<p>許多網絡專業人士對人工智能持懷疑態度。然而，人工智能並不是網絡專業人士的對立面，而是他們的助手，當用户與人工智能協同工作時，效果會更好，而不是對抗。</p>
<p>在本週由 ONUG 主辦的 2026 年春季人工智能網絡峯會上，IBM 外部產品管理負責人 Jason Lovelace 講述了這種合作關係的重要性。Lovelace 表示，人工智能正在各個工作領域中被使用，但網絡專業人士與該技術的互動方式與其他專業人士不同。即使人工智能的準確率達到 80%，對於網絡來説也不夠。</p>
<p>Lovelace 説：“要在網絡中實施人工智能，您需要考慮維持或改善三個九的標準。這裏的目標是通過人工智能作為合作伙伴來提升人類判斷力。”</p>
<p>為了實現這種高可用性，組織不應讓人工智能在網絡中自由發揮。相反，Lovelace 建議網絡專業人士保持自己的判斷，並 與人工智能作為合作伙伴 合作。他通過 IBM 的四步框架概述了這一過程：</p>
<ol>
<li>觀察：獲取時間洞察。</li>
<li>使用：應用推理並使用工具。</li>
<li>證明：評估建議並應用保護措施。</li>
<li>行動：執行更改。</li>
</ol>
<p>本文概述了網絡專業人士如何遵循 IBM 的模型來改善他們在網絡中使用人工智能的方式。</p>
<h2>1. 觀察</h2>
<p>模型的第一步涉及人工智能如何觀察網絡並從環境中收集信息。根據 Lovelace 的説法，一個 代理人工智能系統 需要兩個關鍵要素來收集有關網絡的有用信息：</p>
<ol>
<li>遠程監測數據。</li>
<li>上下文。</li>
</ol>
<h3>遠程監測數據</h3>
<p>實時的遠程監測數據對於人工智能工具理解網絡中發生的事情至關重要。延遲幾分鐘可能會導致問題，因為系統將無法實時評估網絡。</p>
<p>Lovelace 建議使用 時間序列 監測——一種收集時間段內指標並利用過去行為來理解系統性能的方法——來評估遠程監測數據。時間序列工具還可以在網絡中發現問題，這些問題發生在警報閾值之前。</p>
<p>根據 Lovelace 的説法，將代理人工智能與時間序列監測結合起來，使人工智能能夠全面理解網絡，這是分析數據的下一個最重要部分。</p>
<h3>上下文</h3>
<p>當代理人工智能模型對網絡有深入的上下文理解時，團隊可以利用它更全面地分析網絡中發生的異常和其他問題，Lovelace 説。</p>
<p>例如，網絡團隊可以使用這些指標數據來確定一個問題是孤立的還是指向更廣泛的問題，例如區分警報是問題本身還是實際問題的症狀。</p>
<p>他説：“我們需要這兩者共同作用，以便工程師清楚地瞭解發生了什麼。”</p>
<p>然而，Lovelace 警告説，人工智能代理不應擁有過多的上下文，因為這可能導致其表現不準確，並 引發更多問題。</p>
<h2>2. 使用</h2>
<p>接下來，網絡專業人士將人工智能工具應用於網絡。根據 Lovelace 的説法，認識到這一步中模型的重要性不如工具本身重要。</p>
<p>隨着模型的不斷演變，所使用的模型類型不如為網絡工程師創建和保護有用工具的能力重要。他補充説，生成代碼的人工智能工具 尤其可以幫助團隊構建所需的各種工具，為網絡工程師提供廣泛的工具以支持操作。</p>
<p>Lovelace 説：“工具的豐富性對於考慮網絡工程師日常工作至關重要。”</p>
<h2>3. 證明</h2>
<p>這一步更不是為了證明人工智能有效，而是為了 展示人工智能的可靠性。與人工智能工具可能幫助解決的其他問題不同，網絡問題更可能需要在人工智能工具中進行更多提示。提交給人工智能工具的請求越多，其複雜性越高，準確性越低。</p>
<p>Lovelace 説：“如果您的上下文窗口正在填滿，那麼在第四或第五步的幻覺的複合效應將使第 17、18 和 19 步不可靠。”</p>
<p>由於網絡操作的複雜性，工程師必須防止人工智能工具在流程鏈中傳遞不準確的信息。此外，網絡團隊必須實施保護措施，以防止複合錯誤並 確保網絡的整體可靠性。</p>
<h2>4. 行動</h2>
<p>模型的最後一步定義了網絡工程師如何將人工智能付諸實踐。Lovelace 表示，網絡工程師使用人工智能的方式取決於他們的資歷，而不是提供一種統一的方法。</p>
<p>初級網絡工程師可以利用人工智能來指導他們的決策。人工智能可以建議步驟，網絡工程師可以遵循並實施這些步驟，同時學習解釋。另一方面，資深網絡工程師應諮詢人工智能以獲取建議，然後決定是否實施其建議。</p>
<p>Lovelace 説：“他們希望能夠對模型提出質疑，並讓模型重新考慮其行動。”</p>
<h2>人工智能框架在工程團隊之間建立信任</h2>
<p>一個人工智能框架可以為網絡工程師和領導者提供一個他們感到舒適的人工智能使用方式。此外，它還可以幫助工程師直接在網絡運營中提升技能，並驗證他們的判斷力。</p>
<p>對於初級網絡工程師來説，人工智能框架可以幫助他們在分析、驗證和使用網絡數據時理解自己在網絡中所做的工作。這種理解可以幫助網絡工程師在網絡運營中從初級晉升到中級，再到高級。對於高級網絡工程師，人工智能框架可以幫助他們建立對人工智能模型的信任，並增強他們對網絡行為的判斷和理解。</p>
<p>最後，人工智能使用框架還可以確保領導者知道他們的工程師在安全地使用人工智能，符合 治理和可靠性要求。</p>
<p>&#34;如果人工智能技術發生變化，框架允許組織在良好治理和清晰執行的標準不變的情況下，享受主動網絡運營的好處並適應這些變化，&#34;洛夫萊斯説。</p>
<p><em>德安娜·達拉是 Informa TechTarget 的 SearchNetworking 網站的編輯。</em></p>

DTCR

XDAT

IDGT

基準數據與基礎設施房地產 SCTR ETF - Pacer

標普軟件與服務 ETF - SPDR

雲計算 ETF - GlobalX

北美科技軟件股指數 ETF - iShares

<p>在 2026 年春季人工智能網絡峯會上，IBM 的 Jason Lovelace 強調了人類判斷在人工智能輔助網絡操作中的重要性。他提出了一個四步框架：觀察（收集遙測和上下文）、使用（應用人工智能工具）、證明（展示人工智能的可靠性）和行動（根據工程師的資歷實施人工智能）。Lovelace 警告不要給予人工智能過多的自主權，主張網絡專業人員應保持監督，以確保可靠性和有效性</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>許多網絡專業人士對人工智能持懷疑態度。然而，人工智能並不是網絡專業人士的對立面，而是他們的助手，當用户與人工智能協同工作時，效果會更好，而不是對抗。</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>在本週由 ONUG 主辦的 2026 年春季人工智能網絡峯會上，IBM 外部產品管理負責人 Jason Lovelace 講述了這種合作關係的重要性。Lovelace 表示，人工智能正在各個工作領域中被使用，但網絡專業人士與該技術的互動方式與其他專業人士不同。即使人工智能的準確率達到 80%，對於網絡來説也不夠。</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 説：“要在網絡中實施人工智能，您需要考慮維持或改善三個九的標準。這裏的目標是通過人工智能作為合作伙伴來提升人類判斷力。”</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>為了實現這種高可用性，組織不應讓人工智能在網絡中自由發揮。相反，Lovelace 建議網絡專業人士保持自己的判斷，並 與人工智能作為合作伙伴 合作。他通過 IBM 的四步框架概述了這一過程：</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>觀察：獲取時間洞察。</li>
<li>使用：應用推理並使用工具。</li>
<li>證明：評估建議並應用保護措施。</li>
<li>行動：執行更改。</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>本文概述了網絡專業人士如何遵循 IBM 的模型來改善他們在網絡中使用人工智能的方式。</p>
</div><h2>1. See</h2>
<div class="lb-trans"><h2>1. 觀察</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觀察網絡並從環境中收集信息。根據 Lovelace 的説法，一個 代理人工智能系統 需要兩個關鍵要素來收集有關網絡的有用信息：</p>
</div><ol>
<li>Telemetry.</li>
<li>Context.</li>
</ol>
<div class="lb-trans"><ol>
<li>遠程監測數據。</li>
<li>上下文。</li>
</ol>
</div><h3>Telemetry</h3>
<div class="lb-trans"><h3>遠程監測數據</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>實時的遠程監測數據對於人工智能工具理解網絡中發生的事情至關重要。延遲幾分鐘可能會導致問題，因為系統將無法實時評估網絡。</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 建議使用 時間序列 監測——一種收集時間段內指標並利用過去行為來理解系統性能的方法——來評估遠程監測數據。時間序列工具還可以在網絡中發現問題，這些問題發生在警報閾值之前。</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>根據 Lovelace 的説法，將代理人工智能與時間序列監測結合起來，使人工智能能夠全面理解網絡，這是分析數據的下一個最重要部分。</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>當代理人工智能模型對網絡有深入的上下文理解時，團隊可以利用它更全面地分析網絡中發生的異常和其他問題，Lovelace 説。</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，網絡團隊可以使用這些指標數據來確定一個問題是孤立的還是指向更廣泛的問題，例如區分警報是問題本身還是實際問題的症狀。</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>他説：“我們需要這兩者共同作用，以便工程師清楚地瞭解發生了什麼。”</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 警告説，人工智能代理不應擁有過多的上下文，因為這可能導致其表現不準確，並 引發更多問題。</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>接下來，網絡專業人士將人工智能工具應用於網絡。根據 Lovelace 的説法，認識到這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>隨着模型的不斷演變，所使用的模型類型不如為網絡工程師創建和保護有用工具的能力重要。他補充説，生成代碼的人工智能工具 尤其可以幫助團隊構建所需的各種工具，為網絡工程師提供廣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 説：“工具的豐富性對於考慮網絡工程師日常工作至關重要。”</p>
</div><h2>3. Prove</h2>
<div class="lb-trans"><h2>3. 證明</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>這一步更不是為了證明人工智能有效，而是為了 展示人工智能的可靠性。與人工智能工具可能幫助解決的其他問題不同，網絡問題更可能需要在人工智能工具中進行更多提示。提交給人工智能工具的請求越多，其複雜性越高，準確性越低。</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 説：“如果您的上下文窗口正在填滿，那麼在第四或第五步的幻覺的複合效應將使第 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>由於網絡操作的複雜性，工程師必須防止人工智能工具在流程鏈中傳遞不準確的信息。此外，網絡團隊必須實施保護措施，以防止複合錯誤並 確保網絡的整體可靠性。</p>
</div><h2>4. Act</h2>
<div class="lb-trans"><h2>4. 行動</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>模型的最後一步定義了網絡工程師如何將人工智能付諸實踐。Lovelace 表示，網絡工程師使用人工智能的方式取決於他們的資歷，而不是提供一種統一的方法。</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>初級網絡工程師可以利用人工智能來指導他們的決策。人工智能可以建議步驟，網絡工程師可以遵循並實施這些步驟，同時學習解釋。另一方面，資深網絡工程師應諮詢人工智能以獲取建議，然後決定是否實施其建議。</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 説：“他們希望能夠對模型提出質疑，並讓模型重新考慮其行動。”</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團隊之間建立信任</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>一個人工智能框架可以為網絡工程師和領導者提供一個他們感到舒適的人工智能使用方式。此外，它還可以幫助工程師直接在網絡運營中提升技能，並驗證他們的判斷力。</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>對於初級網絡工程師來説，人工智能框架可以幫助他們在分析、驗證和使用網絡數據時理解自己在網絡中所做的工作。這種理解可以幫助網絡工程師在網絡運營中從初級晉升到中級，再到高級。對於高級網絡工程師，人工智能框架可以幫助他們建立對人工智能模型的信任，並增強他們對網絡行為的判斷和理解。</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>最後，人工智能使用框架還可以確保領導者知道他們的工程師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;如果人工智能技術發生變化，框架允許組織在良好治理和清晰執行的標準不變的情況下，享受主動網絡運營的好處並適應這些變化，&#34;洛夫萊斯説。</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·達拉是 Informa TechTarget 的 SearchNetworking 網站的編輯。</em></p>
</div>

為什麼網絡運營中的人工智能需要人類的判斷