CIO 如何在网络运营中为生成式 AI 做好准备

发布时间:2025年3月17日    来源:szf
CIO 如何在网络运营中为生成式 AI 做好准备

快速阅读: 据《信息周刊》最新报道,生成式AI在网络运营中可优化Day 0配置、加速Day 1设置、增强Day 2故障排除,但需通过概念验证建立信任,确保准确性与价值,助力CIO加速采纳并提升效率。

生成式AI(生成式人工智能)网络在过去几年一直是热门话题,并且是智能运维(AIOps)的一个子集。作为AI网络的一部分,生成式AI通过潜在的网络运营转型,将这一热潮提升到了新的高度。然而,凭借其对话界面和持续学习能力,生成式AI很可能受到欢迎和质疑。那么,企业究竟可以从使用生成式AI进行网络运营中获得什么呢?首席信息官(CIO)们必须了解生成式AI在网络运营中的新功能、业务案例考量因素,以及建立信任的方法以最小化采用风险。生成式AI承诺带来巨大的潜力,能够改善传统的网络运营实践,从Day 0、Day 1到Day 2都有所改进。

**Day 0:加速初始配置**

例如,在Day 0阶段,工程师可以通过迭代过程并通过自然语言界面请求生成式AI网络工具,设计一个支持400台物理服务器的叶脊网络,使用Vendor X。还可以通过自然语言包含其他信息,如服务等级协议(SLA)要求(如可用性和吞吐量),以提供所需性能水平和包括成本影响的设计。

另一个例子是在容量规划领域,随着新用户、应用程序和架构的采用,使网络规划变得更加复杂。生成式AI可以用于帮助根据本地、云和终端用户位置(办公室、家中或其他地点)托管的应用程序数量和类型,调整网络基础设施规模并优化成本。

**Day 1:高效配置与验证**

然后,生成式AI网络工具可以根据期望的标准(例如按价格或性能)帮助生成/验证/优化所有必要的Day 1配置。虽然它可能不会100%准确,但这正是为什么可能需要迭代过程来完善生成式AI工具输出,以加速/优化网络设置的原因。即使需要多次迭代,使用生成式AI也代表了对当前僵化流程和工具的重大改进,可减少高达25%的时间和错误。

我们设想这将在所有网络领域(广域网、数据中心、云和园区)中得到利用,以协助网络设计和设置。

**Day 2:增强故障排除与用户体验**

AI网络通过关联多个数据输入、更快地识别问题、更快地解决问题,并在适用的情况下主动发现用户尚未意识到的问题,增强了Day 2网络运营支持。生成式AI将带来额外的功能,包括对话界面和随着时间学习的能力。它还可以通过文本、音频、视频或图形等特定输出增强用户体验。

例如,为了帮助隔离问题,CIO可以要求生成式AI基于丢包、延迟和抖动构建网络性能问题的动态图形。它还可以专注于具体问题,例如“CEO是否遇到网络性能问题?”生成式AI可以根据自然语言输入创建详细的配置和故障排除程序,而无需显式模板。与现状相比,生成式AI工具通过驱动无法合理通过扩展手动资源实现的效率,可以节省高达25%的网络运营支持时间。它消除了手动流程以更快地识别问题,从而加快问题解决速度。

**投资前计算价值**

CIO必须提出相关问题,以全面了解生成式AI网络的内在价值、用例和常见工具。生成式AI采用过程中的一个关键方面涉及构建业务案例并计算对组织的价值。

具体来说,确定将网络运营与生成式AI对齐是否有助于构建规模、控制/降低成本、推动资源效率、促进敏捷性以跟上数字业务的步伐并提供更好的最终用户体验。

**首先证明概念**

除了生成式AI网络功能的不成熟和需要量化价值之外,另一个需要克服的关键限制是缺乏信任,以实现网络运营更广泛的采用。网络团队曾多次被供应商关于自动化或单一管理窗口的声明所伤害。部分原因也是为什么网络运营团队对网络自动化采用缓慢,并对生成式AI持怀疑态度。

此外,生成式AI网络工具可能会产生不一致的响应,这引入了风险并助长了不信任。然而,网络运营团队需要在其需求建议书(RFP)/信息请求(RFI)中包含生成式AI功能,以确定市场中解决方案的范围、价值和能力,因为它们逐渐成熟。

运行概念验证(POC)对于网络运营人员确定生成式AI解决方案的准确性、成熟度、信任程度和舒适度至关重要。这实际上更多是关于量化生成式AI网络解决方案在各种场景中的准确性。

即使在生产环境中,我们也预计网络运营人员必须验证一些或许多生成式AI输出,但设定基准能力可以为准确性以及应给予的无监督信任(如果有)提供背景。在运行POC时,首先在实验室环境中进行测试,然后再转移到现实的生产环境中。在几周甚至几个月的时间里尽可能多地测试解决方案。让多名人员使用该工具以捕获多种意见/视角。通过与替代来源进行测试来验证生成式AI网络工具输出的准确性。测量使用生成式AI网络工具完成任务所需的时间以及以前/当前方法所需的时间。

简而言之,目标是比较当前方法与预期生成式AI方法的过程效率和准确性。作为这个概念验证的一部分,可以确定信任和价值(业务案例)的水平,以帮助告知采购决策并简化采用,如果适用的话。如果CIO们遵循这些建议,他们将发现其中的价值并同时赢得信任。

(以上内容均由Ai生成)

你可能还想读

美国能源部 17 个国家实验室全景及创世纪计划战略布局分析

美国能源部 17 个国家实验室全景及创世纪计划战略布局分析

快速阅读: 美国能源部17个国家实验室构成顶尖科研体系,在基础科学、能源安全、气候变化等领域发挥关键作用。拥有全球领先的超算资源及顶尖人才,年经费约220亿美元。随着“创世纪计划”启动,实验室将形成协同网络,推动美国在清洁能源、量子计算等前 […]

发布时间:2025年12月8日
谷歌Gemini 3 Pro发布

谷歌Gemini 3 Pro发布

快速阅读: 谷歌发布新一代推理模型Gemini 3 Pro,显著提升数学、编程和视觉理解能力。一经发布,Gemini 3 Pro几乎横扫各大评测榜单,在LMArena大模型竞技场中以1501的Elo得分高居榜首。在MathArena数学竞赛 […]

发布时间:2025年11月19日
独具创新,直击痛点:深度解析华为十大最新方案

独具创新,直击痛点:深度解析华为十大最新方案

快速阅读: 第三个方案,是华为的U6GHzAAU天线。综合来看,华为的U6GAAU,真正实现了容量覆盖双优,助力全球U6G商用。LampSiteX,是LampSite系列的最新型号。第五个方案,是华为有源天线产品——EasyAAU。Easy […]

发布时间:2025年11月13日
Palantir估值承压仍领跑AI赛道

Palantir估值承压仍领跑AI赛道

快速阅读: 近期,美国AI概念股整体承压,Palantir与英伟达遭遇做空传闻,引发市场短暂震荡。然而,在宏观调整与估值质疑中,Palantir仍凭借强劲业绩与差异化AI布局维持长期增长势头。分析人士认为,该公司正处于由“政府数据支撑”向“ […]

发布时间:2025年11月12日
Palantir与Snowflakes深化AI合作

Palantir与Snowflakes深化AI合作

快速阅读: Snowflake 与 Palantir 宣布建立战略合作,整合双方的数据与AI能力,使企业能够在统一的数据基础上直接调用 Palantir 的AI分析与智能应用工具,加速企业级AI落地。 2025年10月,Snowflake […]

发布时间:2025年11月10日
Palantir与迪拜控股共建AI公司

Palantir与迪拜控股共建AI公司

快速阅读: Dubai Holding 与 Palantir 宣布成立合资公司 Aither,致力于为中东地区政府与企业提供人工智能转型解决方案。该合作标志着 Palantir 在中东技术布局的进一步深化,也为当地公共服务与产业数字化提供新 […]

发布时间:2025年11月10日
Palantir携手Lumen共建企业AI平台

Palantir携手Lumen共建企业AI平台

快速阅读: 2025年10月,Palantir Technologies与Lumen Technologies宣布达成战略合作,联合打造面向企业级应用的人工智能服务平台。双方将以Palantir的Foundry与AIP平台为核心,推动通信与 […]

发布时间:2025年11月7日
Palantir携手Hadean拓展英国国防部AI战场模拟平台

Palantir携手Hadean拓展英国国防部AI战场模拟平台

快速阅读: 2025年10月,数据智能公司 Palantir Technologies 宣布与英国分布式计算企业 Hadean 达成战略合作,双方将共同为英国国防部(UK Ministry of Defence, UK MoD)扩展基于人工 […]

发布时间:2025年11月7日