Агенты искусственного интеллекта изменят время безотказной работы и пропускную способность и сосредоточат внимание на качестве данных, отказоустойчивости сервисов и сквозной надежности, пишет на портале The New Stack Майк Хикс, главный аналитик по решениям Cisco ThousandEyes.

Интернет, каким мы его знаем, претерпевает изменения в том, как он используется и чего от него ожидают. На протяжении десятилетий мы измеряли производительность Интернета с помощью таких показателей, как пропускная способность, скорость и время безотказной работы. Но появление агентного ИИ — автономных программных агентов, способных принимать решения и выполнять задачи от нашего имени, — открывает эпоху, когда этих показателей уже недостаточно. Поскольку агенты ИИ становятся «пользователями» Интернета наравне с людьми, им требуется новый стандарт для сетей и данных, на которые они полагаются.

Для предприятий это означает фундаментальный сдвиг в мышлении. Речь идет не о покупке большей пропускной способности или более быстрых серверов, а об организации целой экосистемы проверенных данных, гибких путей предоставления услуг и динамической пропускной способности — все это для удовлетворения потребностей интеллектуальных агентов, которые никогда не спят и не сбавляют обороты.

Поскольку агенты ИИ занимают свое место в качестве «цифровых граждан», действующих, принимающих решения и совершающих транзакции с машинной скоростью, задача состоит в том, чтобы обеспечить соответствие сети, данных и предоставляемых сервисов поставленной задаче. В результате этого преобразования важнейшими факторами, обеспечивающими производительность и точность, станут подтвержденное качество данных, отказоустойчивость и развитие планирования пропускной способности.

Проверка качества данных как функция доверия

В эпоху агентного ИИ обеспечение качества данных является критической необходимостью. Агенты ИИ зависят от потоков данных для принятия решений и автоматизации процессов. Если данные неполны, устарели или неточны, последствия могут быть значительными — от действий бизнеса на основе неверной информации до финансовых потерь.

Представьте себе ИИ-агента финансовых служб, которому поручено проверять транзакции в режиме реального времени в нескольких банковских системах. Если даже одна передача данных задерживается или повреждается, это может привести к остановке сделок, нарушению требований законодательства или даже к не обнаружению мошенничества. Для выполнения таких сложных действий требуется не просто больше данных, но и их качество. Чтобы доверять действиям автоматизированных агентов, предприятиям необходимо знать не только, что это за данные, но и откуда они поступили и можно ли им доверять.

Обеспечение устойчивости при экспоненциальном усложнении взаимозависимостей

В течение многих лет сетевые операторы и предприятия отслеживали производительность Интернета с помощью таких показателей, как время безотказной работы и доступность. Поскольку системы ИИ координируют сложные, взаимозависимые рабочие процессы, охватывающие десятки или сотни внешних API и сервисов, устойчивость и время безотказной работы становятся все более важными и сложными.

В отличие от обычных сервисов, которые следуют заранее определенным рабочим процессам, многие современные ИИ-агенты спроектированы таким образом, чтобы динамически определять свои собственные пути для выполнения задач. В сложных корпоративных средах это может привести к экспоненциально усложнению сетей зависимостей по сравнению с традиционными сервисными архитектурами.

Количество источников данных, к которым будет обращаться агент, может варьироваться от действия к действию. Агент сосредоточен на получении ответа на конкретный запрос: путь, который требуется для его получения, может быть разным, и разработчики агента не смогут отслеживать, проверять или управлять производительностью, используя одноточечные показатели.

Представьте себе систему обнаружения мошенничества, управляемую ИИ, которая должна собирать информацию из нескольких источников в режиме реального времени, чтобы выявлять подозрительные транзакции. Любая единичная ошибка, медленный API, проблема с квотами или временное отключение сети могут вызвать каскадные сбои, потенциально поставив под угрозу весь процесс обнаружения.

В такой взаимозависимой архитектуре задержка также становится критически важной. Для ИИ задержки даже в несколько миллисекунд могут означать упущенные возможности или сбои в работе, особенно в таких областях, как финансы или обеспечение соответствия нормативным требованиям в режиме реального времени.

Комплексное планирование пропускной способности с переосмыслением того, что означает «достаточно»

В традиционной парадигме Интернета планирование пропускной способности было вопросом обеспечения достаточной полосы пропускания или объема вычислений для удовлетворения спроса. Но в мире агентного ИИ пропускную способность следует рассматривать как сквозную цепочку предоставления услуг, охватывающую не только первичное подключение, но и весь маршрут от источника данных к агенту, через все валидационные, платежные шлюзы и периферийные вычислительные узлы на этом пути.

Возьмем в качестве примера бэкенд-систему банка. Для поддержки тысяч ежесекундных запросов клиентов и проверок регулирующих органов уже недостаточно просто увеличить пропускную способность. Банк должен оптимизировать каждое звено в своей цепочке предоставления услуг, моделируя шаблоны использования, прогнозируя резкие скачки спроса и гарантируя, что ни одно узкое место (даже на другом конце света) не сможет замедлить весь процесс.

Новый девиз — динамическое предиктивное масштабирование. Точно так же, как стриминговые платформы, такие как Netflix, предварительно загружают популярный контент на периферийные серверы в зависимости от ожидаемого спроса, организациям потребуется предварительно загружать или динамически распределять ресурсы для рабочих процессов агентов ИИ, чтобы обеспечить бесперебойную работу даже при неожиданных скачках.

Новые показатели для нового Интернета

Архитектура Интернета всегда была устойчивой по своей сути, меняется то, как мы ее используем и чего от нее ожидаем. Агенты ИИ будут стимулировать переход от ориентации на базовое время безотказной работы и пропускную способность к ориентации на качество данных, отказоустойчивость сервисов и сквозную надежность.

Организациям необходимо будет начать измерять совершенно новые показатели эффективности: свежесть данных и их происхождение, скорость проверки нескольких источников, время завершения рабочего процесса агента и показатели работоспособности межсервисных зависимостей. Дальновидные предприятия, скорее всего, перейдут от традиционных соглашений об уровне обслуживания с аптаймом 99,9% к соглашениям о «готовности данных к принятию решений», гарантирующим, что, когда агенту ИИ потребуется действовать, все необходимые источники данных будут не просто доступны, но и актуальны, проверены и заслуживать доверия.

Результатом станет новый набор вопросов для организаций: не просто «готово ли это?», но и «правильно ли это, быстро ли выполняется и могу ли я доверять этому в критически важных операциях?». В эпоху агентного ИИ важно не просто поддерживать порядок; важно обеспечить, чтобы нужные данные всегда попадали к нужному агенту в нужное время. И по мере того, как агенты ИИ будут все больше интегрироваться в бизнес-процессы, эти новые показатели будут определять новые уровни конкурентоспособности и надежности.