软件定义的WAN（SD-WAN.）从AIOPS获得大幅提升，因为供应商希望简化运营，降低成本和优化现代云时代的WAN性能。
SD-WAN从硬件中与网络的控制方面解耦以创建虚拟化网络覆盖Aiops.将机器学习和数据分析应用于IT操作以自动化进程。两者的融合 - A.K.A. Ai-Driven WAN - 承诺迎来了一个新的WAN网络时代，使其能够超越优化网络和应用程序的经验，以为个人用户提供最佳体验。
SD-WAN一直是过去五年中最热门的网络领域之一。它逾期。超过20年前，我是一个使用框架中继，ATM和验证的网络工程师MPLS.。即使在90年代中期，我和其他网络专业人员也希望远离刚性的集线器和辐条类型的网络，但没有可行的替代品，我们坚持我们所知道的。
湾是急需进化的变化，而且来自SD-WAN。它为网络带来了更大的灵活性，使组织能够利用低成本的互联网而不是更高的成本电信宽带服务。此外，SD-WAN提高了自动故障转移的网络弹性。在“一切连接的时代”中，网络正常运行对于保持业务运营至关重要。
采用SD-WAN已经领先于2020年，Covid-19 Pandemer甚至更快地采用了。在任何地方的2020年ZK研究工作中，46％的受访者表示，大流行都加快了他们的SD-WAN部署。
尽管有快速的摄取，但是，SD-WAN并不解决所有网络困境。使用网络操作，定义或其他方式的软件的挑战是手动完成策略配置和正在进行的管理和故障排除。所有SD-WAN供应商都在零触摸配置，但零触摸配置，但仅解决了一天零操作。一旦网络启动并运行，查找WAN中断源的过程仍然需要大量手动升降。隔离LAN，WLAN和WAN域的问题是令人指重的，而且在没有自动化模型的智能事件相关性的情况下，所有但不可能。
在某些方面，SD-WAN加剧了故障排除问题。它通过可以隐藏中断的多路径组网对网络增加了一系列弹性。这导致网络操作仪表板可以显示一切的情况是“绿色”，但应用程序正在表现不佳。随着视频的兴起，网络性能问题变得明显明显，并且他们导致网络工程师不断争抢尝试和修复问题。
这是AI可以有所作为的地方。AI系统可以摄取网络基础架构（LAN，WLAN和WAN）提供的大量数据，以“查看”即使是vvviest网络工程师看不到的事情。曾经一次，当网络相当简单，交通量较低时，经验丰富的网络专业人员可以通过域知识和快速检查交通的迅速检查“了解”网络并快速找到问题的根源。但是今天不是如此作为设备的数量，应用程序和信息量飙升。一个大的变化之一是定期轮询数据已被实时取代流遥遥节这将数据增加了数量或更多的数量。
AI系统甚至可以看到网络中最小的变化，并预测对人眼可能无法辨别的事情。一个好的类比是AI如何在放射学中的医学行业中使用。AI系统可以检测MRI中最小的异常，使医生能够在没有AI的情况下对患者进行治疗。网络专业人员也是如此。AI系统可以发现网络中的小问题可能导致最终用户不明显的应用程序中的不规则，但稍后会导致更大的问题。网络工程师可以使用AI系统的输出来主动解决业务影响前的问题 - 即自动驾驶网络。
谈到AI举措时，数据科学家使用的公理是“良好的数据导致良好的见解”。这肯定是真的，但是部分数据也导致部分见解，这可以是AI驱动的WAN产品的局限之一。更具体地说，如果一个解决方案只查看网络而不了解对实际用户体验和应用程序的影响，则缺少等式的大部分。如果存在多个网络问题，则应优先考虑影响关键应用程序和/或用户的那些。如果某些问题根本不会影响应用程序性能，那么这些可以将它们放在背部刻录机上并在以后修复。
此外，如果解决方案仅在不将其与网络的其他区域相关联的情况下查看WAN数据（即LAN和WLAN），则可以创建推动网络成本的低效率。更糟糕的是，这可能导致网络性能问题的错误假设或结论以及如何修复它们。在这方面，需要全能地观察AI驱动的WAN，作为AI驱动网络的更大端到端故事的关键部分。
AIOP是SD-WAN演进的关键，为网络的关键部分带来了很多所需的自动化和洞察力。但是，无法在真空中部署AI驱动的WAN，必须超越网络，以在应用程序和用户级别提供有意义的洞察力（和动作）。这不仅导致更好的表现和更低的成本网络，而且还可以确保用户生产力和客户服务仍然很高。