Honoré LaBourdette, výkonná viceprezidentka pro globální sektor telekomunikací a viceprezidentka pro partnerský ekosystém v oblasti telekomunikací ve společnosti Red Hat
Telekomunikační společnosti dnes čelí výzvě, jak efektivněji provozovat a monetizovat své sítě. Klíčem k úspěchu je schopnost navrhnout a vybudovat inteligentní, autonomní infrastrukturu, která bude zahrnovat využití automatizace, umělé inteligence (AI) i příznivých ekonomických aspektů modelu hybridního cloudu.
Stejně jako v mnoha jiných odvětvích dochází i v telekomunikacích k přehodnocení využívání cloudu a už jen velmi málo společností se stále drží původního plánu přesunout vše do veřejného cloudu. Různé úlohy vyžadují použití odlišných provozních prostředí, aby byly splněny požadavky na dodržování předpisů a zabezpečení i ekonomické nároky. Ukázalo se, že nejlepší cestou jsou hybridní scénáře.
Stejnou diskusi dnes vede mnoho poskytovatelů služeb, kteří po období rychlé migrace do cloudu získali lepší představu o ekonomice svého provozu. Toto povědomí, spolu s měnícími se regulačními požadavky a obchodními strategiemi, vede k častému přehodnocování rozhodnutí, které úlohy by měly být přesunuty do jakého cloudu. Důraz je přitom kladen na strategie hybridního cloudu, které poskytují potřebnou flexibilitu pro přizpůsobení se proměnlivým požadavkům a finančním, provozním i obchodním cílům.
Jedním ze způsobů, jak zjednodušit hybridního prostředí, je použití horizontální a jednotné platformy, která poskytuje konzistentní sadu provozních nástrojů a funkcí zabezpečení napříč různými cloudy. Organizace s ní získávají centrální kontrolu pomocí automatizace škálování a přesouvání úloh z datového centra na okraj sítě i do veřejného cloudu – a zase zpět. Cílem je maximální flexibilita a nezávislost při výběru současných nebo budoucích možností cloudu.
Integrovaná automatizace
Pro nejlepší integraci cloudů se škálovatelnou platformou jsou zásadní dvě věci: komplexní automatizace a umělá inteligence. Automatizace pomáhá hned několika způsoby. Dnešní automatizace poskytuje datové body z mnoha zařízení a koncových bodů v rámci síti a IT, přičemž data z nich jsou analyzována aplikacemi AI, které pak vracejí doporučení pro automatizační nástroje, aby prováděly proaktivní i reaktivní změny. Kromě toho, že AI poskytuje lepší informace o tom, co automatizujete, může také urychlit proces psaní softwarových příkazů k provádění automatizace.
Poskytování konektivity je již u mnoha dodavatelů služeb automatizováno, ale otevřenou příležitostí zůstává propojení automatizace na aplikační vrstvě. Stejně jako v případě hybridního cloudu musí poskytovatelé služeb k automatizaci přistupovat holisticky, a to jak na úrovni sítě a infrastruktury, tak na úrovni podnikových aplikací. Jde o použití automatizace v širším měřítku konzistentním a opakovatelným způsobem, ať už jde o poskytování infrastruktury, vývoj služby nebo získávání dat ze systému. Automatizace v rámci celé organizace pak může být centralizována na jednotné platformě, aby se zabránilo vzniku izolovaných ostrůvků automatizace a zlepšila se celková použitelnost i produktivita.
Aplikace AIOps na infrastrukturu
Poskytovatelé služeb dosud využívají AI spíše v oblastech, jako je obsluha zákazníků pomocí chatbotů, kontrola dodržování předpisů nebo detekce malwaru. Využití AI při optimalizaci infrastruktury je zatím v plenkách, ale s rozvojem generativní AI a velkých jazykových modelů (LLM) bude hrát stále významnější roli. Důležitý bude zejména koncept retrieval augmented generation (RAG), který poskytuje LLM další informace z externích znalostních zdrojů, jako jsou aktuální data v reálném čase nebo kontextové, proprietární či pro danou doménu specifické informace. To umožňuje vytvořit uzavřený systém, který může automaticky řídit rozhodnutí v infrastruktuře, takže ji lze dynamicky upravovat podle potřeby.
Může se to týkat monitorování provozu, řízení zátěže, ladění, správy životního cyklu sítě i správy napájení. Díky tomu lze například slučovat úlohy do menších jednotek, aby se v datovém centru spotřebovalo méně energie, což vede k nižším nákladům. Doposud bylo nutné přistupovat ke každému systému zvlášť a spouštět plánovače, takže jde o výrazný transformační posun. V rádiové přístupové síti (RAN) lze modely AI použít pro dynamičtější řízení frekvencí, sektorů, buněk a základnových stanic. AI může také zjednodušit a zefektivnit provoz umožněním analýzy příčin problémů v reálném čase a zkrátit tak dobu potřebnou k odstranění potíží, nebo pomocí prediktivní analýzy zabránit problémům ještě předtím, než nastanou, a zajistit tak celkově lepší úroveň služeb.
Smysl hybridního cloudu
Vzestup umělé inteligence znamená i vzestup cloudu. Organizace si stále více uvědomují, že pro maximální využití svých projektů AI potřebují lokální zdroje, stejně jako edge computing i cloud, a proto pracují na strategické integraci řešení hybridního cloudu do iniciativ AI. Důvodem je potřeba sladit bezpečnost a suverenitu dat s výpočetní kapacitou potřebnou pro výkonné modely AI a zároveň udržet pod kontrolou náklady na trénování a odvozování modelů. Cloudové služby a AI jsou v jistém smyslu v symbióze, přičemž cloudové služby slouží jako základ pro další rozvoj a široké přijetí umělé inteligence. Tato integrace má zásadní význam pro odhalení nových obchodních příležitostí, jako jsou například podnikové aplikace edge computingu a transformace tradičních pracovních postupů
Radikální změna představy o sítích je nakonec to, co pomůže poskytovatelům služeb nastartovat inovace a udržet si konkurenceschopnost i připravenost na budoucnost. Máme na dosah možnost vytvořit plně automatizovanou infrastrukturu, která využívá bezdotykové zavádění i provoz, má inteligentní řízení výpočetní kapacity, úložiště i sítě a je schopna se sama konfigurovat, zotavit se i optimalizovat, stejně jako se sama vyvíjet. Toho ale nelze dosáhnout vytvářením odlišně fungujících snowflakes služeb, ani rozhodováním v izolovaném prostředí. K tomu, aby bylo možné těžit z kompletního propojení od datového centra přes edge computing až po cloud, potřebuje odvětví společný provozní model, automatizační techniku a cloudovou platformu. A především potřebuje otevřený a kooperativní ekosystémový přístup k tvorbě, testování a inovacím, který všechny tyto prvky spojí.