商傳媒｜何映辰／台北報導
隨著人工智慧（AI）技術席捲企業IT領域，各界普遍預設其應用需仰賴穩健的底層基礎設施，例如實現自主營運、智慧分類或預測性修復等功能。然而，根據《Best Endpoint Protection Security》報導，全球半導體大廠博通（Broadcom）首席技術傳教士傑里米·羅斯巴赫（Jeremy Rossbach）指出，目前高達 95% 的網路團隊在遭遇效能問題時，仍處於被動反應狀態。
羅斯巴赫強調，企業對於人工智慧就緒（AI-ready）的討論進展神速，但實際運營層面卻遠遠落後。他比喻，人工智慧驅動的網路營運工具猶如「櫻桃」，需要乾淨、標準化且相互關聯的數據作為「蛋糕」。若缺乏穩固的數據基礎，再先進的人工智慧層也只會產生錯誤、緩慢或不可靠的輸出結果。
因此，建立成熟的網路可觀察性（Network Observability，指透過收集及分析網路數據來理解系統運作狀況的能力）實踐，對於人工智慧工具的應用非常關鍵。許多企業跳過此環節而直接導入人工智慧，恐將面臨失望的結局。
博通發展出一套五階段的網路可觀察性成熟度模型，描繪了從被動監控到人工智慧輔助自主營運的演進路徑。然而，大多數組織僅處於第二到第三階段之間。羅斯巴赫指出，許多團隊在第三階段停滯不前，儘管對資料中心內部擁有良好能見度，卻未能將監控範圍延伸至公眾網際網路服務供應商（ISP）、雲端服務商以及其他非企業管理的網路路徑。
這種外部能見度的缺乏，意味著網路營運中心（NOC）團隊在用戶遇到跨越企業擁有基礎設施的效能下降問題時，往往只能憑空猜測問題根源。現代應用程式交付橫跨受管與非受管基礎設施，僅監控資料中心邊界，將錯失絕大多數用戶的實際體驗路徑。
此外，多供應商環境中，不同設備之間的數據語言不一。若缺乏統一的數據標準化（normalization）層，這些數據將無法有效匯聚，也難以餵養人工智慧分析管道。數據遺漏或碎片化，會導致人工智慧輸出結果不可靠，進而侵蝕使用者對工具的信任。
羅斯巴赫表示，人工智慧輔助的網路營運旨在加速人類的決策過程，而非完全取代操作員。博通的網路可觀察性修復管理工具便展現了成熟的人工智慧輔助實踐，能識別關鍵設備、關聯警報與指標數據，並找出可能的根本原因。
他也提醒，網路自動化進展緩慢，原因在於單一組態錯誤可能導致嚴重影響，因此自動化流程需要逐步建立信任。過於激進地追求完全自動化，反而可能帶來與效益不成比例的風險。總體而言，若要建立一個真正的人工智慧就緒網路，企業必須優先落實全面的網路可觀察性實踐，確保收集到跨越所有網路層（包括非受管路徑）的標準化數據，才能為人工智慧營運工具提供可靠的基礎。
