思科AI网络确定性框架
3 节点1 篇4 来源
【背景】随着AI代理进入网络运维领域，核心争议在于如何平衡自动化效率与系统稳定性。思科网络平台高级副总裁兼总经理Joe Vaccaro指出，尽管企业越来越倾向于让AI在无人类批准的情况下进行网络变更，但网络基础设施要求的是确定性结果而非概率性结果。
思科提出的解决方案是“感知-诊断-修复-行动”的四阶段框架。Vaccaro强调，在执行变更（Act）阶段，必须使用预定义的工作流（Predefined Workflows）来约束AI代理，防止其即兴操作导致不可预测的后果。这种设计旨在通过可审计、可治理的步骤，将概率性的AI推理转化为确定性的网络动作，从而在提升运维速度的同时确保关键基础设施的安全。
事情怎么走到这一步
AI Business报道思科Joe Vaccaro在播客中阐述AI网络运维框架，强调执行阶段需依赖预定义工作流以确保确定性。
aibusiness.com ↗思科官方博客发布《From signal to action》，介绍AgenticOps的闭环工作流及Cisco Cloud Control中的治理机制。
blogs.cisco.com ↗思科博客文章《Preventing the Most Dangerous Moments in NetOps》详述AgenticOps架构，提出通过跨域遥测和深度推理模型实现安全补救。
blogs.cisco.com ↗
还没定论的部分
- 预定义工作流在面对未知或极端复杂的网络故障时，其覆盖率和有效性如何验证？
- 随着AI代理自主权逐步扩大，思科提到的‘信任毕业’（graduation of trust）机制在实际客户部署中的具体量化标准是什么？
- 其他网络设备厂商是否采用了类似的确定性执行框架，还是更倾向于完全自主的概率性决策？