随着网络变得越来越受软件驱动，它们产生的数据量大大增加，这就带来了一些挑战:在收集海量数据的同时，还要遵守法规和客户隐私准则——人类在物理上不可能处理如此庞大的数据量。但海量数据也为企业提供了一个机会:利用分析和机器学习来收集见解，帮助网络管理从被动到主动，再到保证。这不仅仅意味着技术上的巨大转变，因为人的因素不会简单地消失。相反，通过将人类的智慧和创造力与人工智能提供的计算能力相结合，将开发创新的设计和管理技术，以构建自我改进的智能算法。这些算法允许网络以一种远远超过过去网络的方式运行。
无功
在许多组织中，网络专业人员使用基于规则的系统开发了一个半自动化的网络管理系统。当达到某个规则(比如可能降低网络性能的某个负载级别)时，它会触发一个动作，比如通知网络专业人员潜在的服务中断。尽管规则可以帮助网络专业人员对事件做出反应，但必须经常评估和更新规则，以确保规则适用于不断发展的网络，并与之同步。
积极主动的
将大数据存储在数据“湖”中，是解决网络产生的大量应用、设备、网络服务和用户数据的第一步。下一步是——非常关键的一步——从数据中得出见解。从某种意义上说，这变得更容易，因为软件网络是开放的，可以通过api访问，api为IT功能提供了更容易访问数据的功能。例如，对数据进行分析可以帮助IT部门预测和解决网络容量不足的问题，还可以突出问题，以便重新路由流量，改变瓶颈以增加容量，或者两者兼得。最终，人工智能可以帮助管理、维护和保护网络，而分析带来的洞察力使组织能够积极主动。
保证
一旦一个组织对其网络数据使用分析，网络专业人员就可以应用人工智能和机器学习来带来额外的、显著的好处。当分析捕捉到洞察力时——在成千上万的数据中——机器学习可以开始发展理解模式。数据从网络流入，分析对数据进行分析，然后机器学习对这些分析进行处理，并创建新的自动化流程，用于未来处理类似事件。人工智能不仅可以监测流量的增加，还可以帮助跟踪黑客企图等恶意活动。随着为这些算法提供动力的人工智能变得更加智能，它将找到更快、更可靠的方法来预测网络中的威胁，从而帮助网络管理员更好地做好准备。
在机器学习中，系统需要消耗大量的数据以及对数据集的适当响应。随着时间的推移，网络专业人员不断向机器学习算法提供数据和预期结果，他们有效地“教”了系统如何像他们自己一样做出决定。这是在操作环境中进行的人工智能的第一阶段。有了这种模仿人类决策过程的能力，机器学习可以自动化以前由网络专业人员管理的过程，帮助确保网络的可用性、合规性、性能和安全性，因为网络继续经历着我们现在在商业中看到的快速变化。这是在网络革命中向预测性保证迈出的第一步，借此IT团队将能够从被动转变为主动。
例如，呼叫中心可以集成人工智能功能，以改善呼叫路由、报告和客户体验。随着人工智能在整个呼叫中心软件中的普及，机器学习算法可以开始理解呼叫中心代理通常面临的问题类型，以及如何以更有效的方式解决它们。使用这种技术和方法，人工智能可以变得更加面向客户。
上面列出的所有渐进步骤都有助于降低IT成本，减少在网络管理上投资所需的时间，还有助于提高安全性。能够利用机器学习的网络运营商将最快获得收益。通过允许机器学习自动化大部分的网络管理，运营商可以把他们的时间集中在如何区分他们的组织的网络和数字平台，以开发、保持或推进竞争优势。随着我们进入一个与物联网和智慧城市完全连接的世界，人工智能提供了一个巨大的机会来变革网络，并将在所有行业创建新的商业模式，所以现在投资真的是一个“无悔”的举动。