NETSCOUT تراهن على تجهيز السياق قبل استدلال الذكاء الاصطناعي

الخلاصة

• تعلن NETSCOUT انخفاضا يتجاوز 25% في استهلاك رموز الذكاء الاصطناعي خلال اختبارات داخلية مقارنة ببيانات MELT وحدها، وليس وفرا صافيا مثبتا لدى عميل.
• تتجه القيمة التجارية إلى إعداد سياق الشبكة قبل التحليل. وقدرات تشكيل تدفقات البيانات من جانب المشغل سبقت إعلان سبتمبر.

قبل أن يفسر نموذج ذكاء اصطناعي مشكلة في الشبكة، يكون اختيار مهم قد حدث بالفعل: ما المعلومات التي ستصل إليه، وكيف ستجمع، وما الذي سيبقى خارج المدخلات؟ تسعى NETSCOUT إلى جعل هذا العمل التحضيري جزءا أوسع من عرضها التجاري، بحيث يخدم أدوات متعددة بدلا من أن يبقى محصورا في شاشة مراقبة واحدة.

في إعلان 3 سبتمبر، وصفت الشركة توسيع منصة تحول نشاط الحزم المرصود إلى Smart Data مدمجة وغنية بالسياق، لاستخدامها في الذكاء الاصطناعي المؤسسي وأدوات التشغيل القائمة. وقال مدير العمليات Sanjay Munshi إن اختبارات داخلية خفضت استهلاك الرموز بأكثر من 25% مقارنة باستخدام المقاييس والأحداث والسجلات والتتبعات وحدها، المعروفة باختصار MELT. وأشار أيضا إلى انخفاض يتجاوز 75% في MTTK، أي متوسط الوقت اللازم لفهم المشكلة.

لا يتيح البيان إعادة بناء المقارنة. فهو لا يحدد النماذج أو تركيبة المهام أو حجم العينة أو الأزمنة المطلقة أو نتائج مضبوطة عند مستوى متماثل من جودة الإجابة. إنها نتائج ينسبها المورد إلى اختباراته، وليست تجربة عميل أعاد طرف مستقل تنفيذها. غياب هذه التفاصيل يحد من قابلية التعميم، ولا يثبت أن الاختبار خاطئ.

ولا يقيس الرقمان الفائدة نفسها. فالرموز جزء من التكلفة، بينما يستمر الإنفاق على الالتقاط والتجهيز والتخزين والتكامل والدعم. أما فهم المشكلة فلا يساوي إصلاحها بالكامل. وتصف NETSCOUT في شرح سابق MTTK بأنه مرحلة من أربع مراحل ضمن عملية الحل. لذلك لا يصح تحويل انخفاض زمن الفهم إلى النسبة نفسها من انخفاض وقت الإصلاح أو انقطاع الخدمة.

توضح صفحة المنصة أين تريد الشركة تقديم العمل مبكرا. ينتج فحص الحزم والتحليل عند نقطة الرصد بيانات وصفية منظمة ومعززة. يستخرج المعنى التشغيلي قبل تقليل البيانات، ثم يرتب في سياق أكثر كثافة. والغاية المعلنة هي تقليل حاجة الأدوات اللاحقة إلى إعادة تركيب ما حدث من سجلات متفرقة.

يمكن لهذا الإعداد أن يصبح موردا قابلا لإعادة الاستخدام في تحقيقات أو تطبيقات تحليلية أو نماذج مختلفة. وتعرض NETSCOUT المنصة بوصفها مكملة للاستثمارات القائمة في الرصد والذكاء الاصطناعي، لا بديلا إلزاميا لكل الأدوات. لكن المدخل الأصغر لا يثبت وحده أن المهمة نفسها أنجزت بنتيجة مفيدة مماثلة وبتكلفة إجمالية أقل.

كما أن تشكيل البيانات ليس اختراعا أعلن للمرة الأولى في سبتمبر. ففي إعلان 19 فبراير لمقدمي خدمات الاتصالات، وصفت الشركة Omnis AI Streamer بأنه يستخرج الإشارات ويجمعها ويضع لها تسميات. ويتيح Playbook Builder للمشغلين تشكيل التدفقات، مع تعزيز اختياري بالتعلم الآلي لبعضها. هذه قدرة موصوفة على الضبط من جانب المستخدم، وليست صورة لعميل يتلقى اختيارا مغلقا يفرضه المورد وحده.

يوسع إعلان سبتمبر الحجة الموجهة إلى الذكاء الاصطناعي المؤسسي ويضيف مقاييس داخلية. لكنه لا يثبت أن كل مكونات البنية جديدة، ولا يكشف سعرا للعرض أو وفرا صافيا لعميل أو إيرادا إضافيا. كذلك لا تجعل البيانات الوصفية المشتقة من الحزم جميع الحالات المهمة للتطبيق مرئية تلقائيا.

الرهان التجاري هو البقاء مفيدا حتى حين تتغير النماذج. أما جاذبية الشراء فتتوقف على تكلفة تجهيز السياق وإمكان فحص اختياراته ونتائجه، لا على نسبة استهلاك الرموز بمفردها.