Cisco、AIがネットワークインフラを再構築していると上院に警告

Ciscoは7月30日の上院公聴会で、具体的な警告を示した。多くの事業者が準備を終える前に、AIがネットワークトラフィックを変えつつあるというものだ。Google Newsの見出しは議会での登場を取り上げたが、その裏にはより鋭い対立がある。AIはより大きなネットワーク容量を必要とする一方、その容量をより効率的に管理できる可能性もある。

Ciscoのプロバイダーモビリティ担当チーフアーキテクトであるBob Eversonは、ワシントンで開かれた上院商務委員会の電気通信・メディア小委員会に出席した。公聴会では、AI導入の拡大に伴うネットワークの信頼性、サイバーセキュリティ、投資、規制が検討された。

この議題は、インフラをめぐる議論をGPUやデータセンターの枠を超えたものにする。AIトラフィックは、アプリケーションが有用な回答を返すまでに、広域、モバイル、キャンパス、支店、エッジの各ネットワークを通過しなければならない。

公聴会では、二つの政策上の優先課題も緊張関係に置かれた。業界の証人は、より迅速な展開と規制上の障壁の削減を求めている。一方、公職者は競争、安全保障、地方でのアクセス、サービスの信頼性を依然として守らなければならない。

Ciscoはネットワーキングおよびセキュリティシステムを販売しているため、この議論に商業的な利害を持つ。それでも、同社の主張を独立して確立された事実と切り分けるなら、その証拠には注目する価値がある。

これは単に、新興市場を認識するよう議員らに求めるベンダーの話ではない。AI対応の接続性に誰が費用を負担するのか、誰がそれを管理するのか、そしてどのような保護策を伴わせるのかをめぐる、早期段階の争いである。

Ciscoが上院に示したこと

Ciscoの証言は、AIインフラをデータセンターの問題から国家的な通信の問題へと転換した。

上院公聴会は2026年7月30日午前10時、Russell Senate Office Buildingの253号室で開催された。Nebraska州選出のDeb Fischer上院議員が、電気通信・メディア小委員会の会合を主宰した。

Eversonは、USTelecomのPresident and CEOであるJonathan Spalter、Nebraska Public Service CommissionerのDan Watermeierとともに出席した。Vanderbilt Policy Acceleratorの人工知能・技術政策ディレクターであるAsad Ramzanaliが、第4の視点を提供した。

この証人構成は重要だ。機器サプライヤー、ブロードバンド業界団体、州規制当局、政策研究者が組み合わされていた。この構成は、議員らがルーターの性能以上の問題を検討していたことを示している。

公聴会では、関連する二つのプロセスが扱われた。「Networking for AI」は、AIワークロードを運ぶインフラを指す。「AI for networking」は、障害を予測し、脅威を特定し、ネットワーク運用を自動化するソフトウェアを意味する。

これらのプロセスは、政策を異なる方向へ引っ張る。AIワークロードを支えるには、光ファイバー、無線容量、スイッチング、ルーティング、エッジコンピューティングへの投資が必要となる。ネットワーク内部でAIを使うことは、説明責任、セキュリティ、人間による監督についての問題を提起する。

Fischerは、新技術を収容しながら自らの運用も改善できるネットワークを軸に公聴会を位置づけた。委員会の公聴会告知でも、信頼性、サイバーセキュリティ、経済成長、通信サービスが優先事項として挙げられた。

上院商務委員会委員長のTed Cruzは、この議論を米国と中国の戦略的競争の文脈に置いた。彼の立場は、投資と展開を妨げる規則の削減を支持するものだった。

この枠組みが、記事の中心的な対立を生む。インフラ建設の迅速化は容量を拡大できるが、速度だけでレジリエンス、相互運用性、幅広いアクセスが自動的に実現するわけではない。

Ciscoの役割にも慎重な読み取りが求められる。政府や企業がネットワーキングを戦略的なAI投資として扱うほど、同社は利益を得る。そのため、同社の証言には技術的分析と市場をめぐる主張が混在していた。

基礎となる技術的な論点は単純だ。AIアプリケーションの応答性は、ユーザー、データ、モデル、支援サービスをつなぐ経路全体の性能に左右される。

その経路には、キャンパススイッチ、Wi-Fiアクセスポイント、モバイルネットワーク、インターネットエクスチェンジ、複数のデータセンターが含まれうる。どの段階でも輻輳やパケットロスが起これば、AIモデルが応答を生成するプロセスである推論が遅くなる可能性がある。

この問題は、エージェント型AIでより深刻になる。AIエージェントは、次の人間の指示を待たずに、複数のサービスを呼び出し、ファイルを交換し、データベースを検索し、タスクを繰り返すことができる。

各アクションがネットワークトラフィックを生み出す。そのため、一つのユーザーリクエストが、従来のウェブ検索よりはるかに長いマシン間通信の連鎖を引き起こす可能性がある。

この仕組みは、短いGoogle Newsの結果がより大きなインフラの物語を示す理由を説明する。重要な出来事は、単に幹部が議会に出席したことではない。議員らが通信ネットワークを国家のAI能力の一部として正式に扱ったことだ。

AIトラフィックがネットワークの方程式を変える理由

AIはトラフィック量を増やすだけではない。データがいつ、どこで、どの方向へ移動するかも変える。

従来の企業向けアプリケーションは、予測可能なパターンを生み出すことが多い。従業員は文書をダウンロードし、ビデオ会議に参加し、クラウドソフトウェアにアクセスし、管理可能な量のデータをアップロードする。

AIワークロードは異なる振る舞いをする可能性がある。モデル学習では、大規模なデータセットがストレージシステム、アクセラレーター、処理クラスターの間を移動する。推論では、ユーザー、モデル、検索システム、ツール、アプリケーションプログラミングインターフェースの間で反復的なやり取りが発生する。

検索拡張生成、すなわちRAGは、さらに一層の要素を加える。モデルが回答を書く前に外部の情報ストアを検索するため、目に見える一つのリクエストの背後にあるネットワークトランザクション数が増える。

AIナレッジベースは、このパターンを示している。ある質問は、複数のシステムをまたいで、文書検索、権限チェック、モデル処理、ソースの配信を引き起こす可能性がある。

Ciscoの2026年エンタープライズ調査によると、組織はすでにAIに関連してトラフィックが34％増加したと報告している。同社によれば、AIを広範に導入する企業は、3年以内に全体のネットワークトラフィックが3倍になると見込んでいる。

これらの数値はベンダー主導の調査に基づくため、普遍的な予測として扱うべきではない。ただし、Ciscoが調査した顧客が直面していると考える状況を示している。

Ciscoはまた、回答者の75％が、自社ネットワークがAIを支える能力よりも、自社のAI戦略に強い自信を示したと報告している。この差は、組織内の不一致を表しているため、最も有用な発見だ。

経営幹部はAIソフトウェアを迅速に承認できる。だが、スイッチの交換、光ファイバー容量の拡張、無線カバレッジの再設計、新たなキャリアサービスの交渉には時間がかかる。

Ciscoはこれを、5年単位の容量計画と24カ月以内の要件との衝突として説明している。繰り返しになるが、この時間軸は同社の調査と市場での立場を反映したものだ。

実務上の圧力は、単純な帯域幅を超える。AIアプリケーションには、低遅延、一貫した性能、分散システム間の予測可能な経路が求められることが多い。

レイテンシーは、データが移動して戻るまでに必要な時間を測る。対話型アシスタントが間を置くとき、産業用コントローラーの反応が遅れるとき、セキュリティシステムが急速に進行するイベントを見逃すときに、それは明確になる。

AIトラフィックは、既存のパターンを逆転させることもある。コネクテッドカー、カメラ、センサー、産業機器は、大量のデータをクラウドまたはエッジシステムへ送信する。

Eversonは以前、この変化をコネクテッドカーを通じて説明した。学習データと運用データは上りトラフィックを増加させる一方、従来の消費者向けネットワークはダウンロードを中心に設計されることが多かった。

エージェント型システムは、その活動がバックグラウンドで継続しうるため、この問題を強める。チャットボットのトラフィックは、人が質問すると増え、その後は減少する。複数のエージェントの集合は、継続的に通信できる。

Ciscoによる別のWANトラフィック調査は、エージェント型の利用が2035年までに広域ネットワークへどのような影響を与える可能性があるかを検討している。広域ネットワークは、離れたオフィス、クラウド、データセンターを接続する。

長期予測には大きな不確実性が伴う。モデルの効率化、ローカル処理、圧縮、アプリケーション設計は、タスク当たりのトラフィックを削減できる。一方で、導入の拡大はその節約分を上回る可能性がある。

これは、新たな状況におけるよく知られたリバウンド問題だ。ある活動が安価または容易になると、人々はしばしばその活動をより多く行う。

より効率的なモデルは、一つの応答に必要なコンピューティングおよびネットワーキングリソースを減らせるかもしれない。その効率化が何千もの新しい自動化タスクを生み出せば、総消費量はなお増加する。

同じ不確実性がインフラ調達を複雑にする。ネットワークチームは、観測されたトラフィックが一時的な実験なのか、恒常的な運用ワークロードなのかを判断しなければならない。

設備不足は、輻輳や信頼性障害を招きかねない。過剰な設備投資は、特にAIワークロードがデバイスや地域エッジシステムへ移行した場合、高価な容量を未使用のまま残す可能性がある。

Ciscoの上院出席は、この計画上の問題を政策立案者の前に提示した。同社の答えは、最新かつプログラマブルなインフラを支持するものだ。より難しい問いは、組織が実際にどれほどの容量を必要とするかである。

Google Newsは見出しを示すが、政策論争までは示さない

Google News版は証言を強調する一方、公聴会そのものは、展開速度と公共の保護策の間にある対立を浮き彫りにしている。

委員会の共和党指導部は、より迅速な投資への一つの道筋として規制緩和を提示した。この立場は、実際のインフラ上の懸念を反映している。

許認可の遅れ、細分化された地方要件、不確実な規則は、光ファイバー建設や無線展開を遅らせる可能性がある。事業者が完成時期を見積もれない場合、資本はより慎重に動く。

しかし、「障壁を取り除く」だけでは完全なAIネットワーク政策にはならない。通信インフラは、緊急通話、政府活動、金融取引、健康情報、産業運用を担っている。

障害は、一つのAIアプリケーションをはるかに超えて広がりうる。ネットワークは、機器障害、サイバー攻撃、電力の混乱、突然の需要急増の間も利用可能でなければならない。

そのため公職者は、トレードオフに直面する。民間投資を迅速に進めたい一方で、信頼性やセキュリティの審査を任意の摩擦として扱うことはできない。

州規制当局は、この議論で重要な位置を占める。各管轄区域内で、サービス義務、消費者保護、インフラプログラム、公益事業に関連する判断を監督している。

Watermeierの出席は、最大手のテクノロジー企業や全国規模の通信事業者とは異なる視点を委員会にもたらした。地方部や小規模市場のネットワークは、ハイパースケールのデータセンターとは異なる経済性に直面している。

AIアプリケーションは世界中で利用可能であっても、それを使うために必要なインフラは均一ではない。低品質なブロードバンド、弱い屋内無線カバレッジ、限られたバックホールは、名目上のアクセスを信頼できない体験へと変えうる。

バックホールは、ローカルアクセスポイントからプロバイダーのコアへトラフィックを運ぶネットワーク区間だ。広域ネットワークへの接続が制約されたままであれば、ローカルの無線サイトを拡張しても効果は限られる。

これは通信事業者と政策立案者に圧力をかける。AIが教育、雇用、医療、行政サービスに不可欠なものとなれば、ネットワーク品質は、誰がそれらの恩恵を受けられるかをますます左右する。

業界団体は、投資インセンティブがアクセスを改善すると主張できる。一方で批判派は、投資は最も高い収益が見込まれる場所に向かいがちで、コストのかかる地方部が取り残されると反論できる。

公聴会は、この分配をめぐる問題を解決しなかった。だが、国家競争力を通信サービスおよび規制政策と並置することで、この緊張関係を可視化した。

セキュリティも別の課題を生む。AIは、通信事業者によるテレメトリー分析、異常の特定、修復策の提案を支援できる。テレメトリーとは、ネットワーク機器とソフトウェアが生成する運用データを指す。

こうした機能は、トラブルシューティングを短縮し、人間のチームが見逃すパターンを明らかにできる。一方で、監査が依然として難しい自動提案への依存を強める可能性もある。

AIが生成した誤った設定は、数千人のユーザーに影響を与えかねない。侵害された管理エージェントは、重要インフラを横断する効率的な侵入経路になり得る。

Ciscoは、予測システムが容量制約や性能障害を事前に察知できるとしている。こうした主張には、管理された製品環境内でのデモだけでなく、複数ベンダーが混在するネットワーク全体での運用検証が必要だ。

通信事業者が、あらゆる場所で単一ベンダーの機器だけを運用していることはまれだ。旧式ハードウェア、クラウドサービス、キャリア回線、セキュリティ製品、専門的な運用システムを組み合わせている。

AI管理レイヤーは、コマンドを捏造したり互換性のない設定を見落としたりせず、その環境を解釈しなければならない。AIシステムが根拠のない出力を生成するハルシネーションは、文章上の誤りではなく運用リスクとなる。

だからこそ、Ramzanaliの独立した政策上の役割は重要だった。導入優先のアジェンダには、自動化が失敗した際にルールが責任をどう配分するかを問う人々による対抗圧力が必要だ。

最終的な政策は、規制か投資かを単純に選ぶものではない。日常的な建設を遅らせるルールと、競争、レジリエンス、説明責任を守るためのセーフガードを区別しなければならない。

Ciscoの商業的主張と、より厳しい現実

Ciscoは、ネットワークがAI投資の中心に位置すると主張している。しかし同社製品は、近代化が測定可能な運用上の成果を生むことを証明しなければならない。

同社は、この議論において有利な市場ポジションから参入する。企業とサービスプロバイダー向けに、スイッチ、ルーター、ワイヤレスシステム、オブザーバビリティソフトウェア、セキュリティ製品を販売している。

AIはCiscoに、ネットワーク機器を再定義する機会を与える。予測可能な周期で更新される裏方のユーティリティではなく、ネットワークは戦略的な事業プログラムの制約要因となる。

Ciscoの社長兼最高製品責任者であるJeetu Patelは、この転換を「networking supercycle」と呼んでいる。この表現は、新たなワークロード需要に牽引される、広範な入れ替えと拡張の期間を表している。

この説明は、確立された業界の結論ではなく、Ciscoの仮説として扱うべきだ。支出サイクルは、予算、導入、利用率、顧客の実証に左右される。

同社のキャンパスネットワークに関する調査によると、AIの「Pacesetters」の41％は、旧式インフラでは大規模なAIを支えられないと回答している。CiscoはPacesettersを、AIへの準備状況で同業他社を上回る組織と定義している。

この調査結果は、Ciscoの販売論を支える。ただし、すべての制約がハードウェアの交換、ソフトウェア変更、ワークロードの再設計、あるいはより優れた運用規律のいずれを必要とするのかは明らかにしていない。

一部の組織は、推論処理をユーザーの近くに配置することでネットワーク負荷を軽減できる。エッジ推論は、すべてを遠隔のクラウドへ送るのではなく、データ生成地点の近くでAIリクエストを処理する。

他の組織は、ピーク時間外にトレーニング転送を予定し、繰り返される結果をキャッシュし、データを圧縮し、不必要なエージェントの活動を制限できる。アプリケーション設計の改善により、一部のアップグレードを先送りできる。

クラウドプロバイダーと半導体企業も、同じインフラ予算を争っている。Nvidiaはアクセラレーテッドコンピューティングを中心的な制約要因として位置づけ、大手クラウド各社は統合されたコンピュート、ストレージ、ネットワーク容量を販売している。

Arista Networksは、大規模AIクラスター向けの高速Ethernetを重視する。Broadcomは、競合するシステム全体で利用されるスイッチングシリコンを供給する。EricssonやNokiaなどの通信ベンダーは、モバイルおよびキャリアインフラに注力している。

Ciscoの優位性は、幅広さにある。同社のポートフォリオは、データセンター、キャンパス、支社、セキュリティシステム、サービスプロバイダーのネットワークを接続できる。

一方で、幅広さは複雑さも生む。特に既存環境に多数のサプライヤーが含まれる場合、顧客は単一ベンダーの管理アーキテクチャに制御を集約することをためらう可能性がある。

したがって、相互運用性は最高速度と同じくらい重要だ。オープンインターフェースにより、通信事業者は運用スタック全体を再設計せずにシステムを組み合わせ、コンポーネントを置き換えられる。

Eversonのモバイルアーキテクチャにおける経歴は、CiscoにとってエンタープライズAIとキャリアネットワークをつなぐ有用な橋渡しとなる。AIトラフィックはデータセンターの扉で止まるわけではない。

コネクテッドカーは具体例となる。カメラとセンサーはローカルでデータを生成し、セルラーシステムが選別された情報を運び、エッジまたはクラウドのシステムがそれを分析する。

すべての生の観測データを遠隔モデルへ送れば、コスト、レイテンシー、プライバシーの問題が生じる。ローカル処理は送信前にデータを絞り込めるが、コンピューティング要件をネットワークエッジ側へ移すことになる。

アーキテクチャは、単一のアップグレードではなく、一連の選択肢となる。組織は、何をローカルで処理し、何を送信し、何を保持し、どの応答に即時対応が必要かを決める。

ネットワーク自動化も同様の試練に直面する。AIはアラームを要約し、変更を提案できるが、本番システムには認可の制限とロールバック手順が必要だ。

ロールバックとは、変更が問題を引き起こした後に既知の設定へ戻すことを指す。この安全機構がなければ、より高速な自動化は、単に障害をより速く生み出すだけになりかねない。

影響の大きい変更には、人間による承認が依然として有用だ。完全自律運用には、ネットワークに関する質問に洗練されたアシスタントが答えること以上の、より強力な証拠が必要となる。

セキュリティチームは、AIシステムそのものも検証しなければならない。モデルアクセス、学習データ、ツール権限、ログ、生成されたコマンドは、新たな攻撃対象領域を生む。

Ciscoはネットワーキングとセキュリティの両領域で経験を持つが、ポートフォリオの幅広さが統合保護を保証するわけではない。顧客は、アラート、ID、ポリシー制御が旧式システムやサードパーティー製システム全体で一貫して機能するかを問うべきだ。

顧客が測定可能な結果を公表したとき、商業的な主張は説得力を持つ。有用な指標には、インシデント継続時間の短縮、パケットロスの削減、手動変更の減少、アプリケーション応答時間の改善が含まれる。

ベンダー調査は懸念を把握できる。しかし、あるアーキテクチャがそれを解決すると立証することはできない。

この区別は、Ciscoの証言を解釈するうえで中心的だ。ネットワークの問題は現実だが、それによって生じる購買サイクルの規模と形は、なお定まっていない。

AIはネットワークを強化できる一方、攻撃対象領域も拡大する

通信事業者によるAIトラフィック管理を支援する自動化は、ミス、アクセス権の乱用、サイバー攻撃も増幅し得る。

現代のネットワークはすでに、多くのチームが手作業で検査できる量を超える運用データを生成している。ログ、フローレコード、デバイスの状態、セキュリティアラート、アプリケーショントレースが継続的に届く。

AIはそれらの情報源を相関付け、もっともらしい原因を提示できる。低速なアプリケーション性能を、輻輳、経路障害、IDの問題と結び付けることをエンジニアに支援できる。

このユースケースには明確な価値がある。アラートから検証可能な説明までの距離を縮めるからだ。

リスクは、システムが分析から行動へ移ると高まる。テレメトリーを読むことと、ルーティングを変更すること、アカウントを無効化すること、ファイアウォールポリシーを書き換えることは異なる。

広範な権限を持つAIエージェントは、マシン速度でシステムをまたいで行動できる。したがって、誤った指示、汚染されたデータソース、盗まれた認証情報は、より広範な被害を生みかねない。

プロンプトインジェクションは、関連する脅威の一つだ。悪意あるコンテンツが、意図されたタスクと矛盾する指示に従うようAIシステムを操作することで発生する。

ネットワークエージェントは、悪意あるテキストを含むチケット、設定メモ、デバイスラベルを検査するかもしれない。そのテキストを指示として扱えば、エージェントは情報を漏洩させたり、未認可のツールを呼び出したりする可能性がある。

したがって、ツール権限は狭く絞らなければならない。アラートを説明するアシスタントに、本番機器を変更する権限が自動的に必要になるわけではない。

システムには完全な活動ログも必要だ。通信事業者は、どのモデルが推奨を生成し、どの情報を利用し、その後にどの行動が取られたかを把握しなければならない。

これらの制御は完全自律運用を遅らせるが、説明責任を維持する。重要インフラは、誰も再構成できないモデル応答に依存できない。

Cisco自身のセキュリティメッセージングは、攻撃者がネットワークインフラをますます標的にしていることを認識している。同社の防御アーキテクチャは、強化されたシステム、継続的な可視性、自動制御を重視している。

これは同社の内部アプローチに関する企業側の説明であり、独立した評価ではない。それでも、評価すべき適切なレイヤーを示している。

セキュリティ上の問題は、意図的な攻撃にとどまらない。AIシステムは、不完全なテレメトリーに基づいて確信度の高い推奨を生成することがある。

一般的なエンタープライズパターンを中心に学習したモデルは、特殊な産業ネットワークを誤解するかもしれない。オフィスでは無害な自動変更が、製造プロセスを中断させる可能性がある。

規制当局は、低リスクの支援と高リスクの制御を区別する必要がある。要約ツールには、緊急通信を迂回させる権限を持つエージェントと同じ監督は必要ない。

調達チームは今からその区別を行える。どの行為に承認が必要か、権限をどう分離しているか、モデルが利用不能になった際にシステムがどう振る舞うかをベンダーに問うべきだ。

また、障害を想定したテストを求めるべきでもある。有用なデモには、古いデータ、矛盾する信号、到達不能なデバイス、意図的に誤った推奨が含まれる。

理想的な条件での精度は、運用レジリエンスについてほとんど明らかにしない。ネットワークは、そのライフサイクルの多くを例外への対処に費やしている。

AIはサイバー防御の拡張性も高め得る。自動相関分析は、エンドポイント、ID、ネットワークフローにまたがるキャンペーンを特定できる。

攻撃者も同様の利点を得る。偵察を自動化し、悪意あるトラフィックを変化させ、特権アクセスを持つ従業員向けに説得力のあるメッセージを作成できる。

その結果として生じる競争は、防御側の優位を保証しない。信頼できるID、セグメンテーション、監視、復旧の重要性を高める。

セグメンテーションは、ネットワークを管理されたゾーンに分割する。攻撃者や誤作動したエージェントがアクセスを得た後に移動できる範囲を制限する。

ここで、上院の導入アジェンダは最も強い反論に直面する。対応するセキュリティ規律を伴わないAI導入の加速は、通信インフラをより大きな共有リスクに変えかねない。

Ciscoの立場が最も強いのは、セキュリティを別個の製品カテゴリーではなく、ネットワーク容量の一部として扱う場合だ。信頼できるサービスは、利用可能な帯域幅と制御された振る舞いの両方に依存する。

同社の立場が最も弱いのは、自動化を運用の複雑さに対する単純な答えとして提示する場合だ。AI制御レイヤーを追加することは、ソフトウェア、権限、依存関係、障害モードも追加することになる。

議員は両極端を退けるべきだ。AI管理は、本質的に安全でも無謀でもない。そのリスクは、権限、アーキテクチャ、証拠、人間による制御に依存する。

Google Newsのサイクル後に注目すべきこと

次に必要な証拠は、AI対応をうたうブランド訴求をもう一巡させることではなく、政策文言、顧客の運用、実際のトラフィック測定から得られるものだ。

最初のシグナルは、公聴会後の議会の動きである。議員は議論を、許認可に関する提案、ブロードバンド投資のルール、サイバーセキュリティ要件、あるいは研究プログラムへと具体化できる。

具体的な法案文言は、委員会が広範な規制緩和を支持するのか、それとも対象を絞った変更を望むのかを示す。また、地方部のアクセスやセキュリティに、執行可能な保護措置が与えられるかどうかも明らかにする。

高速展開だけに焦点を当てた法案は、業界の投資論を強めるだろう。一方で、誰がセキュリティコストを負担するのか、十分なサービスを受けていない地域がどうすれば信頼できるアクセスを得られるのかという問いは残る。

迅速な承認に加え、報告、相互運用性、レジリエンスの要件を組み合わせる枠組みは、より均衡の取れた見方を支えるだろう。AIネットワークを経済的資産であると同時に公共インフラとして扱うことになる。

2つ目のシグナルは、Ciscoの顧客から得られる証拠だ。ベースライン性能と測定済みの改善を開示する本番導入に注目したい。

有用な数字は、準備が整っているという曖昧な表明ではない。読者に必要なのは、インシデント解決時間、混雑、アプリケーション遅延、エネルギー使用量、運用負荷の変化だ。

インシデントの継続時間を、ある測定水準から別の水準へ短縮した顧客の事例は、予想トラフィックに関する調査より強い証拠になる。その結果では、どのコンポーネントが改善を生んだのかも説明すべきだ。

Ciscoは提案するソリューションの販売者であるため、独立したテストが重要となる。実際のネットワークは単一サプライヤーのリファレンス設計に一致することがほとんどないため、複数ベンダーによるテストも重要だ。

AI管理が旧式と最新の機器をまたいで機能するという証拠は、Ciscoの主張を強める。厳密に統合されたCisco環境に限定された結果では、その主張の適用範囲は狭まる。

3つ目のシグナルは、トラフィックそのものだ。企業と通信事業者は、本番環境でエージェント型ワークロードと人間主導のアプリケーションを比較すべきである。

Ciscoの調査は大幅な成長を見込むが、予測だけでインフラ計画を決めることはできない。事業者には、アプリケーション、場所、時間、トラフィックの方向別の測定が必要だ。

マシン間通信の持続的な増加は、ネットワーキングのスーパーサイクルという論を支えるだろう。利用率が横ばい、または大幅な効率向上が見られれば、更新加速の根拠は弱まる。

処理場所にも注目する必要がある。エッジでの推論が増えれば、長距離トラフィックは減る一方、キャンパス、工場、モバイルネットワーク内部の需要は増える可能性がある。

中央集約型モデルは、トラフィックをクラウド接続や広域リンクへ押し出すかもしれない。ハイブリッドシステムは、あらゆるレイヤーに負荷を分散させる可能性がある。

ネットワーク障害がAI導入における目に見える制約となるかどうかも、読者は注視すべきだ。プロジェクトの遅延、応答時間の悪化、通信費の上昇は、この制約をより定量化しやすくする。

アプリケーションが改善してもトラフィックが管理可能な範囲にとどまるなら、ソフトウェア効率により大きな功績を与えるべきだ。モデルが改善してもトラフィックが増え続けるなら、リバウンド効果が優勢である。

Google Newsは今後も、ベンダーの発表、議会証言、製品リリースを取り上げ続けるだろう。こうした見出しは有用な発見の起点だが、根本的な主張を解決するものではない。

開発者は、エージェントが生成するネットワーク呼び出しの数を測定し、不要なループを取り除くべきだ。企業の購買担当者は、大規模なアップグレードを承認する前に、ワークロードの経路を把握すべきである。

ネットワークチームは、容量の問題とアプリケーション設計の問題を切り分けるべきだ。セキュリティ責任者は、自動化が本番の制御に到達する前に、エージェントの権限を制限すべきである。

ナレッジワーカーにも利害がある。AIアシスタントは、リモートモデル、検索システム、ファイル、職場のアプリケーションに依存している。ネットワーク品質は、これらのツールが信頼できるものと感じられるか、不安定なものと感じられるかを左右する。

上院の公聴会は、AI政策が今やネットワーク政策でもあることを示した。しかし、米国にどれだけのインフラが必要なのか、どのアップグレードを優先すべきか、どの安全策を必須にすべきかは確立されていない。

Ciscoは自らの主張を示した。AIは通信システムに新たな要求を課す一方、AIベースの運用はそれらのシステムの対応を支援できるというものだ。証拠は、この需要を真剣に受け止めることを支持しているが、すべての予測を額面どおりに受け入れることまでは支持していない。

次の段階は実務的だ。成立する法案を追跡し、ベンダーに測定済みの本番成果を求め、実際のAIワークフローが生み出すトラフィックを調べることだ。

次にGoogle Newsの見出しがAI対応ネットワークを約束したときは、3つの問いを投げかけたい。本番環境で何が変わったのか、何が独立して測定されたのか、そして自動化が誤ったとき、誰が責任を負うのか。