Insights de IA com automação acionável aceleram a jornada para redes autônomas

O setor de telecomunicações está acelerando seu processo de transformação digital, impulsionado pela crescente complexidade das redes modernas e demanda por implementações de serviços mais rápidas e confiáveis. Para atender a essas demandas, as operadoras estão adotando redes autônomas inteligentes, projetadas para ingerir grandes volumes de dados e executar ações de forma autônoma e em alta velocidade. A jornada para redes autônomas inteligentes não é um projeto de tecnologia, mas uma mudança operacional obrigatória para proteger as margens e acelerar o tempo para lançamento do serviço. Isso levou a conceitos como o DarkNOC, um centro de operações de rede que pode operar sem intervenção humana direta. Ele usa a tecnologia para aumentar a confiabilidade da rede, melhorar o desempenho e aumentar a eficiência de custos.

Há dois princípios fundamentais para construir redes autônomas: oferecer melhores insights de IA para redes e automação prática.

Permitir melhores insights de IA em redes

Para que qualquer solução de AIOps seja eficaz, ela deve ser construída sobre uma base de insights de alta qualidade orientados por IA. Esses insights são derivados de recursos como:

• Agregação e análise de dados
• Detecção e previsão de anomalias
• Alertas inteligentes e análise da causa raiz
• Como usar a IA para o monitoramento de eventos entre domínios

A Red Hat capacita nossos parceiros a criarem fluxos de trabalho de AIOps de alto impacto por meio de uma plataforma robusta e unificada. Nosso portfólio — que abrange infraestrutura de nuvem híbrida, desenvolvimento nativo em nuvem, IA, automação e gerenciamento de TI e edge computing — é representado por tecnologias como Red Hat OpenShift, Red Hat OpenShift AI, Llama Stack Agent Framework, Red Hat Enterprise Linux e Red Hat Runtimes. Juntos, oferecemos as plataformas essenciais de IA e CaaS (Container como Serviço) que as soluções de AIOps exigem.

Fornecendo automação acionável

Obter insights é apenas metade do caminho. Você também precisa da capacidade de agir sobre eles de forma rápida e confiável. Você precisa de automação acionável. O envolvimento da Red Hat em conceitos como o projeto TM Forum DarkNOC Catalyst destacou a necessidade de uma abordagem unificada para a automação, como uma centrada no Red Hat Ansible Automation Platform, que superasse o cenário fragmentado de ferramentas e scripts proprietários.

O verdadeiro poder dessa abordagem integrada é sua capacidade de criar um sistema de circuito fechado que avança do problema à resolução mais rapidamente do que qualquer processo conduzido por pessoas. Esse sistema de agentes de IA detecta um problema de forma autônoma, determina a correção, gera o código e corrige o problema, tudo de maneira auditável e governada por políticas. Isso significa que os problemas que antes exigiam uma equipe completa e horas de trabalho agora são resolvidos automaticamente, maximizando o tempo de atividade da rede.

Os principais elementos para uma estratégia de automação multidomínio eficaz incluem:

• Uma única linguagem de automação para simplificar, como o código YAML do Ansible.
• Geração de código acelerada para melhorar a qualidade do código e resolver a falta de scripts de automação existentes.
• Execução confiável em escala e execução orientada por eventos em escala para velocidade e desempenho.
• Automação de Política como código, servindo como proteção da IA e confirmando que a automação atende aos requisitos relevantes de conformidade e segurança.

Do DarkNOC à Agentic AI: A evolução da automação prática

Hoje, estamos evoluindo essa visão para além da simples geração de código com serviços de IA generativa, usando o Red Hat Ansible Lightspeed, um recurso nativo do Red Hat Ansible Automation Platform. Agora, estamos adicionando agentes de IA e Model Context Protocol (MCP) para fechar o ciclo de automação. Os agentes de IA representam um avanço significativo, pois se trata de sistemas autônomos capazes de planejar e executar tarefas complexas. Ao integrar agentes de IA ao Red Hat Ansible Automation Platform, habilitamos um sistema que pode não apenas gerar código de correção, mas também orquestrar inteligentemente sua execução, regida por proteções de IA por meio de policy as code automatizadas.

Em resumo

Criamos uma demonstração abrangente que ilustra como o portfólio integrado e otimizado da Red Hat combina melhores insights de IA com automação prática, usando IA generativa e agentes de IA para construir as redes inteligentes e autônomas do futuro.

Veja como se desenvolve o fluxo de trabalho da demonstração:

1. O evento ocorre: uma falha de serviço intencional é criada.
2. Alerta e gatilho: o Kafka transporta o evento em um ambiente amplo e distribuído. Em seguida, o evento é capturado pelo Event-Driven Ansible, que aciona automaticamente um fluxo de trabalho de rulebook no Ansible Automation Platform.
3. Análise e insight de IA: o fluxo de trabalho envia logs de erro para um agente, equipado com Llama Stack, para análise da causa raiz (RCA). Com base nessa análise, um prompt é gerado (para ser usado na criação de um playbook de correção). Simultaneamente, a equipe de operações de rede é notificada com os logs de erro e a RCA gerada por IA.

As tecnologias da Red Hat aprimoram as soluções de AIOps, otimizando a coleta de eventos e executando LLMs eficientemente para melhorar a análise da causa raiz.

Fornecendo automação acionável

4. Decisão do agente: Com base na análise, o agente decide se pode lidar com o problema sozinho. Ele verifica o Ansible Automation Platform, usando o MCP de terceiros, para encontrar um template de tarefa existente que corrija o problema. Se encontrar um, ele executa o template automaticamente para resolver o problema. Caso contrário, a correção é tratada por meio de um processo que envolve a intervenção humana, para garantir que a ação correta seja tomada.

Correção usando "human-in-the-loop"

5. Geração de código Ansible: um operador humano fornece o prompt ao agente de IA. Usando o MCP de terceiros e o Ansible Automation Platform, o agente alimenta esse prompt ao Red Hat Ansible Lightspeed para gerar um novo playbook de correção. Embora esse processo possa ser totalmente automatizado, uma intervenção humana é incluída intencionalmente para revisar e validar se o playbook gerado é preciso e seguro antes de ser executado.
6. Configuração do sistema: após verificar se o playbook gerado é preciso e seguro, o operador humano instrui o agente de IA a acionar um fluxo de trabalho no Ansible Automation Platform. Esse fluxo de trabalho envia o novo playbook do Ansible para um repositório Git, sincroniza o projeto no Ansible Automation Platform e cria um template de tarefa para executá-lo.
7. Correção: finalmente, o agente de IA chama o Ansible Automation Platform para orquestrar a execução do playbook do Ansible que resolve o problema original que causou a interrupção do serviço. No Ansible Automation Platform, policy as code fornece proteções ao agente de IA (por exemplo, você não pode fazer alterações durante uma janela de manutenção).

Conclusão

A jornada rumo a redes inteligentes totalmente autônomas é complexa, mas o caminho é claro e pode ser dividido em etapas menores e práticas. Ao combinar melhores insights de IA de rede com automação acionável, um provedor de serviços pode superar os desafios da fragmentação e criar sistemas unificados, inteligentes e de autorrecuperação. O conjunto unificado de soluções da Red Hat oferece a base essencial para construir esses sistemas de autorrecuperação.

Saiba mais sobre o conjunto integrado de tecnologias da Red Hat, as iniciativas do TM Forum e os projetos Catalyst relevantes.

• Red Hat Ansible Automation Platform
• Red Hat OpenShift AI
• Red Hat OpenShift Container Platform
• Protocolo de contexto do modelo: Descubra o elo perdido na integração da IA
• Automação de rede com o Red Hat Ansible Automation Platform
• Red Hat Ansible Lightspeed
• TM Forum DarkNOC: GenAI impulsiona NetOps orientado por insights
• TM Forum é uma aliança global de empresas de telecomunicações e tecnologia