Disporre di informazioni dettagliate sull'IA e di un’automazione fruibile accelera il passaggio alle reti autonome

Il settore delle telecomunicazioni sta accelerando la trasformazione digitale, grazie alla crescente complessità delle reti moderne e alla domanda di implementazione di servizi più rapidi e affidabili. Per soddisfare queste esigenze, gli operatori si rivolgono a reti intelligenti autonome, progettate per acquisire enormi quantità di dati ed eseguire azioni in modo autonomo e ad alta velocità. Il passaggio a reti intelligenti autonome non è un progetto tecnologico, ma un cambiamento operativo obbligatorio per proteggere i margini e accelerare il rilascio dei servizi. Questo ha introdotto concetti come DarkNOC, un centro operativo di rete che può funzionare senza intervento umano diretto, utilizzando la tecnologia per migliorare l'affidabilità e le prestazioni della rete e aumentare l'efficienza in termini di costi.

Esistono due principi fondamentali per la creazione di reti autonome: informazioni dettagliate ottimizzate sull'IA della rete e un’automazione fruibile.

Migliorare le informazioni sull'IA della rete

Per essere efficace, qualsiasi soluzione AIOps deve essere basata su informazioni dettagliate basate sull'IA di alta qualità. Queste informazioni dettagliate derivano da funzionalità quali:

• aggregazione e analisi dei dati;
• rilevamento e previsione delle anomalie;
• avvisi intelligenti e analisi delle cause;
• utilizzo dell'IA per il monitoraggio di eventi cross-domain.

Red Hat aiuta i partner a sviluppare flussi di AIOps efficienti fornendo una piattaforma robusta e unificata. Il nostro portfolio copre infrastruttura hybrid cloud, sviluppo cloud native, Intelligenza Artificiale (IA), automazione e gestione dell'IT ed edge computing e include svariate tecnologie, tra cui Red Hat OpenShift, Red Hat OpenShift AI, Llama Stack Agent Framework, Red Hat Enterprise Linux e Red Hat Runtimes. Insieme, questi prodotti offrono il modello CaaS (Container as a Service) e le piattaforme di IA essenziali per le soluzioni di AIOps.

Fornire un’automazione fruibile

Ottenere informazioni dettagliate è solo metà dell'opera. È inoltre necessaria la capacità di agire in modo rapido e affidabile. Serve un'automazione fruibile. Il coinvolgimento di Red Hat in iniziative come il progetto TM Forum DarkNOC Catalyst ha evidenziato la necessità di un approccio unificato all'automazione, ad esempio l’approccio incentrato su Red Hat Ansible Automation Platform, in grado di superare la frammentazione di strumenti e script proprietari.

Il vero punto di forza di questo approccio integrato è la sua capacità di creare un sistema a ciclo chiuso che passa dal problema alla risoluzione più rapidamente di qualsiasi processo guidato dall'uomo. Questo sistema di agenti rileva autonomamente un problema, ne determina la correzione, genera il codice e lo risolve, il tutto in modo verificabile e regolato da policy. In questo modo, i problemi che un tempo richiedevano un team completo e ore di lavoro vengono risolti automaticamente, massimizzando l'uptime della rete.

Gli elementi essenziali di una strategia di automazione multi-dominio efficace includono:

• un singolo linguaggio di automazione, per semplificare, come il codice YAML di Ansible;
• generazione di codice accelerata per migliorare la qualità del codice e sopperire alla mancanza di script di automazione;
• esecuzione affidabile su larga scala ed esecuzione event-driven scalabile per migliorare velocità e prestazioni;
• approccio policy as code automatizzato, per proteggere l'IA e confermare che l'automazione soddisfi i requisiti di conformità e sicurezza specifici.

Da DarkNOC all'Agentic AI: L'evoluzione dell'automazione fruibile

Oggi contribuiamo all’evoluzione di questa visione oltre la semplice generazione di codice con servizi di IA generativa, utilizzando Red Hat Ansible Lightspeed, una funzionalità nativa di Red Hat Ansible Automation Platform. Per chiudere il ciclo di automazione, stiamo aggiungendo l'Agentic AI e il Model Context Protocol (MCP). L'Agentic AI rappresenta un notevole passo avanti, perché prevede sistemi autonomi in grado di pianificare ed eseguire attività complesse. Integrando l'Agentic AI con Red Hat Ansible Automation Platform, abbiamo reso possibile un sistema in grado non solo di generare codice di correzione, ma anche di orchestrare in modo intelligente la sua esecuzione, regolata da elementi di protezione dell'IA tramite policy as code automatizzato.

Per riassumere

Abbiamo realizzato una demo completa che illustra come l'offerta integrata e ottimizzata di Red Hat combini migliori informazioni dettagliate sull'IA con un'automazione fruibile, utilizzando sia l'IA generativa che l'Agentic AI per creare le reti intelligenti e autonome del futuro.

Ecco come si sviluppa il flusso di lavoro della demo:

1. Si verifica un evento. Viene creato un errore intenzionale del servizio.
2. Avviso e trigger. Kafka trasporta l'evento in un ambiente di grandi dimensioni e distribuito. Poi viene acquisito da Event-Driven Ansible, che attiva automaticamente un flusso di lavoro del rulebook in Ansible Automation Platform.
3. Analisi e informazioni dettagliate sull'IA. Il flusso di lavoro invia i log degli errori a un agente, basato su Llama Stack, per l'analisi della causa principale (RCA). Sulla base di questa analisi, viene generato un prompt da utilizzare per creare un playbook di correzione. Contemporaneamente, il team addetto alle operazioni di rete riceve una notifica contenente i log degli errori e l'RCA generata dall'intelligenza artificiale.

Le tecnologie Red Hat migliorano le soluzioni AIOps ottimizzando la raccolta degli eventi e l'esecuzione efficiente di modelli linguistici di grandi dimensioni (LLM) per migliorare l'analisi delle cause all’origine degli errori.

Fornire un’automazione fruibile

4. Decisione dell'agente: In base all'analisi, l'agente decide se è in grado di gestire autonomamente il problema. Verifica che Ansible Automation Platform, utilizzando l'MCP di terze parti, disponga di un modello di job in grado di risolvere il problema. Se ne trova uno, esegue automaticamente il modello per risolvere il problema. In caso contrario, la correzione viene gestita tramite un processo che prevede un intervento umano, per garantire che venga intrapresa l'azione corretta.

Correzione tramite intervento umano

5. Generazione di codice Ansible. Un operatore umano fornisce il prompt all'agente IA. Utilizzando l'MCP di terze parti e Ansible Automation Platform, l'agente invia questo prompt a Red Hat Ansible Lightspeed per generare un nuovo playbook di correzione. Sebbene questo processo possa essere completamente automatizzato, viene intenzionalmente incluso un ciclo che prevede l’intervento umano per rivedere e convalidare che il playbook generato sia accurato e sicuro prima della sua esecuzione.
6. Configurazione del sistema. Dopo aver verificato che il playbook generato sia accurato e sicuro, l'operatore umano indica all'agente IA di attivare un flusso di lavoro in Ansible Automation Platform. Questo flusso di lavoro invia il nuovo playbook Ansible a un repository Git, sincronizza il progetto in Ansible Automation Platform e crea un modello di job da eseguire.
7. Correzione.  Infine, l'agente IA richiama Ansible Automation Platform per orchestrare l'esecuzione dell'Ansible Playbook che risolve il problema all’origine dell'interruzione del servizio. All'interno di Ansible Automation Platform, l’approccio policy as code fornisce elementi di protezione all'agente IA (ad esempio, non è possibile apportare modifiche durante una finestra di manutenzione).

Conclusione

Il percorso verso reti intelligenti completamente autonome è complesso, ma è chiaro e può essere suddiviso in piccoli passaggi. Combinando le migliori informazioni sull'IA della rete con un'automazione fruibile, un provider di servizi può eliminare la frammentazione e creare sistemi unificati e intelligenti, in grado di ripararsi automaticamente. L’offerta di soluzioni Red Hat costituisce la base essenziale per creare questi sistemi di autocorrezione.

Scopri di più sulla serie integrata di tecnologie Red Hat, sulle iniziative del TM Forum e sui relativi progetti Catalyst.

• Red Hat Ansible Automation Platform
• Red Hat OpenShift AI
• Red Hat OpenShift Container Platform
• Model Context Protocol: Scopri l'anello mancante nell'integrazione dell'IA
• Automazione di rete con Red Hat Ansible Automation Platform
• Red Hat Ansible Lightspeed
• TM Forum DarkNOC: GenAI promuove NetOps basato su informazioni dettagliate
• TM Forum è un'alleanza globale di aziende tecnologiche e di telecomunicazioni