Когда сети связи становятся более сложными с ростом 5G, облачных систем и миллиардов подключенных устройств, отрасль все больше полагается на автоматизацию и прогнозирование с помощью искусственного интеллекта для снижения сбоев, улучшения надежности и изменения будущего сетевых операций.

Сектор телекоммуникаций переживает глубокую операционную смену, поскольку продолжает расти спрос на непрерывную цифровую связь. С быстрым развертыванием инфраструктуры 5G, распределенных облачных сред и масштабных IoT-экосистем, сетевые операции стали намного более сложными, чем в предыдущие десятилетия. Следовательно, традиционные методы, основанные на ручном мониторинге и реагирующем устранении неисправностей, оказываются недостаточными. В ответ организации в секторе принимают на себя Искусственный Интеллект для Операций IT (AIOps), прогнозирование и автоматизированное устранение для создания быстрее, умнее и более устойчивых сетей.

Среди профессионалов, которые способствуют этой трансформации, есть Мохит Баджпай, инженер- программист, чья работа сосредоточена на системах связи, платформах наблюдаемости и интеллектуальной автоматизации. За время своей карьеры он сосредоточился на том, чтобы помочь поставщикам услуг связи модернизировать операционные модели, сдвигаясь от реагирующего управления инцидентами к прогнозному, даннынодрайвенному принятию решений. Его работа по разработке масштабируемых систем наблюдения и передовых систем автоматизации отличает его как ведущего специалиста, работающего на стыке телекоммуникационного инженерного дела и примененного искусственного интеллекта. \n \n Он разработал архитектуры наблюдения, управляемые искусственным интеллектом, которые объединяют реальное время-теlemetry, такие как журналы, метрики и следы, в централизованные трубопроводы наблюдаемости. В результате команды сетей могут обнаруживать аномалии быстрее, выявлять причины проблем более точно и инициировать шаги по устранению с минимальным запаздыванием. По множественным реализациям эти системы reportedly внесли значительные операционные достижения, включая почти 40-процентные сокращения среднего времени до решения, ускорение циклов реагирования на инциденты и улучшение доступности с примерно 98% до 99,5%.

Кроме того, его работа подчеркивает модели предсказательного обслуживания, способные выявлять ранние предупреждающие признаки деградации сети до того, как пользователи испытывают нарушения. Сочетая машинное обучение с историческими и живыми данными о производительности, эти системы могут прогнозировать сбои и запускать корректирующие действия автоматически. Это представляет собой значительное отступление от традиционных моделей поддержки, где команды часто вмешиваются только после того, как уже были затронуты услуги. Таким образом, организации, принимающие такие рамки, сокращают ручную работу, одновременно улучшая непрерывность обслуживания.

Не менее важно внимание Баджпая к операциям наблюдаемости. Через интеграцию передовых инструментов наблюдения и систем telemetry он поддержал создание сред, в которых команды инженеров получают всеобъемлющий вид на распределенную инфраструктуру. Этот более широкий операционный вид позволяет командам сетей, IT и данных работать быстрее вместе, одновременно улучшая принятие решений с помощью действенных выводов. В то время, когда телекоммуникационные экосистемы все более децентрализуются, такая видимость становится необходимой, а не опциональной.

Кроме того, он работал над автоматизированными рамками для устранения неисправностей, настройки, управления конфигурацией и операций безопасности. Эти инициативы помогли ускорить сроки развертывания, сократить циклы обновления прошивки и снизить неожиданные сбои. На практике это означает, что поставщики услуг могут реагировать более эффективно на меняющиеся требования пользователей, одновременно поддерживая более устойчивую операционную стабильность.

В последнее время он исследовал использование генеративного AI в телекоммуникационных средах. Объединив большие языковые модели, системы обучения по подкреплению и синтетические данные

Возникновение этих новых архитектур направлено на улучшение реагирования на инциденты и обнаружения аномалий в сложных сетях. Хотя они еще развиваются, такие системы могут оказаться полезными при решении редких или ранее не виденных сценариев сбоя, с которыми традиционные модели часто не могут справиться.

В то же время Баджпай подчеркивает, что принятие ИИ должно быть approached ответственно. Намного зависимость от надежной автоматизации зависит от качества данных, прозрачности принятия решений и тщательно спроектированных моделей управления. По этой причине он предлагает подход в несколько этапов, в котором менее рискованные задачи автоматизируются, а более значимые решения продолжают включать в себя человеческий надзор. Этот баланс, многие эксперты считают, необходим для создания долгосрочной доверия к операциям, управляемым ИИ.

Взглянув на будущее, сектор телекоммуникаций, похоже, движется к все более автономной и самозажигающейся инфраструктуре. Будущие сети expected будут полагаться на предсказательную интеллигентность, объяснимый ИИ и тесно интегрированные системы наблюдения для обеспечения минимального времени простоя в высоких требованиях среде. В этом более широком переходе, профессионалы, такие как Мохит Баджпай, помогают формировать практические рамки для реализации умных операций на масштабе.

В заключение, поскольку связь становится центральной для экономики и повседневной жизни, успех телекоммуникационных сетей будет зависеть не только от скорости и покрытия, но и от устойчивости и оперативной интеллигентности. Растущее использование ИИ в управлении сетями предполагает, что будущее телекоммуникаций может быть определено не только быстрым автоматизированным управлением, но и самой инфраструктурой.

:::tip Эта история была распространена как выпуск Саньей Капур под программой бизнес-блоггинга HackerNoon.

:::