[20/03/2019] La planificación de la capacidad de la red tiene como objetivo garantizar que se provea suficiente ancho de banda, lo que permite que los objetivos de SLA de la red -como demora, fluctuación de fase, pérdida y disponibilidad- se cumplan de manera confiable. Es una tarea compleja, propensa a errores, con serias implicaciones financieras. Hasta hace poco, los datos de red necesarios para una planificación de capacidad intuitiva generalmente solo estaban disponibles a través de informes estáticos, históricos y posteriores al hecho. Esta situación está cambiando rápidamente.
"Al combinar la ciencia de datos avanzada y la tecnología cognitiva, como la IA y el aprendizaje automático, TI puede generar nuevas perspectivas predictivas más inteligentes para mejorar la precisión de la planificación de la capacidad de la red", señala Ashish Verma, director gerente especializado en análisis cognitivo en Deloitte Consulting. "Esto ayuda a las organizaciones a liberar datos para tomar decisiones más ágiles, mejorar la sabiduría operativa, evitar el tiempo de inactividad y crear una mejor experiencia de usuario".
Aunque la planificación de la capacidad de la red con soporte de AI todavía se encuentra en una etapa muy temprana, la mayoría de los proveedores de planificación de la capacidad, incluidos los grandes y pequeños jugadores como Cisco, NetBrain, Aria Networks, Flowmon y SolarWinds, ya están empezando a incorporar algún tipo de tecnología de AI en sus ofertas, o planean hacerlo en un futuro próximo. Mientras tanto, los proveedores de tecnología de inteligencia artificial, como IBM Watson, también están buscando ingresar al juego.
La IA refuerza el monitoreo de red tradicional
Aprovechar la IA para analizar datos de múltiples fuentes ofrece una precisión mucho mayor que las herramientas tradicionales de monitoreo de red que analizan estrictamente la utilización de enlaces, señala Fredrik Lindstrom, gerente de la firma CIO Advisory en EE.UU. de la consultora de negocios KPMG. "La IA también permite el modelado de diferentes escenarios de rendimiento y relaciona el rendimiento de la red con el rendimiento de las aplicaciones para determinar cómo las aplicaciones se ven afectadas en diferentes escenarios de rendimiento".
El aprendizaje automático impulsado por la IA aplicado al rendimiento de la red permite a un controlador de red aprender de la experiencia mientras mejora la red.
"A medida que aprende, el modelo de analítica que utiliza para las decisiones se optimiza y se convierte en una mejor representación de la verdadera intención de la red y sus objetivos empresariales", señala Duval Yeager, experto en materia de analítica y aprendizaje automático de Cisco. "Esto proporciona una planificación precisa de la capacidad a medida que la red crece, cambia y se agregan aplicaciones y usuarios, tanto a nivel local como en la nube".
Los métodos de IA y aprendizaje automático pueden aplicarse efectivamente a la predicción/pronóstico del tráfico, detección de patrones de tráfico, aprendizaje en línea y toma de decisiones automatizada, comenta Yan Huang, profesor asistente de tecnologías empresariales en Tepper School of Business de la Universidad Carnegie Mellon.
"Los algoritmos avanzados de aprendizaje automático pueden tomar datos de red a gran escala y altamente granulares como inputs para generar pronósticos precisos de demanda para cada nodo en la red, y detectar patrones/tendencias intertemporales en el tráfico y la utilización de la red", explica Huang. "La mejora de la predicción de tráfico y demanda permitirá una evaluación más precisa de los requisitos de capacidad de la red, y reducirá la necesidad de la provisión excesiva de recursos".
La detección y el descubrimiento temprano de patrones intertemporales o cambios en el tráfico de la red permiten a las organizaciones tomar medidas proactivas para garantizar el rendimiento de la red. "Los modelos predictivos sofisticados se pueden combinar con técnicas de optimización y/o simulación para generar automáticamente la o las estructuras óptimas de la red y los planes correspondientes de capacidad y recursos", comenta Huang. Luego, dichos planes se pueden adaptar a las métricas de rendimiento específicas que más le interesan a la organización.
La tecnología de IA también puede procesar datos de tráfico en tiempo real y tomar decisiones de asignación y enrutamiento de forma dinámica, en función de las condiciones de la red en tiempo real. "También permite que los modelos a pedido obtengan aprovisionamiento de capacidad incremental", explica Huang. Todos estos factores pueden reducir significativamente los gastos de capital y los gastos operativos relacionados con el desarrollo, mantenimiento y refinamiento de la red; mientras que también se disminuye el esfuerzo requerido por los profesionales de TI para administrar dichas actividades.
Una vez instalada y configurada correctamente, la tecnología de IA de la red puede automatizar la planificación de la capacidad de la red, teniendo en cuenta tanto el interés financiero como el riesgo de la organización. "La IA puede analizar muchos puntos de datos diferentes en tiempo real o casi en tiempo real, lo que es fundamental a medida que las organizaciones migran a superposiciones de redes virtualizadas en sus centros de datos, entornos de nube y WAN", indica Lindstrom.
La inteligencia artificial también se puede utilizar para analizar los patrones de tráfico de la red de varias maneras, lo que ayuda a las organizaciones a obtener información sobre lo que se está ejecutando en la red y sobre la carga de la red en general.
"Este detalle es útil para la planificación de capacidad a corto y largo plazo", explica Doug Tamasanis, arquitecto jefe y director senior de redes y seguridad de Kronos, un software de administración de personal y proveedor de servicios.
A corto plazo, la IA puede predecir las ráfagas de tráfico diarias en niveles granulares, como la aplicación, ubicación, tecnología y protocolo. Estos hallazgos se pueden usar para la protección contra la degradación del rendimiento durante los períodos pico. "A largo plazo, un sistema de IA puede realizar una planificación de capacidad óptima, anticipando cuándo no se pueden cumplir las ráfagas a corto plazo y [cuándo] se requieren actualizaciones a gran escala", señala Tamasanis.
Planificación de capacidad impulsada por la IA: Cómo empezar
La mejor manera de comenzar con la tecnología de planificación de capacidad impulsada por IA es adquirir una tecnología probada que ya haya alcanzado cierto nivel de éxito y aceptación empresarial, sugiere Marcel Shaw, ingeniero de sistemas federales de Ivanti, un proveedor de software de gestión de activos y servicios de TI.
"Mientras tanto, los administradores deberían abordar las recomendaciones producidas por los algoritmos de aprendizaje de IA con precaución", indica. "Los algoritmos de aprendizaje de IA mejorarán drásticamente en los próximos años, por lo que será importante que los clientes sean pacientes y permitan que la tecnología de IA madure antes de depositar toda su confianza en los requisitos de capacidad recomendados por la solución de IA".
Comience con poco, en términos de fuentes de datos y alcance de monitoreo, aconseja Lindstrom. "Es fundamental que las fuentes de datos sean confiables y consistentes, y que el sistema de [IA] pueda generar la línea de base en al menos un ciclo económico completo", explica.
La implementación de la replicación de puertos de red en dispositivos de red clave es la mejor manera de proporcionar un flujo de datos capaz de alimentar una plataforma analítica, señala Tamasanis. Los sistemas específicos, como controladores inalámbricos, concentradores y firewalls VPN, pueden configurarse para transmitir datos directamente. "Cualquier sistema de IA requerirá este tipo de feeds, y cuanto mayor sea la cobertura en toda la red, mejor", indica Tamasanis. "La clave es obtener el máximo volumen de datos para la plataforma de [IA]".
También es importante proporcionar los datos correctos en el contexto adecuado. "Prepare sus datos para una fácil ingestión de la solución y asegúrese de que ofrezca una visión de la capacidad de su red relevante para sus objetivos", comenta Murthy Garikiparthi, director de OpsRamp, desarrollador de plataforma de la nube. Una vez que se estableció el flujo de datos, y se alinearon las velocidades y las fuentes, la solución de [IA] puede comenzar a monitorear los datos para comportamientos específicos. "Finalmente, una vez que la IA comience a hacer recomendaciones, el equipo de operaciones de TI puede configurar políticas para la automatización sobre estas ideas", sugiere Garikiparthi.
Tamasanis destaca la importancia de seleccionar la plataforma de IA adecuada. "Algunas plataformas se ajustarán mejor a algunas empresas que a otras", señala. "Esta variación natural es tanto una característica atractiva como perjudicial de la analítica de IA". Tamasanis también sugiere alejarse de las configuraciones automatizadas. "Si bien resulta atractivo el tiempo de reacción, una mala interpretación de los datos podría introducir efectos que disminuyen el rendimiento", advierte.
Conceptos erróneos sobre los recursos y la precisión de IA
Quizás el concepto erróneo más grande sobre el uso de la inteligencia artificial para la planificación de la capacidad de la red es que la tecnología no está especialmente carente de recursos, particularmente en términos de interacción humana. Esta ilusión se ve "exacerbada por algunos proveedores, que dan la impresión de que simplemente puede instalar la herramienta y que hará todo sin que nadie se encargue", señala Lindstrom.
Otro concepto erróneo es que la planificación de capacidad de red basada en IA es un juego de todo o nada. Las empresas deben trabajar con su proveedor en un enfoque por fases en el que implementan soluciones de manera modular, y se centran en casos de uso donde el valor es mayor, recomienda Yeager. Este enfoque es particularmente importante debido al hecho de que muchos elementos de red futuros estarán basados en la nube y dependerán de la suscripción. "La implementación de un enfoque de caso de uso y por fases garantizará que los administradores de TI no paguen por las suscripciones a la nube en servicios y soluciones que aún no están implementadas", señala Yeager.
El concepto erróneo más grande sobre el uso de IA para la planificación de la capacidad es que la solución de IA siempre será precisa, indica Shaw. "Hasta que las soluciones de IA maduren, será importante que los administradores verifiquen y cuestionen las recomendaciones proporcionadas por una solución de planificación de capacidad basada en IA".
Inconvenientes en de la planificación de la capacidad de IA
Como cualquier tecnología emergente, la planificación de la capacidad de IA viene con su propia cuota de obstáculos, listos para devastar a los inocentes e incautos. Los usuarios ansiosos tienden a ir demasiado grande, demasiado pronto y esperan resultados inmediatos sin ningún ajuste del sistema, indica Lindstrom. "Si el sistema no tiene suficientes datos para analizar, o si los datos no son confiables o consistentes, las herramientas no generarán una imagen precisa de la red o los problemas de rendimiento", advierte.
También es importante mantenerse alejado de los proveedores que ofrecen una selección incompleta de productos o servicios. "Actualmente, la mayoría de las soluciones en el mercado que ofrecen grandes ventajas para una pequeña parte de la red, no ofrecen una solución de red completa para dispositivos conectados e inalámbricos, clientes, aplicaciones, seguridad, políticas, dominios cruzados, WAN, nube y centros de datos”, señala Yeager.
El uso de productos y servicios de IA que no se basan en una plataforma abierta, dificultará que los servicios orientados a la inteligencia se extiendan a otras partes de la organización. "Las operaciones futuras ya no estarán aisladas; y los departamentos compartirán la red, los servicios y los datos operativos y de uso para mejorar los departamentos en toda la empresa", indica Yeager.
Dado que la IA es una tecnología relativamente nueva, los adoptantes a menudo encuentran resistencia por parte de los gerentes y el personal más tradicionales, que alegan proteger el conocimiento institucional, los flujos de trabajo heredados y sus propios trabajos. "La antigua forma de hacer las cosas no puede ser tan rígida como para rechazar los beneficios de la IA", advierte Garikiparthi.
La IA ofrece una opinión, no una declaración concluyente, asegura Tamasanis. "Integrar una herramienta de este tipo con los ingenieros y equipos de red existentes será un proceso evolutivo".
John Edwards, Network World (EE.UU.)