随着网络逐渐向自动化和智能化的方向发展，企业对人工智能（AI）和机器学习（ML）的需求也日益增加。AI和ML技术能够通过程序化的方式识别网络问题，并实时诊断复杂的问题。

将AI和ML应用于网络管理，可以实现多个管理平台的数据整合，从而进行集中分析。这比让IT人员手动整理来自不同设备和应用程序的报告要高效得多。机器学习能够快速、自动地诊断问题，使网络管理变得更加智能和高效。

Gartner的高级总监兼分析师Josh Chessman指出，他使用多种监控工具，这些工具会提示他某些地方出现问题，但并不告知具体的问题所在。机器学习的一大优势在于它能详细识别并解决从不同工具中发现的网络问题。然而，企业在利用这类监控工具方面仍处于起步阶段。

关键问题是，AI和ML的真实含义是什么？有些人可能期望AI能够轻易识别入侵者并优化网络流量，但实际情况并非如此。IDC的研究总监Mark Leary认为，用AI来形容新型网络管理工具的做法有些夸张。当供应商谈论他们的AI/ML功能时，实际上更多指的是机器学习而非真正的人工智能。

尽管AI和ML这两个术语没有严格的定义区分，但从广义上来说，它们描述的都是可以从多个数据源获取信息并据此调整自身行为的算法。

专家们认为，AI更适合应用于识别企业网络中的特定问题。德勤的战略业务负责人Jagjeet Gill提到，人们对AI的理解有时过于理想化，因为类似预测性维护的技术已经存在一段时间了。

另一个关键因素是跨平台兼容性。当前市场上大多数产品都是通过在现有产品中加入新功能的形式出现的。例如，许多供应商都在增加AIops功能，因为它现在是一个流行词汇。

此外，一些供应商利用机器学习帮助企业采用人工智能运维，专注于IT事件管理，如Moogsoft和BigPanda。不过，更多的是将机器学习功能与特定厂商的产品捆绑在一起。

尽管这项技术还有许多障碍需要克服，但机器学习很可能让许多IT专业人员的工作更加轻松。拥有这些工具和解决方案对企业大有裨益，它们可以帮助企业实时掌握网络的运行状态。

虽然这可能是迈向全面网络自动化的重要一步，但也可能导致部分IT岗位的消失。更有可能的是，机器学习将帮助IT人员从日常琐事中解脱出来，投入更多精力于创造价值的活动中，而完全自动化仍然需要很长时间的发展。