隨著人工智慧（AI）在網路維運（NetOps）領域的應用日益普及，專家指出，儘管AI技術能大幅提升效率，人為判斷在確保網路穩定性與安全方面仍扮演不可或缺的角色。國際資料公司（IDC）最新一份於今年四月完成的調查報告顯示，網路維運已成為AI成功導入的第四大障礙，凸顯其複雜性與挑戰。

根據《Search IT Operations》報導，國際資料公司（IDC）的報告對516位受訪者進行調查，結果指出，網路維運的挑戰在過去兩年內顯著提升，從最初幾乎不構成障礙，躍升至AI導入成功的第四大阻礙。國際資料公司（IDC）網路分析與自動化研究總監馬克·利裡（Mark Leary）表示：「隨著企業將AI應用從試驗階段推向實際生產，網路的重要性也隨之提升。」目前，大多數網路專業人員偏好人工智慧驅動的網路管理工具，用於修復與優化，其中高達87%的受訪者表達了此一偏好。在AI驅動的自動化程度方面，2024年校園與分支網路以及資料中心或雲端網路的平均自動化比例約為20%。至2025年，校園與分支網路的自動化比例增至31%，而資料中心和雲端網路則為23%。

IBM outbound product management leader Jason Lovelace 強調，即便AI的準確度高達八成，對於網路維運而言仍嫌不足，因為網路服務通常要求至少「三個九」（99.9%）的可用性。他指出，AI應作為提升人為判斷的合作夥伴，而非在網路中完全自主運作的實體。網路專業人員必須保持其判斷力，並與AI協同合作，才能確保服務品質。

IBM為AI在網路維運中提出一套四步驟框架：「觀察（See）」、「應用（Use）」、「驗證（Prove）」、「行動（Act）」。在「觀察」階段，AI系統需透過即時遙測數據與網路環境脈絡，收集有用的資訊。Jason Lovelace警告，提供過多的脈絡反而可能導致AI表現不準確，甚至產生錯誤。在「應用」階段，關鍵在於開發實用的工具，而非單純追求AI模型的類型。AI生成程式碼能協助團隊快速開發所需工具。在「驗證」步驟，重點在於證明AI的可靠性，而非僅是確認其功能。由於網路問題通常較為複雜，需要更多提示，這可能導致AI工具的準確度降低。因此，網路團隊必須設置防護措施，防止錯誤累積。至於「行動」階段，AI的運用應根據工程師的資歷而有所不同。初級工程師可將AI作為決策指引，學習其建議與解釋；資深工程師則可諮詢AI的建議後自行判斷執行方案。

儘管AI在提升生產力、團隊協作、強化資安等方面帶來助益，國際資料公司（IDC）的報告也指出，員工本身有時會成為AI導入的一大阻礙。此外，代理式AI（agentic AI）也帶來諸多隱憂，包括安全性、部署與管理複雜性、整合挑戰、成本以及網路數據限制等。馬克·利裡（Mark Leary）認為，網路工程師擁抱AI是改變職業生涯的關鍵時刻，這將決定他們未來十年的成功。

綜合來看，AI在網路維運中的應用勢不可擋，但如何平衡AI的效率與人為判斷的必要性，以及建立穩健的治理框架，將是企業與政策制定者必須共同面對的重要課題。透過明確的使用規範、持續的驗證機制，並確保人類仍握有最終決策權，才能讓AI真正成為提升網路可靠性與安全性的得力助手。