<p>许多网络专业人士对人工智能持怀疑态度。然而，人工智能并不是网络专业人士的对立面，而是他们的助手，当用户与人工智能协同工作时，效果会更好，而不是对抗。</p>
<p>在本周由 ONUG 主办的 2026 年春季人工智能网络峰会上，IBM 外部产品管理负责人 Jason Lovelace 讲述了这种合作关系的重要性。Lovelace 表示，人工智能正在各个工作领域中被使用，但网络专业人士与该技术的互动方式与其他专业人士不同。即使人工智能的准确率达到 80%，对于网络来说也不够。</p>
<p>Lovelace 说：“要在网络中实施人工智能，您需要考虑维持或改善三个九的标准。这里的目标是通过人工智能作为合作伙伴来提升人类判断力。”</p>
<p>为了实现这种高可用性，组织不应让人工智能在网络中自由发挥。相反，Lovelace 建议网络专业人士保持自己的判断，并 与人工智能作为合作伙伴 合作。他通过 IBM 的四步框架概述了这一过程：</p>
<ol>
<li>观察：获取时间洞察。</li>
<li>使用：应用推理并使用工具。</li>
<li>证明：评估建议并应用保护措施。</li>
<li>行动：执行更改。</li>
</ol>
<p>本文概述了网络专业人士如何遵循 IBM 的模型来改善他们在网络中使用人工智能的方式。</p>
<h2>1. 观察</h2>
<p>模型的第一步涉及人工智能如何观察网络并从环境中收集信息。根据 Lovelace 的说法，一个 代理人工智能系统 需要两个关键要素来收集有关网络的有用信息：</p>
<ol>
<li>远程监测数据。</li>
<li>上下文。</li>
</ol>
<h3>远程监测数据</h3>
<p>实时的远程监测数据对于人工智能工具理解网络中发生的事情至关重要。延迟几分钟可能会导致问题，因为系统将无法实时评估网络。</p>
<p>Lovelace 建议使用 时间序列 监测——一种收集时间段内指标并利用过去行为来理解系统性能的方法——来评估远程监测数据。时间序列工具还可以在网络中发现问题，这些问题发生在警报阈值之前。</p>
<p>根据 Lovelace 的说法，将代理人工智能与时间序列监测结合起来，使人工智能能够全面理解网络，这是分析数据的下一个最重要部分。</p>
<h3>上下文</h3>
<p>当代理人工智能模型对网络有深入的上下文理解时，团队可以利用它更全面地分析网络中发生的异常和其他问题，Lovelace 说。</p>
<p>例如，网络团队可以使用这些指标数据来确定一个问题是孤立的还是指向更广泛的问题，例如区分警报是问题本身还是实际问题的症状。</p>
<p>他说：“我们需要这两者共同作用，以便工程师清楚地了解发生了什么。”</p>
<p>然而，Lovelace 警告说，人工智能代理不应拥有过多的上下文，因为这可能导致其表现不准确，并 引发更多问题。</p>
<h2>2. 使用</h2>
<p>接下来，网络专业人士将人工智能工具应用于网络。根据 Lovelace 的说法，认识到这一步中模型的重要性不如工具本身重要。</p>
<p>随着模型的不断演变，所使用的模型类型不如为网络工程师创建和保护有用工具的能力重要。他补充说，生成代码的人工智能工具 尤其可以帮助团队构建所需的各种工具，为网络工程师提供广泛的工具以支持操作。</p>
<p>Lovelace 说：“工具的丰富性对于考虑网络工程师日常工作至关重要。”</p>
<h2>3. 证明</h2>
<p>这一步更不是为了证明人工智能有效，而是为了 展示人工智能的可靠性。与人工智能工具可能帮助解决的其他问题不同，网络问题更可能需要在人工智能工具中进行更多提示。提交给人工智能工具的请求越多，其复杂性越高，准确性越低。</p>
<p>Lovelace 说：“如果您的上下文窗口正在填满，那么在第四或第五步的幻觉的复合效应将使第 17、18 和 19 步不可靠。”</p>
<p>由于网络操作的复杂性，工程师必须防止人工智能工具在流程链中传递不准确的信息。此外，网络团队必须实施保护措施，以防止复合错误并 确保网络的整体可靠性。</p>
<h2>4. 行动</h2>
<p>模型的最后一步定义了网络工程师如何将人工智能付诸实践。Lovelace 表示，网络工程师使用人工智能的方式取决于他们的资历，而不是提供一种统一的方法。</p>
<p>初级网络工程师可以利用人工智能来指导他们的决策。人工智能可以建议步骤，网络工程师可以遵循并实施这些步骤，同时学习解释。另一方面，资深网络工程师应咨询人工智能以获取建议，然后决定是否实施其建议。</p>
<p>Lovelace 说：“他们希望能够对模型提出质疑，并让模型重新考虑其行动。”</p>
<h2>人工智能框架在工程团队之间建立信任</h2>
<p>一个人工智能框架可以为网络工程师和领导者提供一个他们感到舒适的人工智能使用方式。此外，它还可以帮助工程师直接在网络运营中提升技能，并验证他们的判断力。</p>
<p>对于初级网络工程师来说，人工智能框架可以帮助他们在分析、验证和使用网络数据时理解自己在网络中所做的工作。这种理解可以帮助网络工程师在网络运营中从初级晋升到中级，再到高级。对于高级网络工程师，人工智能框架可以帮助他们建立对人工智能模型的信任，并增强他们对网络行为的判断和理解。</p>
<p>最后，人工智能使用框架还可以确保领导者知道他们的工程师在安全地使用人工智能，符合 治理和可靠性要求。</p>
<p>&#34;如果人工智能技术发生变化，框架允许组织在良好治理和清晰执行的标准不变的情况下，享受主动网络运营的好处并适应这些变化，&#34;洛夫莱斯说。</p>
<p><em>德安娜·达拉是 Informa TechTarget 的 SearchNetworking 网站的编辑。</em></p>

DTCR

XDAT

IDGT

基准数据与基础设施房地产 SCTR ETF - Pacer

标普软件与服务 ETF - SPDR

云计算 ETF - GlobalX

北美科技软件股指数 ETF - iShares

<p>在 2026 年春季人工智能网络峰会上，IBM 的 Jason Lovelace 强调了人类判断在人工智能辅助网络操作中的重要性。他提出了一个四步框架：观察（收集遥测和上下文）、使用（应用人工智能工具）、证明（展示人工智能的可靠性）和行动（根据工程师的资历实施人工智能）。Lovelace 警告不要给予人工智能过多的自主权，主张网络专业人员应保持监督，以确保可靠性和有效性</p>

<p>Many network professionals are skeptical about AI. However, AI is less of an antagonist and more of an assistant to network professionals, and it works far better when users work alongside AI rather than against it.</p>
<div class="lb-trans"><p>许多网络专业人士对人工智能持怀疑态度。然而，人工智能并不是网络专业人士的对立面，而是他们的助手，当用户与人工智能协同工作时，效果会更好，而不是对抗。</p>
</div><p>During this week's Spring 2026 AI Networking Summit, presented by ONUG, IBM outbound product management leader Jason Lovelace presented on the importance of this partnership. AI is being used across every sector of work, but how network professionals engage with the technology differs from how other professionals use it, Lovelace said. Even if AI is accurate 80% of the time, that's not sufficient for networking.</p>
<div class="lb-trans"><p>在本周由 ONUG 主办的 2026 年春季人工智能网络峰会上，IBM 外部产品管理负责人 Jason Lovelace 讲述了这种合作关系的重要性。Lovelace 表示，人工智能正在各个工作领域中被使用，但网络专业人士与该技术的互动方式与其他专业人士不同。即使人工智能的准确率达到 80%，对于网络来说也不够。</p>
</div><p>&#34;To implement AI in the network, you need to think about maintaining or improving on three nines,&#34; Lovelace said. &#34;The goal here is the illumination of human judgment through AI as a partner.&#34;</p>
<div class="lb-trans"><p>Lovelace 说：“要在网络中实施人工智能，您需要考虑维持或改善三个九的标准。这里的目标是通过人工智能作为合作伙伴来提升人类判断力。”</p>
</div><p>To achieve this high availability, organizations shouldn’t give AI free rein in the network. Rather, Lovelace suggested network professionals maintain their judgment and work with AI as a partner. He outlined this process through IBM's four-step framework:</p>
<div class="lb-trans"><p>为了实现这种高可用性，组织不应让人工智能在网络中自由发挥。相反，Lovelace 建议网络专业人士保持自己的判断，并 与人工智能作为合作伙伴 合作。他通过 IBM 的四步框架概述了这一过程：</p>
</div><ol>
<li>See: Gain temporal insights.</li>
<li>Use: Apply reasonings and use tools.</li>
<li>Prove: Evaluate suggestions and apply guardrails.</li>
<li>Act: Execute the changes.</li>
</ol>
<div class="lb-trans"><ol>
<li>观察：获取时间洞察。</li>
<li>使用：应用推理并使用工具。</li>
<li>证明：评估建议并应用保护措施。</li>
<li>行动：执行更改。</li>
</ol>
</div><p>This article outlines how network professionals can follow IBM's model to improve their AI use in networking.</p>
<div class="lb-trans"><p>本文概述了网络专业人士如何遵循 IBM 的模型来改善他们在网络中使用人工智能的方式。</p>
</div><h2>1. See</h2>
<div class="lb-trans"><h2>1. 观察</h2>
</div><p>This first step of the model concerns how AI observes the network and gathers information from the environment. According to Lovelace, an agentic AI system needs two critical pieces to collect useful information about the network:</p>
<div class="lb-trans"><p>模型的第一步涉及人工智能如何观察网络并从环境中收集信息。根据 Lovelace 的说法，一个 代理人工智能系统 需要两个关键要素来收集有关网络的有用信息：</p>
</div><ol>
<li>Telemetry.</li>
<li>Context.</li>
</ol>
<div class="lb-trans"><ol>
<li>远程监测数据。</li>
<li>上下文。</li>
</ol>
</div><h3>Telemetry</h3>
<div class="lb-trans"><h3>远程监测数据</h3>
</div><p>Real-time telemetry data is essential for the AI tool to understand what happens in the network as soon as it occurs. Delays of up to a few minutes can become problematic because the system will no longer evaluate the network in real time.</p>
<div class="lb-trans"><p>实时的远程监测数据对于人工智能工具理解网络中发生的事情至关重要。延迟几分钟可能会导致问题，因为系统将无法实时评估网络。</p>
</div><p>Lovelace suggested using time-series monitoring -- an approach that collects metrics over time and uses past behavior to understand how a system will perform -- to evaluate telemetry data. Time-series tools can also spot issues within the network that occur before it passes the threshold before an alarm.</p>
<div class="lb-trans"><p>Lovelace 建议使用 时间序列 监测——一种收集时间段内指标并利用过去行为来理解系统性能的方法——来评估远程监测数据。时间序列工具还可以在网络中发现问题，这些问题发生在警报阈值之前。</p>
</div><p>According to Lovelace, combining agentic AI with time-series monitoring enables the AI to have a comprehensive understanding of the network, the next most essential part of analyzing data.</p>
<div class="lb-trans"><p>根据 Lovelace 的说法，将代理人工智能与时间序列监测结合起来，使人工智能能够全面理解网络，这是分析数据的下一个最重要部分。</p>
</div><h3>Context</h3>
<div class="lb-trans"><h3>上下文</h3>
</div><p>When an agentic AI model has deep context about the network, teams can use it to analyze anomalies and other issues that occur in the network more thoroughly, Lovelace said.</p>
<div class="lb-trans"><p>当代理人工智能模型对网络有深入的上下文理解时，团队可以利用它更全面地分析网络中发生的异常和其他问题，Lovelace 说。</p>
</div><p>For example, network teams can use this metric data to determine whether an issue is isolated or points to a broader issue, such as distinguishing whether an alert is the issue itself or a symptom of the true problem.</p>
<div class="lb-trans"><p>例如，网络团队可以使用这些指标数据来确定一个问题是孤立的还是指向更广泛的问题，例如区分警报是问题本身还是实际问题的症状。</p>
</div><p>&#34;We need both of these things working together to give engineers a clear view of what's happening,&#34; he said.</p>
<div class="lb-trans"><p>他说：“我们需要这两者共同作用，以便工程师清楚地了解发生了什么。”</p>
</div><p>However, Lovelace cautioned against an AI agent having too much context, as it could perform less accurately and lead to more problems than fixes.</p>
<div class="lb-trans"><p>然而，Lovelace 警告说，人工智能代理不应拥有过多的上下文，因为这可能导致其表现不准确，并 引发更多问题。</p>
</div><h2>2. Use</h2>
<div class="lb-trans"><h2>2. 使用</h2>
</div><p>Network professionals next apply AI tools to the network. According to Lovelace, one of the most important things to recognize about this step is that the models are less important than the tools themselves.</p>
<div class="lb-trans"><p>接下来，网络专业人士将人工智能工具应用于网络。根据 Lovelace 的说法，认识到这一步中模型的重要性不如工具本身重要。</p>
</div><p>As models continue to evolve, the type of model used is less important than the ability to create and secure useful tools for network engineers, he said. AI tools that generate code can especially help teams build as many tools as needed, giving network engineers a vast array of tools to support operations, he added.</p>
<div class="lb-trans"><p>随着模型的不断演变，所使用的模型类型不如为网络工程师创建和保护有用工具的能力重要。他补充说，生成代码的人工智能工具 尤其可以帮助团队构建所需的各种工具，为网络工程师提供广泛的工具以支持操作。</p>
</div><p>&#34;The richness of the tools is critical for thinking about what your network engineers do on a daily basis,&#34; Lovelace said.</p>
<div class="lb-trans"><p>Lovelace 说：“工具的丰富性对于考虑网络工程师日常工作至关重要。”</p>
</div><h2>3. Prove</h2>
<div class="lb-trans"><h2>3. 证明</h2>
</div><p>This step is less about proving that AI works and more about demonstrating AI reliability. Unlike other issues that AI tools might help remediate, network problems are more likely to require more prompts in an AI tool. The more requests submitted to an AI tool, the more complexity it has and the lower its accuracy.</p>
<div class="lb-trans"><p>这一步更不是为了证明人工智能有效，而是为了 展示人工智能的可靠性。与人工智能工具可能帮助解决的其他问题不同，网络问题更可能需要在人工智能工具中进行更多提示。提交给人工智能工具的请求越多，其复杂性越高，准确性越低。</p>
</div><p>&#34;If your context window is filling up, the compounding effect of a hallucination at step four or five then makes steps 17, 18 and 19 not reliable,&#34; Lovelace said.</p>
<div class="lb-trans"><p>Lovelace 说：“如果您的上下文窗口正在填满，那么在第四或第五步的幻觉的复合效应将使第 17、18 和 19 步不可靠。”</p>
</div><p>Because of the complexity of network operations, engineers must prevent AI tools from relaying inaccurate information down the chain of processes. Additionally, network teams must implement guardrails to prevent compounding errors and ensure the network's overall reliability.</p>
<div class="lb-trans"><p>由于网络操作的复杂性，工程师必须防止人工智能工具在流程链中传递不准确的信息。此外，网络团队必须实施保护措施，以防止复合错误并 确保网络的整体可靠性。</p>
</div><h2>4. Act</h2>
<div class="lb-trans"><h2>4. 行动</h2>
</div><p>The final step of the model defines how network engineers put AI into practice. Rather than offering a blanket approach to AI network operations, Lovelace said the ways network engineers use AI depend on their level of seniority.</p>
<div class="lb-trans"><p>模型的最后一步定义了网络工程师如何将人工智能付诸实践。Lovelace 表示，网络工程师使用人工智能的方式取决于他们的资历，而不是提供一种统一的方法。</p>
</div><p>Junior network engineers would benefit from using AI to guide their decision-making. AI can suggest steps, and network engineers would follow and implement them while learning the explanations. A senior network engineer, on the other hand, should consult AI for recommendations and then decide which, if any, of its suggestions to implement.</p>
<div class="lb-trans"><p>初级网络工程师可以利用人工智能来指导他们的决策。人工智能可以建议步骤，网络工程师可以遵循并实施这些步骤，同时学习解释。另一方面，资深网络工程师应咨询人工智能以获取建议，然后决定是否实施其建议。</p>
</div><p>&#34;They want to be able to have the ability to push back on the model and have the model reconsider its actions,&#34; Lovelace said.</p>
<div class="lb-trans"><p>Lovelace 说：“他们希望能够对模型提出质疑，并让模型重新考虑其行动。”</p>
</div><h2>AI framework builds trust across engineering teams</h2>
<div class="lb-trans"><h2>人工智能框架在工程团队之间建立信任</h2>
</div><p>An AI framework could provide a means for AI use that network engineers and leaders are comfortable with. Additionally, it could help engineers improve their skills both directly within network operations and validate their judgment.</p>
<div class="lb-trans"><p>一个人工智能框架可以为网络工程师和领导者提供一个他们感到舒适的人工智能使用方式。此外，它还可以帮助工程师直接在网络运营中提升技能，并验证他们的判断力。</p>
</div><p>For junior network engineers, an AI framework could help them understand the work they're doing in a network when analyzing, validating and using network data. This understanding could help a network engineer advance in network operations, from entry-level to mid-level to senior-level. For senior network engineers, an AI framework can help them build trust in AI models and enhance their judgment and understanding of network behavior.</p>
<div class="lb-trans"><p>对于初级网络工程师来说，人工智能框架可以帮助他们在分析、验证和使用网络数据时理解自己在网络中所做的工作。这种理解可以帮助网络工程师在网络运营中从初级晋升到中级，再到高级。对于高级网络工程师，人工智能框架可以帮助他们建立对人工智能模型的信任，并增强他们对网络行为的判断和理解。</p>
</div><p>Finally, an AI usage framework can also ensure that leaders know their engineers are using AI safely, in line with governance and reliability requirements.</p>
<div class="lb-trans"><p>最后，人工智能使用框架还可以确保领导者知道他们的工程师在安全地使用人工智能，符合 治理和可靠性要求。</p>
</div><p>&#34;If the AI technologies change, the framework allows organizations to reap the benefits of agentic NetOps and consume those changes while the standards of good governance and clean execution don't change,&#34; Lovelace said.</p>
<div class="lb-trans"><p>&#34;如果人工智能技术发生变化，框架允许组织在良好治理和清晰执行的标准不变的情况下，享受主动网络运营的好处并适应这些变化，&#34;洛夫莱斯说。</p>
</div><p><em>Deanna Darah is site editor for Informa TechTarget's SearchNetworking site.</em></p>
<div class="lb-trans"><p><em>德安娜·达拉是 Informa TechTarget 的 SearchNetworking 网站的编辑。</em></p>
</div>

为什么网络运营中的人工智能需要人类的判断