Сетевые руководители знают, что их сотрудники ежедневно сталкиваются с огромным потоком данных и телеметрии, но готовы ли их команды доверить агентам искусственного интеллекта больше задач в области сетевых операций? Мэри Шеклет, президент консалтинговой компании Transworld Data, приводит на портале InformationWeek четыре шага, которые помогут организациям подготовиться к этому.

Навыки сетевых специалистов часто оказываются неактуальными, когда речь идет о внедрении ИИ и автоматизации в сетях. Это происходит в то время, когда компании ожидают мгновенного решения сетевых проблем, а также возможности масштабирования и развертывания как можно большего количества новых приложений внутри компании и в облаке — часто за считанные секунды. Разработчики уже имеют высокоавтоматизированные методы развертывания, но сетевые специалисты отстают.

Пришло время взглянуть на следующую волну автоматизации сетевых операций. Другими словами, можно ли использовать развертывание сетевых ИИ-агентов и автоматизации для ускорения циклов развертывания сети и решения возникающих проблем?

Для чего предназначены агенты ИИ

Сетевые агенты ИИ находятся на стадии исследования. Их конечная цель — расширить автоматизацию сети за пределы мониторинга и AIOps, в область, где основы управления сетью максимально автоматизированы. Это включает мониторинг, оповещение, реагирование и разрешение инцидентов, а также соблюдение корпоративной безопасности и соответствия нормативным требованиям. После того, как будет достигнута уверенность в возможностях этих агентов, следующим шагом станет автоматическое масштабирование и управление сетевыми ресурсами для оптимизации рабочих нагрузок приложений.

Для выполнения этих задач сетевым агентам ИИ требуется получить от команд, занимающихся сетью, безопасностью и комплаенсом, набор бизнес-правил. Далее агенты ИИ используют машинное обучение для понимания сети, чтобы самостоятельно улучшать свою производительность.

Почему сетевые агенты ИИ остаются в значительной степени желательным решением

Сегодня сочетание факторов привело к тому, что внедрение сетевых агентов ИИ остается скорее желательным, чем реальным.

Хотя сетевые сотрудники могут создавать бизнес-правила для управления сетью и масштабируемости, необходимые сетевым агентам ИИ, они также должны обеспечить единообразие этих правил и рекомендаций во всех сетях, будь то в центре обработки данных, на периферии или в облаке. Многие организации сталкиваются с этой проблемой из-за множества разнородных сетей.

Кроме того, существуют проблемы с интеграцией систем и сетей, а также с координацией безопасности, комплаенса и управления сетью, которые могут охватывать несколько различных функциональных отделов внутри компании. Сотрудничество между этими командами на практике может быть сложной задачей — но без него у агентов ИИ остаются пробелы в инструкциях.

Как и в случае с обучением агентов, существует также кривая обучения персонала в отношении ИИ и автоматизации. Хотя большинство корпоративных сетевых команд перешли от стандартного мониторинга сети к наблюдаемости, они все еще лишь умеренно вовлечены в AIOps, который является критически важным шагом на пути к сетевым агентам ИИ. Хорошая новость заключается в том, что несколько крупных поставщиков сетевого оборудования предлагают четкие пути миграции технологий, которым могут следовать организации — пути, которые могут привести организации от стандартного мониторинга сети до сетевых агентов ИИ.

Как выглядят сетевые агенты ИИ на практике

Изучая сетевые агенты ИИ, сетевые команды хотят понять, как эти агенты работают и как могут принести пользу сетевым операциям.

В ходе одного из испытаний, проведенного в ноябре 2025 г. компанией Nanites, которая предоставляет компонуемые (т. е. модульные) сетевые агенты ИИ, были получены интересные результаты. Исследователи смоделировали сбой интерфейса в сети Cisco IS-IS (промежуточная система — промежуточная система). Система Nanites AI проанализировала оповещение и устранила проблему за 3 минуты, что обычно занимает у квалифицированного инженера более 30 минут. Внутри системы были выполнены следующие действия:

• Автономная обработка оповещений от Grafana (ПО для сбора метрик, логирования и трассировки).

• Выявление первопричин путем логического анализа (вероятно, путем наблюдения за сетевыми паттернами, конфигурациями, топологией и трафиком, а затем формулирования выводов), а не просто на основе правил или сценариев.

• Динамическое определение точных шагов по устранению неполадок в режиме реального времени.

• Автономное выполнение этих шагов при непосредственном взаимодействии с системами.

• Применение исправлений за секунды (только с одобрения человека).

Авторы сделали примечание, в котором говорится, что данное испытание проводилось в строго контролируемой сетевой среде.

Время устранения неполадок в ходе испытания было впечатляющим; на первый взгляд, агент ИИ явно работал намного быстрее, чем инженер-человек. Но не менее примечательным было и то, что испытание проводилось в строго контролируемой сетевой среде, а также необходимость участия сотрудника сетевого отдела для принятия окончательного решения.

Даже в идеальных системах — что для большинства не является реальностью — ИИ не доверяют действовать полностью автономно. Это поднимает вопросы о том, насколько необходимо участие человека, если организация передает управление своей сетью агентам ИИ.

Почему сетевые команды изучают возможности использования ИИ-агентов

Даже при наличии опасений сетевым менеджерам ясно, что инструменты, используемые их сотрудниками, не справятся с лавинами данных, которые они теперь видят ежедневно.

В феврале 2026 г. Нерадж Кумар, директор по разработке решений Solarwinds, сослался на исследование IDC, которое показало, что 59% организаций инвестируют в AIOps как средство автоматизации мониторинга сети, но 75% организаций по-прежнему заняты «поддержанием работоспособности». Разрозненность инструментов оказалась одной из причин, по которой организациям трудно двигаться вперед, — но также и перегрузка инфоормацией от поступающих сетевых данных и телеметрии.

«Ни один CIO не скажет, придя в офис в понедельник: „Сегодня моя среда проще, чем в прошлом году“. Внедрение гибридных и мультиоблачных решений дало командам больше гибкости, но также и больше точек интеграции, потоков телеметрии и способов распространения инцидентов по всей системе», — отметил Кумар.

Очевидно, что для бесперебойной работы сетей и их масштабирования под конкретные задачи требуется больше ИИ и автоматизации. Это стимулирует внедрение сетевых агентов ИИ для выполнения большего объема работы — но готовы ли сотрудники сети эффективно их использовать?

Четыре способа подготовиться к внедрению сетевых агентов ИИ

Для организаций, которые в настоящее время не чувствуют себя готовыми к внедрению агентного ИИ, есть хорошие новости: сейчас самое время заложить основу для сетевых агентов ИИ, поскольку технология все еще находится на очень ранних этапах внедрения. Если эти шаги будут предприняты сейчас, управление сетью не будет отставать.

Вот четыре рекомендации:

1. Начните с того, что у вас есть. Сетевые сотрудники уже знают, что при масштабировании сети они получают огромное количество данных и оповещений. Они также знают, что не могут справиться со всеми оповещениями и что имеющиеся инструменты не всегда справляются с этой задачей. В результате почти все приходят к тому, что необходима бóльшая автоматизация сетевых операций, будь то с помощью AIOps или сетевых агентов ИИ.

В этот момент сетевые сотрудники должны начать свою оценку. Если бы вы могли автоматизировать любые операции в сети, какие операции вы бы больше всего хотели автоматизировать с помощью ИИ? Какого повышения производительности вы бы ожидали? Четко определяя приоритеты, сотрудники сужают фокус и организуют стратегию вокруг значимых бизнес-результатов.

2. Определите стратегию и составьте дорожную карту. После того, как сетевые сотрудники определили цели автоматизации и повышения производительности сети, следующим шагом является создание графика этих улучшений и определение технологий, которые могут обеспечить желаемые результаты.

Было бы здорово представить себе полностью автономную сеть, использующую сетевых агентов ИИ, которые могли бы самостоятельно управлять сетью и достигать всех целей по производительности, но почти никто не согласился бы на это. Испытание агентов ИИ компанией Nanites — прекрасный пример: производительность была достигнута, но только в строго контролируемой сетевой среде, в присутствии сетевых специалистов, принимающего окончательное решение о том, каких сетевых агентов ИИ рекомендовать.

Командам следует принимать это во внимание при разработке своей стратегии. Сетевые сотрудники должны учитывать, как повседневные проблемы в системе могут повлиять на эффективность ИИ, и разрабатывать дорожные карты, учитывающие необходимость участия человека.

3. Сотрудничайте с дальновидным сетевым вендором. В целом, предприятия и поставщики видят эволюцию управления сетью от стандартного мониторинга к наблюдаемости, затем к AIOps и, наконец, к сетевым агентам ИИ. Однако не все поставщики одинаково хороши в качестве деловых партнеров и имеют эффективную технологическую дорожную карту для своих продуктов. При выборе сетевых вендоров для сотрудничества следует учитывать долгосрочную перспективу; цель состоит в том, чтобы найти поставщиков, которые постоянно инвестируют в свою продукцию, поддерживают ее и предлагают отличную поддержку.

4. Протестируйте сетевых агентов ИИ в контролируемых сетевых средах. Nanites протестировала сетевых агентов ИИ в строго контролируемой сетевой среде. Это позволило адаптировать сценарий использования, чтобы наблюдать за тем, как набор сетевых агентов ИИ работает в конкретном контексте. Другими словами, тестирование проводилось не в гибридной конфигурации множества облачных и внутренних сетей, которые есть у большинства предприятий. Предприятиям следует извлечь из этого урок. Начните постепенно, тестируя сетевой ИИ и автоматизацию в строго контролируемой сетевой среде. Как только проблемы там будут устранены, агентный ИИ можно будет протестировать в новых областях и далее масштабировать.