في العام الماضي، أفاد المحلل فورستر أنه بينما تدير أقسام تكنولوجيا المعلومات محافظ استثمارية بقيمة مليار دولار، فإن عملياتها الداخلية تتخلف في الأتمتة والتنسيق والرؤية. إن تعقيد إدارة البنية الحديثة لتكنولوجيا المعلومات يعني أن إدارة الشبكة يجب أن تتطور. وهذا ليس شيئًا جديدًا تمامًا.
تعد الأتمتة جزءًا من الوظائف المتوفرة في أدوات إدارة الشبكة الحديثة. يتم استخدام تحليل البيانات الضخمة لملفات سجل الشبكة في معلومات الأمان وإدارة الأحداث (SIEM)، ويساعد التعلم الآلي (ML) مسؤولي الشبكة على تحديد المشكلات المحتملة قبل أن تؤثر على الأعمال.
يوضح فيل هوانغ، مدير تطوير الأعمال والتطبيقات الميدانية في D-Link: “نحن نقدم منصة إدارة سحابية خالصة للشبكات لعدد من السنوات والذكاء الاصطناعي [artificial intelligence] إن المساعدة وراء إدارة الشبكة هذه تمنحنا القدرة على المراقبة في الوقت الفعلي وكذلك محاولة التنبيه بشكل استباقي إلى أي مشاكل محتملة قد تنشأ.
من المحتمل أن يؤدي التقدم في الأدوات إلى تقليل تعقيد إدارة الشبكة. يقول مات ستافا، الرئيس التنفيذي ورئيس مجلس إدارة شركة دعم الطرف الثالث Spinnaker Support، إن هذا يغير دور مسؤولي تكنولوجيا المعلومات والمبرمجين. وبالنظر على وجه التحديد إلى مهارات الشبكة، يقول: “تضاءلت الحاجة إلى خبير معتمد من Cisco في الوقت الحالي”.
مهارات التواصل الحديثة
تعني البنية التحتية الحديثة لتكنولوجيا المعلومات أن وجود متخصص في الشبكات المعتمد في الصناعة أصبح أقل أهمية. في منشور مدونة في مارس 2026، سلط أميت كاتز، نائب رئيس محول الإيثرنت في Nvidia، الضوء على التحولات التي تحدث في إدارة الشبكة.
في هذا المنشور، يشير كاتز إلى أنه على الرغم من أن قيمة مسؤول الشبكة الجديد ربما تم قياسها مسبقًا من خلال مستوى خبرته في واجهة سطر أوامر شبكة معينة (CLI)، فإن ظهور السحابة الهجينة وDevOps يعني أن هناك تحولًا متزايدًا نحو واجهات برمجة التطبيقات (APIs).
“مهارات في Ansible، Salt [the open source automation framework] ويقول: “إن شهادة Python تتمتع الآن بقيمة أكبر من شهادة Cisco”.
الآن، يعتقد كاتز أن المهام التي يتعين على مسؤولي الشبكة القيام بها تختلف تمامًا عن الطريقة التي كانوا يستخدمونها لمراقبة الشبكات وإدارتها.
تتمتع المهارات في Ansible وSalt وPython الآن بقيمة أكبر من شهادة Cisco
أميت كاتز، نفيديا
“لقد انتقلت من الأدوات التي تستقصي الأجهزة عبر مركز البيانات باستخدام SNMP [Simple Network Management Protocol] و نت فلو [which monitors IP traffic] إلى نماذج القياس عن بعد الجديدة القائمة على المحولات حيث تقوم المحولات ببث تفاصيل التشخيص المستندة إلى التدفق بشكل استباقي،” كما يشير في منشور المدونة.
ووفقًا لكاتز، في حين يتمتع مسؤولو الشبكات بخبرة كبيرة في إدخال أعباء عمل جديدة في مراكز البيانات – وبعضها لديه متطلبات شبكات فريدة – فإن بناء مجموعة الذكاء الاصطناعي هو في الواقع مختلف تمامًا.
يكتب: “من المغري الاعتقاد بأن الذكاء الاصطناعي هو مجرد تطبيق أكبر وأسرع للبيانات الضخمة. لكن الذكاء الاصطناعي مختلف، ويمكن أن يكون الذكاء الاصطناعي صعبا دون الأدوات المناسبة”.
يلعب الذكاء الاصطناعي أيضًا دورًا في مساعدة مسؤولي الشبكات على إدارة هذا التعقيد بسهولة أكبر. تقول مجموعة خدمات المعلومات (ISG)، وهي شركة أبحاث واستشارات، إن المؤسسات تستفيد من القدرات المحسنة للذكاء الاصطناعي والتعلم الآلي لأتمتة تغييرات التكوين والتحسين عبر الشبكة.
في مقال نشرته مجموعة ISG حول كيفية قيام الذكاء الاصطناعي بتحويل عمليات الشبكة، أشار مارك هيرين، المدير في ISG، إلى أن الذكاء الاصطناعي يمكنه تحليل بيانات الشبكة وتحديد الأنماط لإنشاء تكوينات تعمل تلقائيًا على تحسين الأداء.
ويقول إن Cisco وJuniper Networks، الأخيرة التي أصبحت الآن جزءًا من Hewlett Packard Enterprise، تعملان على تطوير منتجات الشبكات القائمة على المقاصد والتي تستخدم الذكاء الاصطناعي لفهم نية المسؤول وتكوين الشبكة تلقائيًا وفقًا لذلك. تعتبر هذه التكنولوجيا ضرورية لمواكبة إدارة الشبكة المتزايدة التعقيد.
تعقيد الشبكة
في عرض تقديمي في Microsoft Build 2025، تحدث فيل جيرفاسي، مدير التبشير التقني في Kentik، عن كيفية نمو الشبكات في التعقيد. وهي تغطي الآن سحابات مختلفة، ومراكز بيانات، وحوسبة حافة، وبنية تحتية مختلطة لتكنولوجيا المعلومات، وكلها تقدم تحديات جديدة لإدارة الشبكات.
وقال للحاضرين: “لقد تجاوز حجم القياس عن بعد والأحداث والسجلات القدرة البشرية على التحليل في الوقت الفعلي”. وفي الوقت نفسه، كما أشار جيرفاسي، تتعرض فرق الشبكة لضغوط لتحسين متوسط الوقت لحل المشكلة، والحفاظ على وقت التشغيل دون زيادة عدد الموظفين.
لقد تجاوز حجم القياس عن بعد والأحداث والسجلات القدرة البشرية على التحليل في الوقت الفعلي
فيل جيرفاسي، كنتيك
وأضاف: “ما يقدمه الذكاء الاصطناعي ليس سحرًا، ولكنه طريقة أفضل لربط البيانات والتنبؤ بالأداء وفهم سلوك الشبكة في السياق. لذلك، باختصار، يساعد الذكاء الاصطناعي المشغلين على الانتقال من الاستجابة إلى التنبؤ”.
بينما يتم استخدام التعلم الآلي في الشبكات لتخطيط السعة والكشف عن الحالات الشاذة وتحديد الأساس، قال جيرفاسي إن نماذج اللغات الكبيرة (LLMs) تقدم نهجًا مختلفًا لإدارة الشبكة. وقال لمندوبي Build 2025: “على عكس نماذج البيانات الكلاسيكية، التي تعتمد على البيانات المنظمة، تعمل LLMs على معلومات غير منظمة مثل الوثائق وملفات التكوين والتذاكر”. ومع ذلك، فإن LLMs احتمالية، مما يعني أنها يمكن أن تنتج إجابات غير متناسقة ومختلفة لنفس المطالبات.
كما أنهم يهلوسون. للتغلب على هذه القيود، شدد جيرفاسي على الحاجة إلى ضمان جودة بيانات التدريب والتقييم المناسب والسلوك النموذجي الخاضع للرقابة. هذه هي العناصر الأساسية للحفاظ على استجابات LLM صادقة.
تعد الخصوصية والتنظيم أيضًا من المشكلات التي تواجه حاملي شهادات LLM، خاصة عند التعامل مع بيانات الشبكة التي قد تحتوي على معلومات حساسة. بعض تحديات عمليات تكنولوجيا المعلومات متأصلة في استخدام الذكاء الاصطناعي. بالنسبة لجيرفاسي، يجب على صناع القرار في مجال تكنولوجيا المعلومات أن يكونوا على دراية بالصعوبات التي قد تنشأ عند دمج القياس عن بعد في الوقت الحقيقي، والتعامل مع أنواع البيانات المتنوعة، وإدارة تكاليف الحوسبة لأحمال عمل الذكاء الاصطناعي.
ولكن على الرغم من هذه التحذيرات، يعتقد جيرفاسي أن القوة الحقيقية لماجستير القانون تكمن في قدرتها على تجميع كميات هائلة من البيانات وتحويلها إلى معلومات يمكن بعد ذلك استخدامها من قبل الأشخاص لاتخاذ قرارات أفضل.
تتمثل نقطة البداية في استخدام الذكاء الاصطناعي لإدارة الشبكة في جمع سجلات القياس عن بعد للشبكة وتذكرة مكتب المساعدة وملفات التكوين. ويجب بعد ذلك تنظيفها وتخزينها بتنسيق يمكن لنظام الذكاء الاصطناعي الوصول إليه.
وأخبر جيرفاسي المندوبين أن إحدى أكثر الطرق فعالية لاستخدام هذه المعلومات هي من خلال تقنية الاسترجاع المعزز (RAG). على سبيل المثال، قال إنه عندما يرسل المستخدم استعلامًا، يقوم النظام بتحويل السؤال إلى تمثيل رياضي، والذي يبحث في قاعدة بيانات متجهة عن البيانات ذات الصلة لغويًا، مثل القياس عن بعد أو الأحداث الماضية أو الوثائق.
وأوضح أن “ماجستير القانون في القانون يقوم بعد ذلك بتجميع الإجابة باستخدام المعرفة العامة والسياق المسترجع”.
بمجرد أن تكون البيانات في تنسيق يمكن لنموذج الذكاء الاصطناعي معالجته، فإن الذكاء الاصطناعي الوكيل يعد تقدمًا طبيعيًا. ويقول: “لا يستجيب ماجستير القانون للمطالبات فحسب، بل يعمل نوعًا ما مثل الدماغ، حيث يقوم بتنسيق أدوات متعددة”.
خلال العرض التقديمي، تحدث جيرفاسي عن كيفية قيام الوكيل بتشغيل مسار التتبع، وجمع القياس عن بعد للشبكة، والتشاور مع قاعدة المعرفة، ثم إنشاء خطة إصلاح، كل ذلك بشكل مستقل، ولكن تحت إشراف بشري، من خلال الذكاء الاصطناعي الوكيل الذي يدعم إدارة الشبكة.
وهذا شيء من المحتمل أن يوفر عمليات مستقلة خلف خدمات مزود الشبكة التجارية. ويتوقع المحلل جارتنر أن يتم دمج الذكاء الاصطناعي في خدمات الشبكة المدارة (MNS) بحلول عام 2028، لزيادة وتعزيز الكفاءة التشغيلية وتمكين اتخاذ قرارات أكثر استنارة.
ووفقاً لشركة جارتنر، سيتم استخدام الذكاء الاصطناعي لضمان أن تكون الشبكات قوية ومرنة بما يكفي للتكيف مع المتطلبات المتغيرة وأنماط حركة المرور. “بالنظر إلى المستقبل بعد ثلاث إلى خمس سنوات من الآن، نتوقع تحولًا كبيرًا في MNS بسبب الاستخدام المكثف للذكاء الاصطناعي والأتمتة،” ذكرت شركة المحلل في تقريرها أن الذكاء الاصطناعي سيحول خدمات الشبكة المُدارة في تقرير السنوات الثلاث القادمة.
لكن الذكاء الاصطناعي يلعب أيضًا دورًا كبيرًا في جعل الشبكات أكثر قابلية للإدارة. نظرًا لأن إدارة الشبكة أصبحت أكثر آلية وأصبحت الشبكات ذاتية الإصلاح، سيحتاج مهندسو الشبكات إلى تعلم كيفية دمج أحدث الأدوات مع التكنولوجيا الوكيلة لتوفير تدفق البيانات لإدارة الشبكات التي تعمل بالذكاء الاصطناعي.
رئيس تحرير يمني وصحفي محترف حاصل على درجة في الإعلام. عمل في عدة صحف ومواقع إخبارية وتدرّج من محرر إلى رئيس تحرير. يشرف على المحتوى الإخباري ويقود فريقًا صحفيًا مع الالتزام بالمصداقية والمهنية.
رئيس تحرير يمني وصحفي محترف حاصل على درجة في الإعلام. عمل في عدة صحف ومواقع إخبارية وتدرّج من محرر إلى رئيس تحرير. يشرف على المحتوى الإخباري ويقود فريقًا صحفيًا مع الالتزام بالمصداقية والمهنية.
