La explosión que la Inteligencia Artificial está experimentando en distintos ámbitos, desde la planificación de recursos financieros a la ciberseguridad, esta llevando a los expertos a plantear el uso de de algoritmos inteligentes en todo tipo de ámbitos TIC, siendo el de la gestión de la infraestructura de red en las empresas, uno de los más prometedores.
Lo que ha sido bautizado como "AI-Driven network automation", pasa por ser un conjunto de tecnologías que combinan la potencia de la inteligencia artificial y el machine learning con la gestión y operación de redes de telecomunicaciones y sus sistemas subyacentes. Sobre el papel, la implementación de estos sistemas ofrece una serie de ventajas muy interesantes para las empresas, como son la optimización de redes que, al usar algoritmos de IA para analizar datos en tiempo real, poder mejorar la gestión del ancho de banda, la identificación y mitigación de cuellos de botella o mejorar la calidad del servicio.
AI Driven Network Automation permite al mismo tiempo automatizar tareas rutinarias de administración de redes, como con la configuración y aprovisionamiento de dispositivos de red; facilita la identificación de patrones de tráfico inusuales que podrían indicar amenazas de seguridad e incluso, puede analizar y diagnosticar problemas en tiempo real. También y de forma delegada, es capaz de asignar recursos de manera más eficiente en la red, lo que puede ser especialmente valioso en entornos de nube y virtualización y se integra bien con tecnologías como SDN (redes definidas por software) y NVF (funciones de red virtualizadas).
Con distintos niveles de integración, la mayoría de los fabricantes hacen ofrecen a sus clientes soluciones de IA que tienen como objetivo mejorar la automatización de los entornos de red de las empresas. Es el caso por ejemplo de Cisco y su plataforma Cisco DNA, Juniper Networks (Juniper Apstra, Juniper Miss), HPE (HPE InfoSight), Extreme Networks, Arista Networks, etc.
La mayoría de estas plataformas funcionan de una forma similar. Tras su puesta en marcha, comienzan recopilando una amplia gama de datos relacionados con la infraestructura de red de la organización, que suelen incluir datos de tráfico, configuraciones de dispositivos, registros de eventos, mediciones de rendimiento, datos de seguridad, etc. Basándose en el análisis de esos datos (a menudo en tiempo real), los algoritmos de aprendizaje automático pueden identificar patrones, tendencias, anomalías...etc. y tomar decisiones automatizadas para optimizar el rendimiento de la red y mejorar su seguridad.
Desafíos de la IA en la gestión de red
Pero si bien AI Driven Network Automation tiene sobre el papel todo el potencial para agilizar el trabajo de los profesionales del networking y mejorar de forma sencilla el rendimiento de cualquier red corporativa, conviene recordar que el desarrollo actual de la IA en el terreno de la gestión de red aún está en sus primeras etapas y no está exento de problemas.
En primer lugar, hay que tener en cuenta que la calidad de los datos es fundamental para el éxito de este tipo de soluciones, por lo que si los datos recopilados son inexactos o "ruidosos" las empresas corren el riesgo de que los algoritmos de IA tomen decisiones incorrectas o subóptimas, lo que puede afectar al rendimiento. Igualmente resulta preocupante que a medida que se despliegan, se corre el riesgo de tener una excesiva dependencia de la IA, por lo que si esta falla o toma decisiones incorrectas, no solo la red puede verse afectada, sino que puede resultar complejo que los expertos sean capaces de identificar la causa raíz del error o el origen de un mal funcionamiento de la infraestructura. En este sentido, a medida que la automatización se vuelve más sofisticada, puede haber una pérdida de control humano en la toma de decisiones, lo que como apuntábamos, puede convertirse en un problema si las decisiones automatizadas no son transparentes o comprensibles para los administradores de red.
Teniendo en cuenta tanto los beneficios que desde luego puede aportar esta tecnología como los potenciales riesgos asociados a la misma, una buena práctica pasa por identificar claramente los objetivos de la automatización y tras evaluar el mejor proveedor o las soluciones que mejor se ajustan a nuestras necesidades, comenzar con casos de uso relativamente simples, como la automatización de configuraciones repetitivas o la detección y resolución de problemas comunes. A medida que se obtiene éxito con la automatización inicial y tras una monitorización continua, se podría considerar su expansión a otros aspectos de la red y a nuevas áreas de operación.
Volviendo a la pregunta que nos hacíamos inicialmente, ¿es AI Driven Network Automation el futuro de la red? Hemos visto que en estos momentos la respuesta es algo más compleja que un "Sí" o un "No". La mayoría de los expertos dirán un "Sí, pero..." o "Sí, pero no todavía" especialmente en las infraestructuras más complejas. Pese a ello, esos mismos expertos tienen pocas dudas de que en unos años la implementación de este tipo de soluciones será la norma en casi todas las empresas.