Bài 93: AI/ML trong vận hành mạng hiện đại — xu hướng mới trong CCNA 2026

💡 Liên hệ thực tế

Từ Bài 87 đến Bài 92, anh Nam và chị Lan đã học cách tự động hóa những việc có quy tắc rõ ràng, có thể mô tả trước: đẩy cấu hình NTP hàng loạt, cấu hình qua REST API, mô tả dữ liệu bằng JSON/YAML. Nhưng có một loại việc automation truyền thống không giải quyết tốt: phát hiện ra vấn đề mà không ai biết trước sẽ xảy ra khi nào, hay dạng gì.

Ví dụ: mạng của công ty vẫn hoạt động "bình thường" trên các chỉ số riêng lẻ, nhưng độ trễ Wi-Fi ở một chi nhánh tự nhiên tăng dần suốt 2 tuần — không đủ lớn để chạm ngưỡng cảnh báo nào, nhưng đủ để dự báo một sự cố nghẽn mạng sắp xảy ra. Không có quy tắc "if...then" nào được viết sẵn để bắt được kiểu bất thường "âm thầm" này. Đây chính là bài toán mà AI/ML (Artificial Intelligence / Machine Learning) được đưa vào vận hành mạng để giải quyết.

📘 Kiến thức cốt lõi

1. Vì sao automation truyền thống không đủ để "biết trước" sự cố

Automation ở các bài trước (Ansible, script, REST API) hoạt động theo quy tắc con người viết sẵn: "nếu X xảy ra thì làm Y". Cách này rất hiệu quả với việc lặp lại có quy luật rõ ràng, nhưng có giới hạn khi:

• Không ai biết trước ngưỡng "bất thường" chính xác là bao nhiêu cho từng mạng cụ thể (mỗi mạng có đặc thù lưu lượng riêng).
• Sự cố hình thành dần dần qua nhiều tín hiệu nhỏ, riêng lẻ không đáng báo động, nhưng kết hợp lại thì có ý nghĩa.

AI/ML giải quyết đúng khoảng trống này: thay vì con người tự đặt ngưỡng cố định, hệ thống tự học ra "bình thường" là gì từ dữ liệu thực tế của chính mạng đó, rồi phát hiện độ lệch so với "bình thường" đã học được.

2. AIOps là gì

AIOps (AI for IT Operations) là việc ứng dụng AI/ML vào vận hành hạ tầng CNTT/mạng, với các nhóm ứng dụng chính:

🎯 Phân biệt hai nhóm: AI dự đoán/phân loại (anomaly detection, predictive analytics) trả lời câu hỏi "điều gì đang/sắp xảy ra", còn AI tạo sinh (generative AI) trả lời câu hỏi "hãy tạo ra nội dung/cấu hình giúp tôi". Cả hai đều được xếp vào AIOps nhưng phục vụ mục đích khác nhau.

3. Ba kiểu học máy thường gặp (ở mức nhận biết)

📎 Ở cấp CCNA, không cần hiểu chi tiết thuật toán đứng sau mỗi kiểu học máy — chỉ cần nhận biết được ba khái niệm này tồn tại và anomaly detection thường dựa vào unsupervised learning là chính, vì bản chất "bất thường" không có sẵn nhãn để dạy trước.

4. Ví dụ thực tế: Cisco AI Network Analytics trong DNA Center Assurance

Cisco tích hợp AI/ML vào DNA Center thông qua tính năng AI Network Analytics, nằm trong phần Assurance của DNA Center:

• Thu thập dữ liệu telemetry (số liệu vận hành theo thời gian thực) từ thiết bị, người dùng, ứng dụng trên toàn mạng.
• Dùng machine learning để tự xác lập baseline "bình thường" riêng cho từng mạng cụ thể, tại từng thời điểm.
• Khi có độ lệch đáng kể so với baseline, hệ thống gắn cờ vấn đề kèm gợi ý khắc phục, giúp đội vận hành tập trung vào các cảnh báo quan trọng thay vì bị "ngợp" giữa hàng loạt dữ liệu thô.

📎 Tính năng AI Network Analytics cụ thể có thể yêu cầu gói license phù hợp (ví dụ DNA Advantage) và kết nối đến nền tảng phân tích của Cisco — chi tiết license/triển khai tùy thời điểm và mô hình đăng ký của Cisco.

5. AI/ML không thay thế kỹ sư mạng

⚠️ Cũng như automation ở Bài 87, AI/ML trong vận hành mạng không thay thế việc hiểu bản chất mạng hoạt động ra sao. AI có thể gợi ý baseline, cảnh báo bất thường, hoặc soạn sẵn đoạn cấu hình — nhưng quyết định cuối cùng và trách nhiệm kiểm chứng vẫn thuộc về kỹ sư mạng, đặc biệt với cấu hình do AI tạo sinh: luôn cần rà soát và kiểm thử kỹ trước khi áp dụng vào hệ thống thật, vì AI có thể đưa ra gợi ý không phù hợp với bối cảnh cụ thể của mạng.

💬 Hỏi & Đáp nhanh

❓ Anomaly Detection trong mạng thường dựa vào kiểu học máy nào?

✅ Chủ yếu là unsupervised learning — vì "bất thường" không có nhãn định sẵn để dạy trước; hệ thống phải tự học ra baseline bình thường từ dữ liệu thô rồi so sánh độ lệch, thay vì được huấn luyện trên các ví dụ đã gán nhãn đúng/sai như supervised learning.

❓ AI tạo sinh (Generative AI) gợi ý cấu hình ACL cho tôi, tôi có thể áp dụng thẳng vào production không?

✅ Không nên. Cấu hình do AI tạo sinh cần được kỹ sư rà soát và kiểm thử kỹ trước khi áp dụng vào hệ thống thật — AI có thể đưa ra gợi ý hợp lý về mặt cú pháp nhưng chưa chắc phù hợp với bối cảnh bảo mật, chính sách, hoặc cấu trúc mạng cụ thể của doanh nghiệp.

❓ AIOps có phải là một sản phẩm cụ thể của Cisco không?

✅ Không — AIOps là tên gọi chung cho việc ứng dụng AI/ML vào vận hành CNTT/mạng. Cisco AI Network Analytics (trong DNA Center Assurance) là một ví dụ sản phẩm cụ thể hiện thực hóa các nguyên lý AIOps, chứ AIOps không phải tên riêng của một sản phẩm.

📝 Bài tập đánh giá

Câu 1: Vì sao AI/ML lại phù hợp để phát hiện các bất thường "âm thầm" mà automation dựa trên quy tắc cố định khó bắt được?

• A. Vì AI/ML luôn nhanh hơn automation truyền thống về tốc độ xử lý
• B. Vì AI/ML tự học baseline bình thường riêng cho từng mạng, phát hiện độ lệch thay vì dựa vào ngưỡng cố định do con người đặt trước
• C. Vì AI/ML không cần thu thập dữ liệu telemetry từ thiết bị
• D. Vì AI/ML thay thế hoàn toàn vai trò giám sát của kỹ sư mạng

Câu 2: Khi AI tạo sinh (Generative AI) gợi ý một đoạn cấu hình cho thiết bị mạng, kỹ sư nên làm gì trước khi áp dụng?

• A. Áp dụng ngay vào hệ thống thật vì AI luôn chính xác tuyệt đối
• B. Rà soát và kiểm thử kỹ đoạn cấu hình được gợi ý trước khi đưa vào production
• C. Bỏ qua bước kiểm thử nếu cấu hình được gợi ý ngắn gọn, dễ đọc
• D. Chỉ cần kiểm thử nếu cấu hình đó liên quan đến routing, không cần với các loại cấu hình khác

👉 Đáp án

Câu 1: B — Điểm mạnh cốt lõi của AI/ML trong bài toán này là khả năng tự học ra mức "bình thường" đặc thù của từng mạng từ dữ liệu thực tế (thường qua unsupervised learning), rồi phát hiện độ lệch — thay vì phải dựa vào ngưỡng cảnh báo cố định do con người đặt trước như automation dựa trên quy tắc truyền thống.

Câu 2: B — Cấu hình do AI tạo sinh gợi ý luôn cần được kỹ sư rà soát và kiểm thử kỹ trước khi áp dụng vào hệ thống thật, bất kể loại cấu hình nào, vì AI có thể đưa ra gợi ý không phù hợp với bối cảnh cụ thể của mạng dù cú pháp có vẻ đúng.

📚 Bài viết thuộc khóa học CCNA của VNExperts

🧭 Điều hướng