Agentická AI může znásobit síťový provoz: Co Cisco zjistilo o budoucnosti globální infrastruktury

V praxi to znamená, že jediný agent může:

• Opakovaně odesílat požadavky na inferenci AI modelům
• Stahovat data z mnoha API a cloudových služeb
• Vyměňovat si tokeny a mezivýsledky napříč službami
• Spouštět řetězové úlohy, které volají další modely nebo nástroje

Kvůli této neustálé aktivitě Cisco odhaduje, že AI agenti generují asi o 450 % více síťového provozu než lidští uživatelé při srovnatelných úlohách.

Dalším klíčovým rozdílem je směr provozu. Tradiční používání internetu je převážně „download-heavy“ (například streamování videa nebo načítání webových stránek). Pracovní postupy AI jsou naopak charakterizovány neustálou obousměrnou komunikací, kdy do modelů proudí významný objem dat, promptů a mezivýsledků, než se vrátí odpovědi.

Skutečný hybatel: Inference AI, nikoliv trénování

Veřejná debata o infrastruktuře pro AI se často zaměřuje na trénování velkých modelů. Studie Cisco poukazuje na jinou realitu: dominantní zátěž sítí tvoří inference.

Inference znamená používání již natrénovaných modelů v reálném čase—odpovídání na otázky, generování obsahu, analýza dat nebo provádění úkolů agentů. Výzkum Cisco vychází z měřeného provozu inference na sítích poskytovatelů služeb a ukazuje, že právě tyto živé úlohy jsou hlavním zdrojem poptávky po kapacitě WAN.

Zpráva předpokládá, že samotný provoz inference by mohl způsobit 63% dodatečný růst sítí ve srovnání s prognózami, které s agentickou AI nepočítají.

Zásadní změna globálního provozu do roku 2035

Pokud se agentická AI bude prosazovat podle projekcí Cisco, její podíl na síťovém provozu se během příštího desetiletí stane významným.

Klíčové předpovědi:

• Inference AI by mohla do roku 2035 tvořit asi 25 % veškerého síťového provozu.
• Největší zrychlení se očekává v letech 2029 až 2032, kdy by mělo dojít k masivnímu nasazení AI agentů v podnicích.

Tento růst odráží strukturální změnu: namísto občasných výkyvů provozu, když uživatel zadá dotaz modelu, vytvářejí AI agenti nepřetržité pracovní zátěže, které zaměstnávají sítě nonstop.

Proč by firemní síťový provoz mohl vzrůst 9×

Cisco také modelovalo, jak by přijetí AI mohlo ovlivnit objemy firemního provozu.

Bez agentické AI by firemní poptávka po síti v letech 2026 až 2035 pravděpodobně vzrostla asi 2,5×, což by bylo taženo cloudovými službami, SaaS aplikacemi a digitální transformací.

Při plošném nasazení agentické AI by však provoz ve stejném období mohl vzrůst na zhruba devítinásobek dnešní úrovně, což by bylo poháněno autonomními pracovními postupy, které opakovaně přistupují k datům, modelům a službám.

Tyto systémy v podstatě znásobují aktivitu v síti, protože každý lidský úkol může spustit mnoho automatizovaných interakcí mezi službami a modely AI.

Jak AI provoz mění chování sítě

Výzkum Cisco zdůrazňuje, že AI nejen zvyšuje objem provozu—mění jeho charakteristiky.

Ve srovnání s běžným webovým nebo SaaS provozem bývají AI úlohy:

• Dynamičtější: Agenti AI spouští shluky požadavků a distribuované pracovní postupy.
• Citlivější na latenci: Zpoždění při inferenci přímo ovlivňuje uživatelský zážitek a výkon agenta.
• Více obousměrné: Narůstá objem dat odesílaných do sítě (prompty, telemetrie, mezivýsledky).
• Složitější: Pracovní postupy často zahrnují několik cloudů, API a koncových bodů pro inferenci.

Tyto změny činí tradiční plánování sítí—založené na předvídatelné aktivitě uživatelů—mnohem méně spolehlivým.

Proč sítě potřebují novou architekturu pro AI

Protože cesty pro inferenci AI přímo ovlivňují kvalitu aplikací, Cisco argumentuje, že sítě je musí považovat za kritickou infrastrukturu, nikoliv za běžné toky dat.

Tento posun implikuje několik architektonických priorit:

1. Směrování provozu s ohledem na AI

Toky inference mohou vyžadovat prioritní cesty, záruky latence a dynamické rozhodování o směrování pro udržení výkonu.

2. Distribuované výpočty a okrajové umístění (edge)

Umístění infrastruktury pro inferenci blíže k uživatelům nebo datům může snížit latenci a zabránit přetížení WAN.

3. Sledovatelnost v reálném čase

AI úlohy produkují rychlé a komplexní vzorce provozu, což činí komplexní viditelnost napříč sítí nezbytnou pro včasné odhalení přetížení nebo zhoršení výkonu dříve, než selžou pracovní postupy.

4. Vyšší odolnost

Výzkum Cisco zdůrazňuje, že výpadky sítí již nyní stojí firmy obrovské částky a jsou často způsobeny přetížením, kybernetickými útoky nebo chybami v konfiguraci. AI úlohy zvyšují tlak na sítě, které musí být nepřetržitě dostupné.

Závěr

Výzkum Cisco týkající se sítí WAN poukazuje na hlubší transformaci, než je pouhý růst šířky pásma. Agentická AI přináší neustále aktivní, inferencí řízené pracovní zátěže, které se chovají jinak než tradiční internetový provoz.

Pokud budou trendy přijetí následovat současné projekce, budou sítě v příštím desetiletí muset podporovat:

• Agenty AI jako vysoce frekvenční uživatele sítí
• Velké objemy provozu inference v reálném čase
• Symetričtější toky citlivé na latenci

To znamená, že budoucí návrh sítí se bude stále více točit kolem architektur přizpůsobených AI—kombinujících vyšší kapacitu, distribuované výpočty, pokročilou telemetrii a specializovanou kvalitu služeb pro provoz inference.

I tak zůstávají tyto projekce předpověďmi založenými převážně na měřeních a modelování Cisco. Přesný rozsah změny bude záviset na tom, jak rychle se agentická AI stane součástí každodenních podnikových i spotřebitelských pracovních postupů.