Cloud ibrido, AI e automazione: la combinazione vincente per le telecomunicazioni

Il settore delle telecomunicazioni è chiamato ad affrontare due importanti sfide: gestire le proprie reti in maniera più efficiente e ridurre i costi di operazione. L’asso nella manica del settore telco è l’automazione guidata dall’AI che, abbinata al modello del cloud ibrido, permette di realizzare un’infrastruttura robusta ed efficiente. Ce ne parla Honoré LaBourdette, acting senior vice president, Global Telco, vice president, Telco Partner Ecosystem di Red Hat.

Il cloud ibrido è una rivoluzione che ha permesso a molte aziende di svariati settori di soddisfare esigenze di conformità, sicurezza ed economia là dove il cloud pubblico non è in grado di soddisfarle. Ora pure molti provider nel settore telco stanno affrontando questa trasformazione, guidati dalla volontà di costruire un’infrastruttura più flessibile e di adeguarsi al mutevole scenario di business.

Come fare, però, a migrare con sicurezza su un ambiente ibrido e, in seguito, ridurne la complessità operativa?

Intelligenza artificiale e automazione: elementi fondamentali

Sono due gli ingredienti fondamentali per integrare al meglio i cloud con una piattaforma scalabile: l’automazione end-to-end e l’intelligenza artificiale.

L’automazione esiste da tempo e i gestori di ambienti cloud ne decantano, giustamente, l’utilità. L’aggiunta dell’intelligenza artificiale non fa altro che aumentare a dismisura l’efficacia degli strumenti di automazione. Ora, i dati provenienti dai dispositivi collegati alle reti vengono analizzati da applicazioni di intelligenza artificiale che offrono agli strumenti di automazione raccomandazioni per apportare modifiche proattive e reattive. Ma non solo: l’intelligenza artificiale può anche accelerare il processo di scrittura dei comandi software per eseguire l’automazione.

Mentre il provisioning dei servizi di connettività è già automatizzato presso molti service provider, l’automazione a livello applicativo rimane un’opportunità aperta. Per sfruttare al meglio questa nicchia,  i service provider devono adottare un approccio olistico all’automazione, applicandola non solo a livello infrastrutturale e di rete, ma anche alle applicazioni aziendali. Si tratta quindi di applicare l’automazione su scala più ampia in modo coerente e ripetibile, il che tuttavia può portare a complicazioni derivanti dalla crescente complessità degli ambienti ibridi. Per ovviare a questo problema, l’automazione a livello aziendale può essere centralizzata su una piattaforma coerente.

Intelligenza artificiale per la gestione delle infrastrutture: un’opportunità da sfruttare

Nonostante tutti ormai parlino di intelligenza artificiale e la adottino in un modo o nell’altro, principalmente sotto forma di chatbot e servizi per il rilevamento del malware, l’uso di questa tecnologia nell’ottimizzazione delle infrastrutture è ancora agli inizi. Ma i risultati sono promettenti, e l’intelligenza artificiale è destinata a svolgere un ruolo sempre più importante nel ambito della gestione dell’infrastruttura.

In questo contesto, il concetto di retrieval augmented generation (RAG) sarà particolarmente importante. La RAG è in grado di fornire agli LLM informazioni aggiuntive provenienti da fonti di conoscenza esterne, come dati raccolti in tempo reale, informazioni contestuali, proprietarie o specifiche del dominio. Grazie a questi importanti dati è possibile costruire un sistema a circuito chiuso in grado di prendere automaticamente decisioni all’interno dell’infrastruttura, in modo da poterla regolare dinamicamente in base alle necessità. 

Cos’è possibile fare grazie alla RAG? Moltissime cose, tra le quali monitorare il traffico, gestire il carico e il ciclo di vita della rete, e gestire i consumi energetici dell’infrastruttura. Facciamo un esempio pratico riguardo a quest’ultimo punto: i carichi di lavoro possono essere compattati in unità più piccole per utilizzare meno energia nel data center, con conseguente riduzione dei costi. Questa operazione, finora, richiedeva l’accesso a ciascun sistema separatamente e l’esecuzione di scheduler: un grande passo in avanti quindi.

Inoltre, nella rete di accesso radio (RAN), i modelli di intelligenza artificiale possono essere utilizzati per un controllo più dinamico di frequenze, settori, celle e stazioni base. In generale, l’intelligenza artificiale può semplificare e snellire le operazioni consentendo l’analisi delle cause in tempo reale per ridurre il tempo necessario a risolvere i problemi. O, ancora, con l’analisi predittiva prevenire i problemi prima ancora che si verifichino, offrendo un’esperienza di servizio generalmente migliore.

Il ruolo del cloud ibrido

Intelligenza artificiale e cloud vanno a braccetto, quindi l’ascesa della prima comporta l’ascesa pure della seconda. Le organizzazioni si stanno rendendo conto che per alimentare e ottenere il meglio dai propri progetti di intelligenza artificiale servono sempre più risorse on-premise, sull’edge e nel cloud. Ciò le sta spingendo all’integrazione strategica di soluzioni cloud ibride nelle iniziative di intelligenza artificiale.

Le motivazioni principali sono la necessità di combinare la sicurezza e la sovranità dei dati con la potenza di calcolo necessaria per i potenti modelli di intelligenza artificiale, mantenendo allo stesso tempo sotto controllo i costi di formazione dei modelli e di inferenza dei modelli. L’integrazione dell’intelligenza artificiale nel cloud è fondamentale per sbloccare nuove opportunità di business, come le applicazioni edge aziendali, e per trasformare le pratiche di lavoro tradizionali.

Per maggiori informazioni, vi invitiamo a esplorare le soluzioni di automazione di Red Hat, disponibili presso la pagina web dedicata.

Red Hat Enterprise Linux 9 Administration: A comprehensive Linux system administration guide for RHCSA certification exam candidates, 2nd Edition

• Pablo Iranzo Gómez (Autore)

42,99 EUR

Acquista su Amazon