的潜力，网络工程师是不是会成为一个濒危物种？在我们所采访的最终用户和服务提供者中，总的来说结论是否定的。这可能有点令人惊讶，因为基于AI和ML的解决方案很可能会随着时间的推移变得更加“智能化”，并且坦白地说，至少部分部署的动机是由于缺乏合格的网络工程师，以及削减与这些高技能专业人员相关的成本。
虽然AI和ML可以在不需要人工干预的情况下应对许多网络挑战，但更大、更复杂的操作仍然需要经验丰富的员工，即使AI和ML解决方案明显提高了生产率。展望未来，从常规故障排除活动中解脱出来的网络专业人员可以将时间花在战略上，包括查看和优化部署和运营，了解新的解决方案并启动新的计划，更好地将这些解决方案与组织需求相结合，整合新的服务，帮助整个组织的部门充分利用网络和IT，等等。网络专业人员将继续在组织中发挥重要作用，因为至少在可预见的未来，许多AI和ML服务还只是存在于想象当中。
