AIネットワーク最適化とは何ですか？

AIネットワーク最適化は、AIとMLを使用して企業のWAN全体でトラフィック管理とルーティングを行います。AIツールは制御層で動作し、テレメトリを分析し、パターンを特定し、企業のWANのパフォーマンスと信頼性を向上させるために設計された構成変更を推奨します。

企業ネットワークがクラウドインフラストラクチャとハイブリッドワークの採用に伴い、より分散化するにつれて、ネットワークの非効率性はビジネスに対してより大きな影響を与えます。さらに、IT環境の動的な性質 – 一時的なクラウドリソースと移動する労働者を伴う – は、これらの環境を最適化するために定期的に構成変更を行う必要があることを意味します。

AIはデータを分析し、パターンを検出し、リアルタイムで更新を行うことができ、企業のWANの急速な進化に対応します。AIがSASEプラットフォームの一部として展開され、ポイントソリューションとして展開されるのではなく、ネットワークインフラストラクチャと統合される場合、パフォーマンスへの影響なしにこれを達成できます。

AIネットワーク最適化をどのように定義しますか？

AIネットワーク最適化は、ネットワークテレメトリを分析し、改善を提案することによって、ネットワークのパフォーマンス、ユーザーエクスペリエンス、および信頼性を向上させるためにAIとMLを使用します。これは、フィードバックループを採用して潜在的な最適化をテスト、検証、改善することによって、TCP加速、圧縮、静的QoSルールなどの従来の最適化技術に基づいています。

AIネットワーク最適化は企業のWAN全体に適用され、ルーティング、QoS、帯域幅の割り当て、経路選択に関連する場合にはセキュリティポリシーの配置を管理します。

AIネットワーク最適化のコア要素

AIネットワーク最適化は、ネットワーク管理のためのインテリジェントな分析と最適化を実装します。インフラストラクチャの主要な要素には以下が含まれます：

• データ収集:AIツールは、最適化の可能性のある領域を特定するために高品質のテレメトリへのアクセスを必要とします。これには、オンプレミスおよびクラウドベースのインフラストラクチャを含む企業のWANのすべての要素に関する洞察が含まれます。
• 特徴抽出:特徴抽出は、収集されたデータを分析のための有用な特徴のセットに凝縮します。これにより、ノイズの多いデータが排除され、有用な情報に焦点が当てられます。
• モデルのトレーニングと推論:高品質なデータにアクセスすることで、AIと機械学習は分析を行い、トレンドを探すことができます。学習は継続的に行われ、モデルはネットワークインフラと使用状況の変化に適応します。
• ネットワークにおける施行:AIネットワーク最適化ツールは推奨を行うことができますが、施行には他のネットワークツールとの統合が不可欠です。AIは、推奨が企業のWAN全体に一貫して適用できる統合されたSASE展開の一部として最も効果的に適用されます。

AIネットワーク最適化は現代のネットワークでどのように機能しますか？

現代のネットワークでは、AIネットワーク最適化は通常、SASEまたはSD-WANアーキテクチャのクラウドコントロールパネルまたは集中管理プレーンに存在します。このシステムは、テレメトリを収集し、パターンや異常を特定し、ルーティングおよびQoSポリシーの変更を推奨または自動的に適用する責任があります。

リアルタイムのパス選択とポリシー調整

パス選択はネットワークのパフォーマンスにとって重要であり、特に公共インターネットに依存するSD-WANおよびSASE展開において重要です。AIシステムは、現在の遅延、ジッター、パケット損失、スループットに基づいて利用可能なパスを分析し、最新の情報とランキングを提供します。

このほぼリアルタイムの可視性により、AIシステムはパフォーマンスデータとトラフィック分析に応じてルート選択、QoSキュー、およびトラフィックスティアリングを動的に調整できます。例えば、システムはビデオと音声トラフィックを低遅延および低ジッターパスに賢くルーティングし、バルクトラフィックを運ぶために安価なリンクを使用することができます。

AI WAN最適化はこの状況にどのように適合しますか？

AI WAN最適化は企業WANの最適化に焦点を当て、特にWANパスの選択とWAN特有の最適化を適用します。AIを使用することで、組織は静的ポリシーや固定アルゴリズムを超えて、より動的でインテリジェントなアプローチに移行できます。

AIネットワーク最適化はどのような問題を解決しますか？

AIネットワーク最適化は、企業ネットワーク内の予測不可能な遅延、パケット損失、およびジッターの問題を解決します。現代のインターネットトラフィックは一般的に複数のISPやクラウドプロバイダーを横断し、複雑さを導入してSaaSのパフォーマンスを低下させ、ユーザーエクスペリエンスを劣化させます。AIを使用することで、問題をほぼリアルタイムで特定し対処でき、ユーザーエクスペリエンスの摩擦を減少させ、オペレーションチームのトラブルシューティング疲労を軽減します。

AIネットワーク最適化が対処するパフォーマンスの問題

公共インターネットを経由するトラフィックは、これらのネットワークリンクの信頼性の低さにより、さまざまな問題に悩まされる可能性があります。一般的な症状には以下が含まれます：

• レイテンシ
• ジッター
• パケットロス
• 断続的なブラウンアウト
• 共有インターネットエクスチェンジでの混雑
• 不安定なSaaSパフォーマンス。

AIツールはパターンの特定に優れており、時間帯の混雑や特定のリンクで繰り返し発生するブラウンアウトなどの一般的な問題を特定できます。この分析と利用可能なリンクに関する知識に基づいて、AIは代替ルートを提案したり、これらの変更を自動的に適用したりすることができます。

AIが軽減する運用上の課題

オペレーションチームは、ネットワークパフォーマンスに関連する問題を診断し対処しようとする際に、重大な課題に直面します。企業環境の分散が進むことで、企業のネットワークトラフィックは複数のISPやクラウドプラットフォームを経由する可能性があります。その結果、問題の根本原因を特定することが難しく、時間がかかります。

AIは、インシデントの自動根本原因分析を行うことでオーバーヘッドと検出までの平均時間を短縮し、考えられる根本原因に関する洞察を提供します。調査とトリアージプロセスを自動化することで、これらのツールは人間のオペレーターへの負荷を軽減し、小規模なチームが迅速に意思決定を行い、複雑で分散したネットワークのパフォーマンスを向上させるための変更を実施できるようにします。

AIネットワーク最適化にどのデータとテレメトリーがフィードされるか？

AIシステムは、アクセスできるデータの質に依存します。AIネットワーク最適化ツールの場合、企業ネットワーク全体の可視性を提供し、ネットワークパフォーマンス、セキュリティ、ユーザーエクスペリエンスなどの重要な目標に関する洞察を提供する高品質のテレメトリーが必要です。

AIネットワーク最適化ツールは、すでにAIツールが必要とするネットワークフロー、ユーザー、アプリケーション、セキュリティデータの種類を収集しているSASEおよびSD-WANプラットフォームの一部として一般的に展開されます。この情報を単一の集中データレイクに取り込むことで、AIツールがこの情報にアクセスし分析することが容易になります。

ネットワークおよびトランスポート層のメトリクス

ネットワークおよびトランスポート層のメトリクスは、組織のネットワークインフラストラクチャのパフォーマンスと信頼性を向上させることに焦点を当てています。主要なメトリクスには次のものが含まれます：

• レイテンシ
• ジッター
• パケットロス
• スループット
• リンクの利用率
• Error_Rate
• ルートの変更。

AIモデルは、これらのメトリクスを使用して、さまざまなネットワークリンクの健康状態を分類し、将来のパフォーマンスを予測できます。たとえば、特定のネットワークリンクは、ユーザーの行動やスケジュールされたタスクやジョブのために、特定の時間に使用量が急増することがあります。このパターンを特定するAIツールは、これらの時間に他のリンクにトラフィックをルーティングすることを推奨し、混雑とレイテンシを減少させることができます。

グローバルSASEバックボーンは、テレメトリを収集し、複数のエッジおよびISP間でパフォーマンスを比較する能力により、この種の分析に理想的です。この広い視野は、AIモデルに利用可能なトレーニングデータを豊かにし、バックボーン全体でのパス選択を改善します。

アプリケーションおよびユーザーエクスペリエンスメトリクス

デジタルエクスペリエンスモニタリング（DEM）は、次のようなメトリクスを追跡することによってユーザーエクスペリエンスを改善しようとします：

• ユーザーデバイステレメトリ
• アプリケーション応答時間
• トランザクションの成功率とエラー率
• 合成トランザクション結果

ネットワークインフラストラクチャとアプリケーション層のメトリクスを可視化することで、AIネットワーク最適化ツールは、DEMメトリクスの劣化をネットワークレベルの条件と相関させることができます。これにより、ユーザーエクスペリエンスにもポジティブな影響を与えるネットワークレベルでの潜在的な変更や最適化を特定することができます。

たとえば、特定のSaaSアプリの読み込み時間が遅いというユーザーの報告は、そのアプリの調査を促し、潜在的な改善を特定するきっかけとなるかもしれません。しかし、より広範な調査により、そのSaaSアプリや他のアプリへのトラフィックが一般的に過負荷になっているリンクを通過していることが明らかになるかもしれません。このリンクへの負荷を軽減するルーティングの更新は、単一のアプリ内の症状に対処するのではなく、すべてのSaaSアプリにわたってユーザーエクスペリエンスにポジティブな影響を与えるでしょう。

AIの混雑予測はパフォーマンスをどのように改善するのか？

AIの混雑予測は、過去のデータとリアルタイムのテレメトリに基づいて、混雑が発生する可能性のある時期と場所を予測するために予測モデルを使用します。AIを使用することで、組織は単純な閾値ベースのアラートを超えて、潜在的な混雑を示すパターンを特定できます。これは、従業員が音声およびビデオツールや他の遅延に敏感なSaaSアプリにますます依存するようになるにつれて、企業ネットワークにとってますます重要です。

混雑とブラウンアウトのための予測モデル

AIと機械学習は、時系列モデルと異常検出を活用して、特定のネットワークパスやPoPでの混雑の可能性があるウィンドウを特定できます。例えば、十分な過去のデータへのアクセスを持つAIツールは、従業員が予定された昼食休憩から戻った際にメールを確認する傾向や、開発者やIT担当者が特定の時間に特定のタスクを実行するようにスケジュールする事実などのトレンドに気付くかもしれません。これらのトレンドを把握することで、AIは特定のネットワークリンクでこれらの活動が引き起こす可能性のあるネットワーク混雑を回避するネットワークルートを推奨できます。

これらの混雑の原因は企業内部にありますが、マルチテナントのSASEバックボーン上でホストされるAIツールは、はるかに広範な可視性を持っています。多くの顧客や地理にわたる集約行動に関するデータにアクセスすることで、パターンを特定し、よりグローバルなレベルで最適化を行うことができます。

予測に基づくルーティングとQoSアクション

AIは潜在的なブラウンアウトや混雑を予測する能力を提供し、組織がその影響を軽減するための行動を取ることを可能にします。例えば、AIシステムはブラウンアウトの前に重要なトラフィックを代替ルートにルーティングしたり、ピークトラフィック時に遅延に敏感なリアルタイムアプリケーションが優先されるようにQoSルールを調整したりすることがあります。

これらのシステムが変化に適応する能力は、プロセスにおける人間の関与のレベルに依存します。頻繁で予測可能な問題の場合、AIは人間が変更を承認するための時間にインシデントを予測することができます。しかし、AIが予測不可能な保留中の障害の兆候を特定する場合、影響を最小限に抑えるために自動的な介入が必要になるかもしれません。組織は、どの決定が自動化でき、どの推奨が人間のレビューと承認を必要とするかを規定するポリシーコントロールを実施すべきです。

AIネットワーク最適化に関するFAQ

AIネットワーク最適化は従来のWAN最適化ツールを置き換えますか？

いいえ、AIネットワーク最適化はキャッシング、圧縮、TCPチューニングなどの従来のWAN最適化ツールを補完します。AIはインテリジェンスと適応性の層を追加し、ネットワークインフラストラクチャや使用状況の変化に応じて構成やポリシーを変更できるようにします。多くの現代のSD-WANおよびSASEソリューションは、文脈に応じて意味のある従来のWAN最適化ツールを含み、AIを統合することで機能を拡張します。

今日のAIネットワーク最適化機能はどの程度成熟していますか？

AI支援のネットワーク最適化機能はSD-WAN、SASE、デジタルエクスペリエンスソリューションで一般的ですが、その効果は異なる場合があります。ソリューションを検討する際には、動的パス選択、アラートのノイズ削減、予測的インサイトなどの文書化されたユースケースを含め、AI機能がどのように本番環境で使用されているかを尋ねてください。

AIネットワーク最適化はセキュリティポリシーとどのように相互作用しますか？

AIネットワーク最適化ツールはネットワークトラフィックを再ルーティングする能力を持っていますが、これはセキュリティを犠牲にするものではありません。ツールはトラフィックが依然として検査や制御を受けることを保証しなければなりませんが、複数の安全でポリシーに準拠したルートの間で推奨や選択を行い、ルート内の特定のトラフィックタイプを優先することができます。一部のプラットフォームは、AIを使用してセキュリティポリシーやルーティングルールを分析し、ネットワークパフォーマンスに悪影響を与える冗長性や誤設定を解決するなど、改善の余地を特定することもあります。

チームがAIネットワーク最適化から価値を得るためには、どのようなスキルが必要ですか？

AIネットワーク最適化戦略を効果的に運用するためには、チームはデータ管理、AI、最適化のスキルと、ネットワーキング、ルーティング、セキュリティの基本を理解する必要があります。オペレーターは、AIシステムにどのデータを提供するか、その結果をどのように解釈するか、どのユースケースを完全に自動化でき、どのユースケースに人間が関与する必要があるかを理解する必要があります。

企業は完全な自動化が必要ですか、それともAIネットワーク最適化は人間が関与する形で維持できますか？

AIネットワーク最適化は、完全自動化から人間が関与するより助言的な役割まで、さまざまなモードで展開できます。しばしば、この助言的なオプションは、技術を展開する企業にとって良い出発点となり、AIの推奨の可視性と質をテストすることを可能にし、ネットワークルーティングに低リスクの変更を自律的に行わせる前に行います。時間が経つにつれて、企業は通常、ルーチンで反復的な変更がAIによって管理され、高影響の決定は人間が制御するハイブリッドモードに移行します。いずれにせよ、すべての推奨事項と変更は記録され、必要に応じてレビューおよび元に戻すことができるようにするべきです。