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.

161 потокової передачі даних, виявляти аномалії та мінімізувати ризики, що особливо важливо для сценаріїв високочастотної торгівлі [3; 5]. Окреме місце в AI-driven networking посідає автоматизоване управління мережевими інцидентами. Машинне навчання може підтримувати виявлення, класифікацію та діагностику проблем, а також скорочувати час від сповіщення до відновлення сервісу. Водночас у реальному операційному середовищі критично важливою залишається пояснюваність рішень, щоб адміністратор розумів логіку запропонованого сценарію реагування [2]. Промислова сфера, де мережа працює разом із великою кількістю IoT- пристроїв, датчиків і периферійних вузлів - не менш важлива. У таких умовах необхідно щоб система швидко реагувала на зміни, працювала надійно та не давала збоїв під час безперервного виробничого процесу. Як показує архітектура AIDA - поєднання розподіленої обробки потокових даних, інтелектуального аналізу та засобів оптимізації допомагає вчасно помічати відхилення й підтримувати стабільну роботу мережі в режимі реального часу. У цьому контексті AI-driven networking постає не як допоміжний інструмент, а як основа для побудови адаптивної індустріальної інфраструктури [3]. Показовим прикладом прикладної ефективності МНОШІ є фінансові сервіси, що працюють із потоковими даними в режимі, близькому до реального часу. Для систем високочастотної торгівлі навіть мінімальні затримки впливають на результат операцій, тому AI-driven networking застосовується для оцінювання мережевих шляхів, виявлення аномалій та оптимізації маршрутизації під час пікових навантажень [5]. Ефективність AI-driven networking значною мірою залежить від точності моделей штучного інтелекту та рівня їх залучення в реальні процеси керування мережею. Саме тому для успішного впровадження штучний інтелект повинен відповідати певним критеріям: мати єдині стандарти збору даних, сумісні набори інформації та механізми автономної роботи, за яких дії системи можна підтвердити або швидко скасувати без шкоди для роботи сервісів. Завдяки цьому штучний інтелект може не просто пропонувати можливі рішення, а й