De kracht van AI maakt netwerken toekomstbestendig

Moderne IT- en applicatieomgevingen leiden tot steeds complexere netwerkinfrastructuren. Er zijn echter manieren om de complexiteit te verminderen en netwerkactiviteiten te vereenvoudigen en optimaliseren. Een daarvan is de inzet van kunstmatige intelligentie (AI), zoals in een AI-Native Networking Platform. Hierin is AI als kerncomponent geïntegreerd en niet in een later stadium toegevoegd als afzonderlijk element. 

De focus op AI ligt voor de hand. Volgens Gartner heeft AI Networking het potentieel om een revolutie teweeg te brengen1), en verwacht het onderzoeksbureau dat tegen 2027 maar liefst 90 procent van de bedrijven AI inzet om dag 2 netwerkactiviteiten te automatiseren tegen minder dan 10 procent in 2023.1)

Alvorens in te gaan op de meerwaarde en impact van AI in netwerken, stip ik graag de twee verschillende toepassingsmogelijkheden aan van het AI-Native Networking Platform. Ten eerste kan het platform worden gebruikt in de klassieke AIOps-context (Artificial Intelligence for IT Operations) op bijvoorbeeld een campus of in een organisatie met meerdere vestigingen, oftewel ‘AI for networking.’ Daarnaast kan het dienen als een efficiënte basis voor AI- en machine learning-workloads. Kortom, het biedt de benodigdheden om AI-workloads optimaal in het datacenter te laten draaien, of in andere woorden: ‘networking for AI.’

AI optimaliseert netwerkactiviteiten

AI-native netwerken zijn speciaal gebouwd om AIOps in te zetten voor goede end-to-end operator- en eindgebruikerservaringen. Dit is mogelijk door gebruik te maken van de juiste gegevens, de juiste realtimerespons en de juiste infrastructuur. Hierdoor is elke verbinding betrouwbaar, meetbaar en veilig - voor elk apparaat, elke gebruiker, elke toepassing en elk middel. AIOps helpt bovendien IT-teams om snellere en betere beslissingen te nemen, en sneller te reageren op netwerk- en systeemincidenten.

Dankzij AIOps ontvangen bedrijven contextuele informatie voor grote hoeveelheden telemetrie- en loggegevens van de hele IT-infrastructuur in real-time of bijna real-time. Dit biedt verschillende voordelen. Denk aan:

• Een betere ervaring voor IT-operators.
• Het vereenvoudigen en verlagen van operationele kosten voor het netwerk.
• Een betere ervaring voor eindgebruikers.
• Een continue analyse van netwerkprestaties.
• Automatische aanpassingen om de snelheid, betrouwbaarheid en efficiëntie te optimaliseren.

Door netwerkstoringen en knelpunten te voorspellen voordat ze daadwerkelijk optreden, kan AIOps preventieve onderhoudsmaatregelen nemen om de downtime te verminderen.

Bij het kiezen van een AI-netwerkoplossing is het belangrijk om ervoor te zorgen dat deze alle gegevens verzamelt en gebruikt van zowel bedrade als draadloze technologieën evenals SD-WAN's (Software-Defined WAN's), binnen de gehele bedrijfsomgeving. Dit omvat datacenters, thuiskantoren, alle campus-, filiaal- en cloudnetwerken, en zorgt voor end-to-end transparantie over het hele netwerk. Idealiter worden netwerkteams ook ondersteund door een virtuele netwerkassistent met een conversationele gebruikersinterface, zodat teams snel en eenvoudig inzicht krijgen in het netwerk en problemen sneller en makkelijker kunnen oplossen.

Het netwerk optimaliseert het gebruik van AI

Het AI-Native Networking Platform als basis om gebruikers met elkaar te verbinden is slechts één kant van de medaille. Het andere belangrijke aspect van AI ligt in de manier waarop we datacenternetwerken ontwerpen zodat ze de grote hoeveelheid nieuwe vereisten kunnen ondersteunen voor het trainen van AI-modellen en het verwerken van AI-workloads. 

Daarnaast biedt het een robuuste basis voor snelle verwerkingstijden en optimaal gebruik van GPU’s. Een uitkomst aangezien traditionele datacenters moeite hebben om te voldoen aan de prestatie-, capaciteits- en latentie-eisen die AI-workloads stellen aan de infrastructuur. Moderne AI- en ML-clusters kunnen immers uit honderden, soms duizenden GPU’s bestaan om de enorme, parallelle rekenkracht te leveren die nodig is om moderne AI-modellen te trainen. 

In termen van netwerktechnologie wordt Ethernet waarschijnlijk belangrijker als een goedkoper en open alternatief voor het propriëtaire en dure InfiniBand. Met ontwikkelingen zoals 800 GbE en datacenter bridging (DCB) heeft Ethernet de voorkeur dankzij de hoge capaciteit, lage latency en het betere congestiebeheer. 

Tot slot speelt automatisering een belangrijke rol. Door het bij het ontwerp, de implementatie en het beheer toe te passen, profiteren bedrijven van herhaalbare en gevalideerde AI-concepten en -implementaties en betere prestaties dankzij telemetrie en datastreaming.

Toekomst 

Met een AI-Native Network als basis kunnen organisaties, zelfs met een beperkt aantal IT-medewerkers en beperkte hoeveelheid tijd, het groeiende aantal verbonden apparaten, gebruikers en toepassingen in zowel het netwerk als het datacenter ondersteunen. Het is belangrijk dat organisaties ervoor zorgen dat het netwerk kan meegroeien om AI-workloads in het datacenter te ondersteunen. Op deze manier maken ze hun netwerken klaar voor de toekomst. Want één ding is duidelijk: we staan op een kantelpunt met AI. Deze ontwikkeling zal een grotere impact hebben dan het internet en vereist dat we opnieuw nadenken over hoe we netwerken benaderen.

Bron: Gartner, Innovation Insight: AI Networking Has the Potential to Revolutionize Network Operations, Jonathan Forrest, Andrew Lerner, Tim Zimmerman, 15 mei 2023

Steven Blees, Enterprise Sales Director Benelux bij Juniper Networks