网络正朝着智能化和智能化的趋向开展，企业对人工智能(AI)和机器学习(ML)的需求日益增长，由于它们能够以程序化的方式识别网络疑问，并对复杂的疑问启动即时诊断。
将AI和ML运行到网络治理中，可以成功对多个治理平台的输入启动整合，以启动集中剖析。与其让IT人员手动梳理来自不同设备和运行的报告，不如让机器学习对疑问启动极速、智能化的诊断。
Gartner初级总监兼剖析师JoshChessman论述道，“我领有很多监控工具，它们都通知我某些中央出了疑问，却没有通知我疑问出在哪里。机器学习最大的长处在于它可以详细识别出，从7种不同的工具中处置的26个网络疑问。”
剖析师示意，企业对此类监控工具的运行还处于初期阶段。一个症结在于，AI和ML究竟象征着什么?那些将AI构想为能够毫不费劲地识别入侵者，并剖析和优化流量的人将会绝望。
IDC钻研总监MarkLeary以为，“经常使用AI一词来形容新型网络治理工具的实践状况，是一种言过其实的说法。当供应商在议论他们的AI/ML配置时，假设获取一个老实的解读，他们正在议论机器学习，而不是人工智能。”
据专家称，与用于识别企业网络中特定疑问根源的系统相比，人工智能更准确地运行于该想法的牢靠表白。
德勤策略业务担任人Jagjeet Gill示意，“咱们或者适度解读了AI这个术语，由于其中一些物品，比如预测性保养，曾经在这个畛域有一段期间了。”
另一个症结是交叉兼容性。
目前，市场上的大局部产品都是以供应商在其现有产品中参与新配置的方式出现。例如，许多供应商都在参与AIops，由于它有点像一个盛行词。
还有一些供应商能够应用机器学习，让企业运行人工智能运维，专一于IT事情治理，例如，Moogsoft和BigPanda。但更经常出现的是将ML配置与特定厂商的产品捆绑在一同。
不论这项技术须要克制哪些阻碍，ML技术很或者会让许多IT专业人士的上班变得轻松繁难。领有这些类型的工具和处置打算是一件善报，它将协助你随时了解网络中出现的一切。
只管这或者是向全网络智能化方向迈出的关键一步，这也或者造成IT人员的上班岗位散失。
更有或者的是，机器学习将协助IT人员腾出更多精神从事更多创收优惠，而不是救火。齐全智能化还须要走很长的路。