La tendencia hacia una mayor automatización e inteligencia en las redes empresariales, incrementó la demanda por sistemas de inteligencia artificial y machine learning.
IA y Machine Learning se abren paso en las redes por su capacidad de identificar casi en tiempo real los problemas de las mismas, y proporcionar un diagnóstico instantáneo aun en situaciones complejas.
IA y Machine Learning se abren paso en las redes
La implementación de la inteligencia artificial (IA) y el machine learning (ML) en la gestión de redes puede permitir la consolidación de la información procedente de múltiples plataformas de gestión para el análisis central. En lugar de que el personal de TI busque manualmente en diversos dispositivos y aplicaciones, el machine learning puede hacer diagnósticos rápidos y automatizados de los problemas.
El director senior y analista de Gartner, Josh Chessman, expuso el problema para el trabajador de TI que el machine learning está diseñado para resolver:
“Tengo todas estas herramientas de monitoreo, y todas me dicen que algo está mal, pero no me dicen dónde está. La mayor fortaleza de este material hoy en día es que puede identificar ‘tienes 26 eventos de siete herramientas diferentes, y todos ellos son sobre un problema de red‘”.
Es difícil decir cuán rápido las empresas están comprando sistemas de IA y ML, pero los analistas dicen que la adopción está en las primeras etapas.
Un punto de conflicto es la confusión sobre lo que, exactamente, significa IA y ML. Aquellos que se imaginan que la IA es capaz de identificar sin esfuerzo los intentos de intrusión, y de analizar y optimizar los flujos de tráfico no lo tienen muy claro. Se está exagerando con el uso del término IA para describir lo que realmente está sucediendo con las nuevas herramientas de gestión de redes. Así lo explicó Mark Leary, director de investigación de IDC.
“Cuando algunos desarrolladores hablan de sus capacidades de IA/ML, si se les lee en detalle, están hablando de machine learning, no de IA”, dijo Leary.
No hay una definición rígida entre machine learning e inteligencia artificial
En general, ambos términos describen el mismo concepto. Es decir, algoritmos que pueden leer datos de múltiples fuentes y ajustar sus resultados en consecuencia. Según los expertos, la IA se aplica con mayor precisión a expresiones más sólidas de esa idea que a un sistema que puede identificar la fuente de un problema específico en una red informática empresarial.
“Probablemente estamos utilizando demasiado el término IA, porque algunas de estas cosas, como el mantenimiento predictivo, ya llevan un tiempo en el campo“, dijo Jagjeet Gill, un director de la práctica de estrategia de Deloitte.
Otro aspecto que genera desacuerdo para muchos sistemas de ML es la compatibilidad cruzada. Gran parte de lo que hay en el mercado actualmente toma la forma de un proveedor que añade una nueva característica a uno de sus productos existentes. Eso es útil para proveedores de soluciones integrales tipo Cisco, por ejemplo. Pero puede ser un problema en un entorno con múltiples proveedores.
“Muchos vendedores están agregando AIops porque es una palabra de moda“, dijo Chessman. “No te da mucha visibilidad de los productos de otros vendedores“.
Sistemas compatibles
Hay sistemas de ML agnósticos para la administración de la red, Moogsoft y BigPanda son dos de los nombres más grandes en el campo. Pero es más común encontrar características de Machine Learning que se combinen con productos de vendedores específicos.
“Así que toma Netscout. Tienen algo de ML, y hace un buen trabajo, pero está enfocado en los [productos] de Netscout”, dijo Chessman.
Independientemente de los obstáculos que la tecnología tiene que superar, el ML probablemente hará el trabajo de muchos profesionales de la tecnología de la información mucho más fácil.
Según Peter Suh, el jefe de la práctica de redes de Accenture en América del Norte: “Tener ese tipo de herramientas y soluciones va a ser bueno”, dijo. “Te ayudará a caminar a través de lo que está pasando en la red en un momento dado“.
Aunque también es un paso potencial en la dirección de la automatización total de la red, también podría resultar en la pérdida de puestos de trabajo para el personal de TI, eso no es probable que suceda en el futuro inmediato, según Chessman de Gartner. Lo que es más probable es que el ML ayude a liberar al personal de TI para que trabaje en actividades más generadoras de ingresos, en lugar de apagar incendios, dijo. “La automatización completa está todavía a años y años de distancia.