网络正在向自动化、智能化方向发展。企业对人工智能(AI)和机器学习(ML)的需求越来越大，因为它们可以以编程方式识别网络问题并解决复杂问题。获得即时诊断。将AI和ML应用于网络管理可以集成来自多个管理平台的输入以进行集中分析。与其让IT人员手动梳理来自不同设备和应用程序的报告，不如让机器学习提供快速、自动的问题诊断。Gartner高级总监兼分析师JoshChessman解释说：“我有很多监控工具可以告诉我哪里出了问题，但它们不会告诉我问题出在哪里。机器学习的最大优势在于它可以具体识别七种不同工具解决的26个网络问题。”分析师表示，企业对此类监控工具的采用仍处于起步阶段。一个症结在于，AI和ML的真正含义是什么？那些认为AI能够毫不费力地识别入侵者、分析和优化流量的人将会失望。IDC研究总监MarkLeary表示，“使用AI一词来描述新网络管理工具的现实是一种夸大其词。当供应商谈论他们的AI/ML能力时，当给予诚实的解读时，他们是在谈论机器学习，而不是人工智能。”这两个术语之间没有硬性定义。从广义上讲，它们都描述了相同的概念-一种可以从多个来源读取数据并相应地调整其输出的算法。据专家称，与旨在识别企业网络中特定问题来源的系统相比，人工智能更准确地应用于该想法的可靠表达德勤战略实践负责人JagjeetGill表示：“我们可能过度解读了AI一词，因为其中一些东西，例如预测性维护，已经存在了一段时间。另一个症结是交叉兼容性。目前，大多数市场上的产品都是厂商在现有产品上添加新功能的形式，比如很多厂商都在添加AIops，因为它有点流行。还有一些厂商可以利用机器学习让企业应用AI运营，专注于IT事件管理，比如Moogsoft和BigPanda。但更常见的做法是将ML功能与特定供应商的产品捆绑在一起。无论该技术需要克服哪些障碍，ML技术都可能使许多IT专业人员的生活更轻松。拥有这些类型的工具和解决方案是一件好事，它们可以帮助您随时了解网络上发生的一切。虽然这可能是朝着全网络自动化方向迈出的重要一步，但它也可能导致IT员工失业。更有可能的是，机器学习将使IT员工腾出时间从事更多创收活动，而不是救火。完全自动化还有很长的路要走。
