El conocimiento de la inteligencia artificial con la automatización ejecutable aceleran el proceso hacia las redes autónomas

El sector de las telecomunicaciones está acelerando su transformación digital, impulsado por la creciente complejidad de las redes modernas y la demanda de una implementación de servicios más rápida y fiable. Para satisfacer estas demandas, los operadores están recurriendo a redes inteligentes autónomas, diseñadas para ingerir grandes cantidades de datos y ejecutar acciones de forma autónoma a alta velocidad. El camino hacia las redes inteligentes autónomas no es un proyecto tecnológico, sino un cambio operativo obligatorio para proteger los márgenes y acelerar el tiempo de comercialización. Esto ha llevado a conceptos como DarkNOC, un centro de operaciones de red que puede operar sin intervención humana directa, utilizando la tecnología para mejorar la fiabilidad de la red, mejorar el rendimiento y aumentar la rentabilidad.

Hay dos principios fundamentales para construir redes autónomas: Mejores conocimientos de la inteligencia artificial de la red y automatización ejecutable.

Habilitación de mejores conocimientos de la inteligencia artificial de la red

Para que cualquier solución de AIOps sea eficaz, debe construirse sobre una base de conocimientos de alta calidad impulsados por la inteligencia artificial. Estos conocimientos se derivan de capacidades como las siguientes:

• Recopilación y análisis de datos
• Detección y predicción de anomalías
• Alertas inteligentes y análisis de la causa principal
• Aprovechamiento de la inteligencia artificial para la supervisión de eventos entre dominios

Red Hat le permite a nuesrtos partners crear potentes flujos de trabajo de AIOps al ofrecer una plataforma sólida y unificada. Nuestro portafolio, que incluye infraestructura de nube híbrida, desarrollo en la nube, inteligencia artificial, automatización y gestión de la TI, y edge computing, está representado por tecnologías como Red Hat OpenShift, Red Hat OpenShift AI, Llama Stack Agent Framework, Red Hat Enterprise Linux y Red Hat Runtimes, ofrece las plataformas esenciales de contenedor como servicio (CaaS) e inteligencia artificial que requieren las soluciones de AIOps.

Entrega de automatización ejecutable

Obtener información valiosa es solo la mitad del trabajo. También necesitas la capacidad de actuar sobre ella de forma rápida y fiable. Necesitas automatización ejecutable. La participación de Red Hat en conceptos como el proyecto DarkNOC Catalyst de TM Forum destacó la necesidad de un enfoque unificado para la automatización, como uno centrado en Red Hat Ansible Automation Platform, que pudiera superar el panorama fragmentado de herramientas y scripts propietarios.

El verdadero poder de este enfoque integrado es su capacidad para crear un sistema de circuito cerrado que avanza desde el problema hasta la resolución más rápido que cualquier proceso impulsado por humanos. Este sistema con agentes detecta un problema de forma autónoma, determina la solución, genera el código y remedia el problema, todo de forma auditable y regida por políticas. Esto significa que los problemas que antes requerían un equipo completo y horas de trabajo se resuelven automáticamente, lo que maximiza el tiempo de actividad de la red.

Los elementos clave para una estrategia de automatización eficaz y multidominio son:

• Un único lenguaje de automatización para simplificar, como el código YAML de Ansible.
• Generación de código acelerada para mejorar la calidad del código y abordar la falta de scripts de automatización existentes.
• Ejecución fiable a escala y ejecución basada en eventos a escala para mejorar la velocidad y el rendimiento.
• Las políticas como código automatizadas sirven como medidas de protección de la inteligencia artificial y, al mismo tiempo, confirman que la automatización cumple con los requisitos de seguridad y cumplimiento normativo pertinentes.

De DarkNOC a la inteligencia artificial con agentes: La evolución de la automatización ejecutable

Hoy, estamos evolucionando esta visión más allá de la simple generación de código con servicios de inteligencia artificial generativa utilizando Red Hat Ansible Lightspeed, una función nativa de Red Hat Ansible Automation Platform. Ahora, estamos añadiendo inteligencia artificial con agentes y el protocolo de Contexto de Modelos (MCP) para cerrar el bucle de automatización. La inteligencia artificial con agentes representa un avance significativo, ya que se trata de sistemas autónomos que pueden planificar y ejecutar tareas complejas. Al integrar la inteligencia artificial con agentes con Red Hat Ansible Automation Platform, habilitamos un sistema que no solo puede generar código de remediación, sino también orquestar de forma inteligente su ejecución, regida por medidas de protección de la inteligencia artificial a través de políticas como código automatizadas.

Reuniéndolo todo

Hemos creado una demostración completa que ilustra cómo el portafolio integrado y optimizado de Red Hat combina mejores conocimientos de inteligencia artificial con automatización ejecutable, utilizando tanto la inteligencia artificial generativa como la inteligencia artificial con agentes para construir las redes inteligentes y autónomas del futuro.

Así es como se desarrolla el flujo de trabajo de la demostración:

1. Evento que tiene lugar: Se crea un fallo intencionado del servicio.
2. Alerta y disparador: Kafka transporta el evento en un entorno grande y distribuido. A continuación, Event-Driven Ansible lo recoge, lo que activa automáticamente un flujo de trabajo de rulebook en Ansible Automation Platform.
3. Análisis e información de la inteligencia artificial: El flujo de trabajo envía los registros de errores a un agente, impulsado por Llama Stack, para el análisis de la causa raíz (RCA). Basándose en este análisis, se genera una petición (que se utilizará para crear un playbook de remediación). Simultáneamente, se notifica al equipo de operaciones de red con los registros de errores y el RCA generado por la inteligencia artificial.

Las tecnologías de Red Hat mejoran las soluciones de AIOps al optimizar la recopilación de eventos y ejecutar LLM de forma eficiente para mejorar el análisis de la causa raíz.

Entrega de automatización ejecutable

4. Decisión del agente: Basándose en el análisis, el agente decide si puede gestionar el problema por sí solo. Comprueba en Ansible Automation Platform, utilizando el MCP de terceros, si existe una plantilla de trabajo que pueda solucionar el problema. Si encuentra una, ejecuta la plantilla automáticamente para resolver el problema. Si no es así, la remediación se gestiona a través de un proceso de intervención humana, para garantizar que se tomen las medidas correctas.

Remediación con intervención humana

5. Generación de código de Ansible: Un operador humano proporciona la petición al agente de inteligencia artificial. Utilizando el MCP de terceros y Ansible Automation Platform, el agente alimenta esta peticion a Red Hat Ansible Lightspeed para generar un nuevo playbook de remediación. Si bien este proceso podría automatizarse por completo, se incluye intencionadamente un humano en el bucle para revisar y validar que el playbook generado sea preciso y seguro antes de que se ejecute.
6. Configuración del sistema: Después de verificar que el playbook generado sea preciso y seguro, el operador humano indica al agente de inteligencia artificial que active un flujo de trabajo en Ansible Automation Platform. Este flujo de trabajo envía el nuevo playbook de Ansible a un repositorio Git, sincroniza el proyecto en Ansible Automation Platform y crea una plantilla de trabajo para ejecutarlo.
7. Remediación:  Finalmente, el agente de inteligencia artificial llama a Ansible Automation Platform para orquestar la ejecución del playbook de Ansible que resuelve el problema original que causó la interrupción del servicio. Dentro de Ansible Automation Platform, la política como código proporciona medidas de protección para el agente de inteligencia artificial (por ejemplo, es posible que no se realicen cambios durante un período de mantenimiento).

Conclusión

El camino hacia redes inteligentes totalmente autónomas es complejo, pero el camino está claro y se puede dividir en pasos más pequeños y prácticos. Al combinar mejores conocimientos de la inteligencia artificial de la red con la automatización ejecutable, un proveedor de servicios puede superar los desafíos de la fragmentación y construir sistemas unificados, inteligentes y de autorreparación. El conjunto unificado de soluciones de Red Hat proporciona la base esencial para construir estos sistemas de autorreparación.

Obtén más información sobre el conjunto integrado de tecnologías de Red Hat, las iniciativas de TM Forum y los proyectos Catalyst relevantes.

• Red Hat Ansible Automation Platform
• Red Hat OpenShift AI
• Red Hat OpenShift Container Platform
• Protocolo de contexto del modelo: Descubre el eslabón perdido en la integración de la inteligencia artificial
• Automatización de la red con Red Hat Ansible Automation Platform
• Red Hat Ansible Lightspeed
• TM Forum DarkNOC: La inteligencia artificial generativa impulsa NetOps basados en información
• TM Forum Es una alianza global de empresas de telecomunicaciones y tecnología