Cisco określa agentów AI mianem „superużytkowników sieci”. W przeciwieństwie do ludzi, którzy wykonują pojedyncze czynności, takie jak załadowanie strony czy wysłanie wiadomości, agenci działają w sposób ciągły, z szybkością właściwą oprogramowaniu.

W praktyce oznacza to, że pojedynczy przepływ pracy agenta może:

• Wysyłać wielokrotne zapytania inferencyjne do modeli AI
• Pobierać dane z wielu interfejsów API i usług w chmurze
• Wymieniać tokeny i wyniki pośrednie między różnymi usługami
• Uruchamiać łańcuchowe przepływy pracy, które angażują kolejne modele lub narzędzia

Z powodu tej ciągłej aktywności Cisco szacuje, że agenci AI generują około 450% więcej ruchu sieciowego niż użytkownicy-ludzie w porównywalnych zadaniach.

Kolejną kluczową różnicą jest kierunek ruchu. Tradycyjne korzystanie z internetu jest w większości zdominowane przez pobieranie danych (np. strumieniowanie wideo czy ładowanie stron). W przypadku AI mamy do czynienia z ciągłą, dwukierunkową wymianą, gdzie znacząca część ruchu płynie w górę – zapytania, dane i wyniki pośrednie są wysyłane do modeli, zanim te wyślą odpowiedź.

Prawdziwy motor zmian: inferencja AI, a nie trenowanie

Publiczna debata na temat infrastruktury AI często koncentruje się na trenowaniu dużych modeli. Badanie Cisco zwraca uwagę na inny, kluczowy aspekt dla sieci: to inferencja jest głównym źródłem ruchu operacyjnego.

Inferencja to wykorzystanie wytrenowanego modelu w czasie rzeczywistym – odpowiadanie na pytania, generowanie treści, analiza danych czy wykonywanie zadań agentów. Badanie Cisco opiera się na zmierzonym ruchu inferencyjnym w sieciach dostawców usług, co pokazuje, że to właśnie te rzeczywiste obciążenia generują największe zapotrzebowanie na przepustowość sieci rozległych (WAN).

Raport prognozuje, że sam ruch inferencyjny może spowodować 63% dodatkowego wzrostu sieci w porównaniu z prognozami, które nie uwzględniają obciążeń związanych z agentową AI.

Znacząca zmiana globalnego ruchu do 2035 roku

Jeśli przyjęcie agentowej AI pójdzie zgodnie z prognozami Cisco, jej wpływ na sieć stanie się znaczący w ciągu najbliższej dekady.

Kluczowe prognozy:

• Do 2035 roku inferencja AI może stanowić około 25% całego ruchu sieciowego.
• Największe przyspieszenie spodziewane jest w latach 2029–2032, kiedy to nastąpi gwałtowny wzrost wdrożeń agentowej AI w przedsiębiorstwach.

Ten wzrost odzwierciedla strukturalną zmianę: zamiast okazjonalnych skoków ruchu, gdy użytkownik zada pytanie modelowi, agenci AI generują ciągłe obciążenia, które utrzymują sieć w stanie aktywności 24 godziny na dobę.

Dlaczego ruch w sieciach firmowych może wzrosnąć 9-krotnie

Cisco przeprowadziło również modelowanie wpływu AI na wolumeny ruchu w przedsiębiorstwach.

Bez agentowej AI zapotrzebowanie na przepustowość sieci firmowych w latach 2026–2035 prawdopodobnie wzrosłoby około 2,5-krotnie, głównie za sprawą usług w chmurze, aplikacji SaaS i transformacji cyfrowej.

Przy powszechnym wdrożeniu agentowej AI, w tym samym okresie ruch może wzrosnąć nawet dziewięciokrotnie w porównaniu z dzisiejszymi poziomami, napędzany przez autonomiczne przepływy pracy, które wielokrotnie uzyskują dostęp do danych, modeli i usług.

Systemy te efektywnie mnożą aktywność w sieci, ponieważ każde ludzkie zadanie może uruchomić wiele zautomatyzowanych interakcji między usługami a modelami AI.

Jak ruch AI zmienia zachowanie sieci

Badania Cisco podkreślają, że AI nie tylko zwiększa ilość ruchu – zmienia jego charakterystykę.

W porównaniu z konwencjonalnym ruchem stron internetowych czy aplikacji SaaS, obciążenia AI są zazwyczaj:

• Bardziej dynamiczne: Agenci AI inicjują serie zapytań i rozproszone przepływy pracy.
• Bardziej wrażliwe na opóźnienia: Opóźnienia w inferencji bezpośrednio wpływają na komfort użytkowania i wydajność agenta.
• Bardziej dwukierunkowe: Wzrasta ruch w górę sieci – zapytania, dane telemetryczne i wyniki pośrednie są wysyłane do modeli.
• Bardziej złożone: Przepływy pracy często obejmują wiele chmur, interfejsów API i punktów końcowych inferencji.

Zmiany te sprawiają, że tradycyjne planowanie sieci, oparte na przewidywalnej aktywności użytkowników, staje się znacznie mniej wiarygodne.

Dlaczego sieci potrzebują nowej architektury dla AI

Ponieważ ścieżki inferencji AI bezpośrednio wpływają na jakość działania aplikacji, Cisco argumentuje, że sieci muszą traktować je jako krytyczną infrastrukturę, a nie zwykłe strumienie ruchu.

Ta zmiana implikuje kilka priorytetów architektonicznych:

1. Inżynieria ruchu świadoma AI

Przepływy inferencyjne mogą wymagać priorytetowych ścieżek, gwarancji opóźnień i dynamicznych decyzji routingu w celu utrzymania wydajności.

2. Rozproszone obliczenia i umiejscowienie na brzegu sieci (edge)

Umieszczenie infrastruktury inferencyjnej bliżej użytkowników lub danych może zmniejszyć opóźnienia i zapobiec przeciążeniom sieci WAN.

3. Obserwowalność w czasie rzeczywistym

Obciążenia AI generują szybkie, złożone wzorce ruchu, czyniąc widoczność typu end-to-end niezbędną do wykrywania przeciążeń lub pogorszenia wydajności, zanim doprowadzą one do awarii przepływów pracy.

4. Większa odporność na awarie

Badania Cisco podkreślają, że awarie sieci już teraz kosztują firmy ogromne sumy i są często wywoływane przez przeciążenia, cyberataki lub błędy konfiguracji. Obciążenia AI zwiększają presję na sieci, które muszą pozostać w ciągłej gotowości.

Podsumowanie

Badania Cisco nad sieciami WAN wskazują na głębszą transformację niż zwykły wzrost przepustowości. Agentowa AI wprowadza stale aktywne, napędzane inferencją obciążenia, które zachowują się inaczej niż tradycyjny ruch internetowy.

Jeśli trendy wdrożeniowe będą zgodne z obecnymi prognozami, sieci w ciągu najbliższej dekady będą musiały obsługiwać:

• Agentów AI działających jako użytkownicy o wysokiej częstotliwości
• Duże wolumeny ruchu inferencyjnego w czasie rzeczywistym
• Bardziej symetryczne i wrażliwe na opóźnienia przepływy

Oznacza to, że przyszłe projektowanie sieci będzie coraz bardziej koncentrować się na architekturach świadomych obecności AI – łączących większą przepustowość, rozproszone obliczenia, zaawansowaną telemetrię i specjalistyczną jakość usług (QoS) dla ruchu inferencyjnego.

Niemniej jednak, te prognozy pozostają prognozami opartymi głównie na pomiarach i modelowaniu Cisco. Dokładna skala zmiany będzie zależeć od tego, jak szybko agentowa AI zakorzeni się w codziennych procesach biznesowych i konsumenckich.

Cisco określa agentów AI mianem „superużytkowników sieci”. W przeciwieństwie do ludzi, którzy wykonują pojedyncze czynności, takie jak załadowanie strony czy wysłanie wiadomości, agenci działają w sposób ciągły, z szybkością właściwą oprogramowaniu.

W praktyce oznacza to, że pojedynczy przepływ pracy agenta może:

• Wysyłać wielokrotne zapytania inferencyjne do modeli AI
• Pobierać dane z wielu interfejsów API i usług w chmurze
• Wymieniać tokeny i wyniki pośrednie między różnymi usługami
• Uruchamiać łańcuchowe przepływy pracy, które angażują kolejne modele lub narzędzia

Z powodu tej ciągłej aktywności Cisco szacuje, że agenci AI generują około 450% więcej ruchu sieciowego niż użytkownicy-ludzie w porównywalnych zadaniach.

Kolejną kluczową różnicą jest kierunek ruchu. Tradycyjne korzystanie z internetu jest w większości zdominowane przez pobieranie danych (np. strumieniowanie wideo czy ładowanie stron). W przypadku AI mamy do czynienia z ciągłą, dwukierunkową wymianą, gdzie znacząca część ruchu płynie w górę – zapytania, dane i wyniki pośrednie są wysyłane do modeli, zanim te wyślą odpowiedź.

Prawdziwy motor zmian: inferencja AI, a nie trenowanie

Publiczna debata na temat infrastruktury AI często koncentruje się na trenowaniu dużych modeli. Badanie Cisco zwraca uwagę na inny, kluczowy aspekt dla sieci: to inferencja jest głównym źródłem ruchu operacyjnego.

Inferencja to wykorzystanie wytrenowanego modelu w czasie rzeczywistym – odpowiadanie na pytania, generowanie treści, analiza danych czy wykonywanie zadań agentów. Badanie Cisco opiera się na zmierzonym ruchu inferencyjnym w sieciach dostawców usług, co pokazuje, że to właśnie te rzeczywiste obciążenia generują największe zapotrzebowanie na przepustowość sieci rozległych (WAN).

Raport prognozuje, że sam ruch inferencyjny może spowodować 63% dodatkowego wzrostu sieci w porównaniu z prognozami, które nie uwzględniają obciążeń związanych z agentową AI.

Znacząca zmiana globalnego ruchu do 2035 roku

Jeśli przyjęcie agentowej AI pójdzie zgodnie z prognozami Cisco, jej wpływ na sieć stanie się znaczący w ciągu najbliższej dekady.

Kluczowe prognozy:

• Do 2035 roku inferencja AI może stanowić około 25% całego ruchu sieciowego.
• Największe przyspieszenie spodziewane jest w latach 2029–2032, kiedy to nastąpi gwałtowny wzrost wdrożeń agentowej AI w przedsiębiorstwach.

Ten wzrost odzwierciedla strukturalną zmianę: zamiast okazjonalnych skoków ruchu, gdy użytkownik zada pytanie modelowi, agenci AI generują ciągłe obciążenia, które utrzymują sieć w stanie aktywności 24 godziny na dobę.

Dlaczego ruch w sieciach firmowych może wzrosnąć 9-krotnie

Cisco przeprowadziło również modelowanie wpływu AI na wolumeny ruchu w przedsiębiorstwach.

Bez agentowej AI zapotrzebowanie na przepustowość sieci firmowych w latach 2026–2035 prawdopodobnie wzrosłoby około 2,5-krotnie, głównie za sprawą usług w chmurze, aplikacji SaaS i transformacji cyfrowej.

Przy powszechnym wdrożeniu agentowej AI, w tym samym okresie ruch może wzrosnąć nawet dziewięciokrotnie w porównaniu z dzisiejszymi poziomami, napędzany przez autonomiczne przepływy pracy, które wielokrotnie uzyskują dostęp do danych, modeli i usług.

Systemy te efektywnie mnożą aktywność w sieci, ponieważ każde ludzkie zadanie może uruchomić wiele zautomatyzowanych interakcji między usługami a modelami AI.

Jak ruch AI zmienia zachowanie sieci

Badania Cisco podkreślają, że AI nie tylko zwiększa ilość ruchu – zmienia jego charakterystykę.

W porównaniu z konwencjonalnym ruchem stron internetowych czy aplikacji SaaS, obciążenia AI są zazwyczaj:

• Bardziej dynamiczne: Agenci AI inicjują serie zapytań i rozproszone przepływy pracy.
• Bardziej wrażliwe na opóźnienia: Opóźnienia w inferencji bezpośrednio wpływają na komfort użytkowania i wydajność agenta.
• Bardziej dwukierunkowe: Wzrasta ruch w górę sieci – zapytania, dane telemetryczne i wyniki pośrednie są wysyłane do modeli.
• Bardziej złożone: Przepływy pracy często obejmują wiele chmur, interfejsów API i punktów końcowych inferencji.

Zmiany te sprawiają, że tradycyjne planowanie sieci, oparte na przewidywalnej aktywności użytkowników, staje się znacznie mniej wiarygodne.

Dlaczego sieci potrzebują nowej architektury dla AI

Ponieważ ścieżki inferencji AI bezpośrednio wpływają na jakość działania aplikacji, Cisco argumentuje, że sieci muszą traktować je jako krytyczną infrastrukturę, a nie zwykłe strumienie ruchu.

Ta zmiana implikuje kilka priorytetów architektonicznych:

1. Inżynieria ruchu świadoma AI

Przepływy inferencyjne mogą wymagać priorytetowych ścieżek, gwarancji opóźnień i dynamicznych decyzji routingu w celu utrzymania wydajności.

2. Rozproszone obliczenia i umiejscowienie na brzegu sieci (edge)

Umieszczenie infrastruktury inferencyjnej bliżej użytkowników lub danych może zmniejszyć opóźnienia i zapobiec przeciążeniom sieci WAN.

3. Obserwowalność w czasie rzeczywistym

Obciążenia AI generują szybkie, złożone wzorce ruchu, czyniąc widoczność typu end-to-end niezbędną do wykrywania przeciążeń lub pogorszenia wydajności, zanim doprowadzą one do awarii przepływów pracy.

4. Większa odporność na awarie

Badania Cisco podkreślają, że awarie sieci już teraz kosztują firmy ogromne sumy i są często wywoływane przez przeciążenia, cyberataki lub błędy konfiguracji. Obciążenia AI zwiększają presję na sieci, które muszą pozostać w ciągłej gotowości.

Podsumowanie

Badania Cisco nad sieciami WAN wskazują na głębszą transformację niż zwykły wzrost przepustowości. Agentowa AI wprowadza stale aktywne, napędzane inferencją obciążenia, które zachowują się inaczej niż tradycyjny ruch internetowy.

Jeśli trendy wdrożeniowe będą zgodne z obecnymi prognozami, sieci w ciągu najbliższej dekady będą musiały obsługiwać:

• Agentów AI działających jako użytkownicy o wysokiej częstotliwości
• Duże wolumeny ruchu inferencyjnego w czasie rzeczywistym
• Bardziej symetryczne i wrażliwe na opóźnienia przepływy

Oznacza to, że przyszłe projektowanie sieci będzie coraz bardziej koncentrować się na architekturach świadomych obecności AI – łączących większą przepustowość, rozproszone obliczenia, zaawansowaną telemetrię i specjalistyczną jakość usług (QoS) dla ruchu inferencyjnego.

Niemniej jednak, te prognozy pozostają prognozami opartymi głównie na pomiarach i modelowaniu Cisco. Dokładna skala zmiany będzie zależeć od tego, jak szybko agentowa AI zakorzeni się w codziennych procesach biznesowych i konsumenckich.