Proceedings of the International scientific and practical conference ―Science at the Turning Point of History‖ (May 25-27, 2026) / Publisher website: www.naukainfo.com. – Lviv, Ukraine, 2026. - 362 p.

160 узгодженість форматів, синхронізацію часових міток, зв‘язок між топологією мережі та подіями, а також придатність даних до подальшого навчання моделей. Саме тому особливе значення мають інфраструктурні набори даних для 5G-and- beyond середовищ, де деталізована телеметрія дає змогу формувати точніші моделі автономного контролю, прогнозувати стани сегментів мережі та підтримувати конфігурацію на основі намірів без втрати керованості системи [4]. Разом із тим перехід до МНОШІ пов‘язаний із низкою серйозних труднощів. Передусім проблема полягає в тому, що телеметричні дані часто є розрізненими. З цієї причини їх потрібно уніфікувати, стандартизувати й очищувати перед використанням. Додаткові складнощі виникають під час інтеграції моделей у різнорідні інфраструктури, а також через те, що роботу окремих алгоритмів не завжди легко зрозуміти й пояснити. Ще одним важливим викликом є безпечне автоматичне виконання рішень: мережева система повинна не лише вчасно виявити інцидент, а й правильно визначити його тип, обґрунтувати своє реагування та діяти так, щоб не порушити політики безпеки і вимоги SLA [2; 4]. По суті, впровадження МНОШІ означає перехід до замкненого циклу «спостереження - аналіз - рішення - дія». Мережа збирає події з різних джерел, модель виявляє аномалії або прогнозує перевантаження, після чого система пропонує або виконує погоджені дії. Такий підхід зменшує залежність від ручного втручання, але вимагає контрольованої автономії та узгодження рішень із політиками безпеки [1; 2]. Практична цінність МНОШІ особливо помітна у сферах, де критичними є низька латентність, безперервність сервісів і стійкість до перевантажень. У промисловому IoT інтелектуальні архітектури забезпечують децентралізовану обробку потокових даних, підтримують прогнозне обслуговування та підвищують надійність роботи мережевих сегментів. У фінансових сервісах такі моделі дають можливість швидко аналізувати мережевий стан під час