Fem sätt som AIOps förbättrar retail networking

Artiklar om innovationer inom artificiell intelligens (AI) dominerar nyhetsflödet i teknikpressen och du har säkert redan hört hur AI för IT-drift (AIOps) kommer att revolutionera nästan allt.

Nästa sak som bör finnas på radarn är något som kallas AI Networking, vilket kommer att vara särskilt relevant för dem med ansvar för trådlösa, trådbundna och WAN-nätverk (Wide Area Network).

Innan vi utforskar denna nya AI-innovation bör vi ta ett steg tillbaka.

Genom att gå igenom några definitioner kan vi bättre förstå de viktigaste egenskaperna hos en effektiv AI-lösning och få klarhet om i hur AI, maskininlärning (ML) och automatisering kan hjälpa en detaljhandelsorganisation.

Vad AIOps kan göra för en IT-avdelning

AIOps, en term som myntats av Gartner, är en lösning som använder big data och ML för att automatisera IT-driftsprocesser som anomalidetektering och kausalitetsbestämning. Det liknar DevOps på så sätt att det konsoliderar tjänst- och prestandahantering och kombinerar detta med automatisering för att leverera kontinuerliga insikter som möjliggör förbättringar.

Så var passar nätverks-, lagrings- och supporttjänster in i ekvationen? Gartner har förtydligat dessa roller med ännu en ny term: AI Networking. AI Networking är en underkategori i AIOps och anses vara ett effektivare sätt att hantera nätverksdrift dag 2 – fasen efter design och implementering, när ett team analyserar och optimerar ett modernt nätverkssystem.

Marcus Bäckrud, Country Manager Sweden, HPE Aruba Networks

AIOps syftar på den bredare infrastruktur som hanteras av information- och driftteam (I&O). AI Networking, å andra sidan, ingår i den bredare infrastrukturen, men är specifikt inriktat på arbetet kring nätverk av typerna trådbundna, trådlösa och WAN. AIOps – och mer specifikt AI Networking – erbjuder intelligent automatisering så att anslutningsproblem snabbt kan identifieras eller avbrott till och med förhindras. Med tanke på den stora mängden molnbaserade tjänster, digitala användare och IoT-enheter på de olika platser som ett detaljhandelsnätverk stöder, är det möjligt att utföra detta arbete mycket snabbare än vad som är mänskligt möjligt.

Användningsområden för AI-nätverk

Intelligenta AI-drivna lösningar hjälper redan IT-proffs att lösa dagens största utmaningar inom detaljhandelsnätverk. Några exempel på användningsområden för företag är:

• Fjärrhantering av flera butiker. Idag är det vanligt att centraliserade IT-team hanterar utspridda platser. Med detta i åtanke ger AI Networking-funktioner praktiskt taget realtidinsikter i nätverksaktivitet oavsett var den äger rum. Detta inkluderar att avgöra vilka enheter som är anslutna till nätverk, identifiera platser som lider av LAN- eller WAN-problem och automatiskt samla in viktiga dataloggar. AI-drivna varningar hjälper också att prioritera de mest brådskande felsökningsfrågorna.
• Träffsäker problemidentifiering. På samma sätt som ML-modeller utformats för att peka ut beteendemönster och avvikelser från dem, hjälper AI Networkings insikter och varnar dig att avslöja nätverksproblem som traditionella verktyg missar. AI Networking kan till exempel hjälpa dig att se skillnaden mellan en enhet som beter sig felaktigt på grund av ett hårdvarufel eller något intermittent som kan åtgärdas med en uppgradering av firmware.
• Förbättring av användarupplevelsen. Moderna kunder förväntar sig inte bara produkter som uppfyller deras behov, de kräver också högkvalitativa upplevelser i butiken. Därför måste IT-avdelningarna hitta sätt att ge gäster och anställda exceptionell tillgång, i en miljö där teknisk expertis ofta är bristvara och felsökning på plats kan vara svår. De mest avancerade AI Networking-funktionerna tar sig an utmaningen genom att rekommendera hur nätverkets prestanda kan ökas utan kostsamma uppgraderingar, samtidigt som verksamhetens förväntningar och kundernas upplevelser uppfylls på samma gång.

Överväganden vid val av AI-drivna lösningar

Även om alla AIOps-lösningar gör det möjligt att automatisera effektivitetsvinster i viss utsträckning, erbjuder vissa lösningar betydligt fler möjligheter än andra. De mest innovativa alternativen täcker såväl dag 0- och dag 1-uppgifter som dag 2-ansvar. För att hitta en lösning som på ett heltäckande sätt tillgodoser nätverksbehoven inom detaljhandeln bör följande parametrar övervägas:

• Intuitivitet och effektivitet. Förutom en lätthanterlig instrumentpanel kännetecknas en innovativ AIOps-lösning av en inbyggd språksökfunktion som hjälper dig med grundläggande dag 0-aktiviteter som att konfigurera en SSID (Service Set Identifier) eller sätta upp ett gästnätverk. För mer avancerade behov ger de bästa lösningarna användarna möjlighet att utnyttja funktioner som automatiska prestandatester och beteende för varje enskild plats utan manuell konfiguration av förväntningar på servicenivå. Detta betyder att inköpare bör leta efter en lösning som förstärker hela teamets insatser – från de mest erfarna till de nyaste medlemmarna.
• Förmåga att upptäcka beteendeavvikelser. Beteendeförändringar är ett tydligt tecken på ett förestående enhetsfel eller säkerhetsintrång. Därför bör du välja en AI-nätverkslösning där AI och ML tränas med data från tusentals driftsättningar och miljontals enheter och slutpunkter, tillsammans med klusterteknik som hjälper dig att differentiera varje plats efter storlek, antal nätverksenheter som används och hur många kunder som ansluter dagligen. Genom att sammanföra externa data med den interna information dina egna platser genererar, kan ett avancerat AI-nätverksverktyg sortera ut avvikelser i beteendet.
• Generering av insikter för förbättring. I bästa fall bör AI Networking gå längre än att bara räkna siffror och ta fram listor med problem som ska lösas eller möjligheter som ska optimeras. De mest avancerade AIOps-lösningarna presenterar sina resultat som rekommendationer som bolag kan använda som grund till förbättringar. Sådana förslag kan vara allt från att ändra inställningarna för en plats Wi-Fi accesspunkter (AP) för att minska strömförbrukningen, till att byta ut en kabel mellan en specifik AP och switch för att eliminera källan till intermittenta trådlösa problem. Dessa insikter hjälper till att eliminera manuell felsökning, gissningar och tidskrävande forensik.
• Full-stack Zero Trust-strategi. De bästa lösningarna använder AIOps och AI Networking-metoder i hela nätverket för att maximera nyttan, vilket inkluderar förbättrad säkerhet. AI-drivna Zero Trust-funktioner ger dig korrekt klientinformation och insyn i vilka applikationer IoT- och gästenheter har åtkomst till, samt om enheterna uppvisar beteendeförändringar. Om till exempel en stationär POS-enhet (point-of-sale) visar tecken på roamingbeteende – eller börjar kommunicera med okända resurser – kommer en AI-nätverkslösning i toppklass att kunna flagga detta som en beteendeavvikelse för snabbast möjliga avhjälpning.
• Nätverksintegrerad AI. De smartaste AI-lösningarna kommer från nätverksleverantörer som integrerar AI-nätverk i sin övergripande arkitektur – från nätverksenheter till hanteringsplattformar. På så sätt minskar leverantören anskaffnings- och underhållskostnader, minimerar manuella konfigurationsuppgifter och förkortar den tid det tar att utveckla kompetensen i hela organisationen. En tumregel är att tätt integrerade lösningar är mer benägna att ge värdefulla insikter utan extra kostnad.

När det är dags att bestämma sig för framtidens nätverkslösning är det med andra ord av största vikt att undersöka hur AI spelar en roll i den. Idag är ständigt aktiva nätverk en konkurrensfördel inom detaljhandeln, varför det är viktigt att veta hur AIOps kan ge dig handlingsbara insikter, hjälpa till att automatisera uppgifter för att frigöra IT-resurser till mer värdefulla projekt och ge ditt bolag möjligheter att förbättra affärsresultaten överlag.

Marcus Bäckrud, Country Manager Sweden, HPE Aruba Networks