لينغ بينغ غاو، المؤسس والرئيس التنفيذي والمدير التنفيذي لشركة NetBrain Technologies – سلسلة المقابلات

لينغ بينغ غاو، المؤسس والرئيس التنفيذي والمدير التنفيذي لشركة NetBrain Technologies، أسس الشركة في عام 2004 مع مهمة تسهيل إدارة الشبكات. قبل تأسيس NetBrain، كان السيد غاو كبير معماري الشبكات في Thomson Financial، حيث قام بإدارة تعقيدات شبكات الشركات الكبيرة وتجربة تحديات الحفاظ على أداء الشبكة.

لديه خبرة في مجالات متعددة من الأعمال، بما في ذلك الإدارة والهندسة والأعمال الدولية في صناعات الشبكات والبرمجيات والسيارات. يحمل درجة البكالوريوس ودرجة البكالوريوس في هندسة السيارات من جامعة تسينغهوا ودرجة الماجستير في الهندسة من جامعة ييل.

تأسست NetBrain في عام 2004 وهي الشركة الرائدة في автоматизации الشبكات. توفر منصة التكنولوجيا الخاصة بها لمهندسي الشبكات رؤية شاملة عبر بيئاتهم الهجينة مع توفير自动ية المهام عبر عمليات العمل في تكنولوجيا المعلومات. اليوم، يستخدم أكثر من 2400 من أكبر الشركات والشركات المصنعة للخدمات في العالم NetBrain لتحسين وثائق الشبكة وتسريع عملية تصحيح الأخطاء وتعزيز أمان الشبكة – مع التكامل مع مجموعة غنية من الشركاء. يقع المقر الرئيسي لشركة NetBrain في بيرلينغتون، ماساتشوستس، مع موظفين يقعون في جميع أنحاء الولايات المتحدة وكندا وألمانيا والمملكة المتحدة والهند والصين.

ما الذي ألهمك لتأسيس NetBrain في عام 2004؟ هل كانت هناك تحديات محددة واجهتها في Thomson Financial أدت إلى رؤيتك لفرصة في إدارة الشبكات؟

في بداية مسيرتي المهنية، قمت بالعمل لمدة خمس سنوات كمهندس شبكات في Thomson Financial. أتذكر أنني تم استدعائي إلى غرفة التحكم في الليل أثناء خروجي من المبنى و قضيت الليل كله لمساعدة في تصحيح مشكلة. оказалось أن مبدل سيسكو تم تحديثه وتغييره وتغييره. سألت نفسي لماذا استغرق الأمر وقتًا طويلاً، على الرغم من أن لدينا فريقًا كاملًا من المهندسين الذكية يعملون عليه. بالتأكيد، يجب أن يكون هناك طريقة أفضل.

أدركت أن سبب صعوبة تصحيح الأخطاء هو نقص البيانات. خلال تلك الليلة الطويلة، يسأل المهندسون دائمًا نفس الأسئلة. ما هي الأجهزة التي تتكون منها شبكتي؟ ما هو المظهر الأساسي؟ من قام بإنشائه ولماذا تم تكوينه بهذه الطريقة؟ بدأت NetBrain لتسهيل الإجابة على تلك الأسئلة.

أدركت أن если كانت بيانات الشبكة أكثر سهولة في الوصول إليها، يمكن حل المشكلات بسرعة أكبر. في ذلك العمل الأول، كنت يجب أن تأخذ جهاز استدعاء وكومة من مخططات الشبكة معك كلما ذهبت في إجازة! رؤيتي لشركة NetBrain كانت منح المهندسين وصولًا سريعًا وسهلاً إلى بيانات الشبكة التي يحتاجونها لحل المشكلات وطريقة سهلة لتحسين مهامهم بحيث يمكن توسيعها وتحسينها بشكل استباقي بدلاً من التفاعلي. إذا استطعنا التقاط ومعالجة مشكلة قبل أن تؤثر على المستخدم النهائي، فلا أحد يحتاج إلى قضاء الليل كله في تصحيح الأخطاء! الآن، بعد عشرين عامًا، رؤيتي تتحقق مع NetBrain.

قامت NetBrain برائدة автоматизации الشبكات بدون كود. ما كان التفكير وراء تطوير حل بدون كود بدلاً من الترميز التрадиعي أو البرمجة القائمة على الترميز؟

كنا نريد حل التحديات الحرجة التي تواجه فرق عمليات الشبكات من خلال خفض الحاجز لاعتماد وتحسين автоматизации الشبكات وجعلها متاحة لجميع مستويات مهارات تكنولوجيا المعلومات. نرى أن الترميز هو حavis الخبرة للمهندسين الشبكات لإنشاء الترميز، مما يجعل المنصة أكثر فائدة ومتأصلة في ثقافة عمليات الشبكات.

الترميز القائم على الترميز يتطلب مهندسًا يعرف الترميز مثل بايثون ويتطلب مستوى عالٍ من معرفة الشبكات والواجهة الخطية. هناك عدد قليل من الأشخاص الذين يمتلكون هذا النوع من المهارات (وهم مكلفون!). المشاريع التي تجمع بين المبرمجين والمهندسين الشبكات تنتج في النهاية عددًا قليلاً من الترميزات التي يمكنها فقط معالجة مجموعة محدودة من المشكلات بدلاً من وقف تكرارها.

الترميز بدون كود يجعل من السهل تنفيذ وتوسيع الترميز عبر شبكات هجينة بحيث يمكن استخدامه لمشكلات كثيرة – أي مهمة متكررة. هذا يؤدي إلى تغيير في العقلية حيث سوف تبحث فرق NetOps وفرق تكنولوجيا المعلومات الأخرى عن الترميز كأول حل لمعظم المشكلات، بدلاً من كونه “ملاذًا أخيرًا” محفوظًا فقط لمشكلات الأولوية العالية.

يؤثر الذكاء الاصطناعي بشكل متزايد على عمليات تكنولوجيا المعلومات للشركات. كيف يعزز الذكاء الاصطناعي قدرات الترميز التلقائي لشركة NetBrain، خاصة في تصحيح الأخطاء وتنفيذ الأمان؟

كانت الميزات القائمة على الذكاء الاصطناعي تحديثًا كبيرًا في الإصدار الأخير من NetBrain، Next-Gen Release 12 (R12). واحدة من هذه القدرات تشمل GenAI LLM Co-Pilot، الذي يمكنه تقييم وتوجيه و تلخيص نتائج الترميز التلقائي باستخدام اللغة الطبيعية. يعمل هذا الملازم كمتحول تكنولوجي، مما يسمح للمستخدمين بالتفاعل مع الترميز بدون كود دون الحاجة إلى تدريب مكثف. نعتزم مواصلة توسيع قدرات الذكاء الاصطناعي في الإصدارات القادمة.

يعمل أيضًا برنامج الدردشة كأداة ذاتية للخدمة، مما يسمح لأفراد العمليات وأفراد الأمان بجمع المعلومات الأساسية حول الشبكة، مما يوفر موارد قيمة لفرق NetOps لمزيد من الأنشطة الاستراتيجية. يمكن للمستخدمين وضع أسئلة بلغة طبيعية، مما يسهل حل المشكلات وتحسين عمليات تصحيح الأخطاء وتحسين عمليات التقييم.

بشكل عام، نرى أن الترميز هو الطريقة لتوسيع عمليات NetOps إلى مستوى الآلة، والذكاء الاصطناعي هو الطريقة التي يمكن للأشخاص التفاعل مع تلك الترميزات والشبكة بشكل عام. معًا، يساعدان على جسر الفجوة المعرفية داخل فرق تكنولوجيا المعلومات من خلال التقاط سنوات من الخبرة الخبيرة وجعلها متاحة للمهندسين على جميع المستويات. تقريبًا كل شركة لديها مهندس يعرف كيف يحل كل مشكلة شبكات. ولكن ماذا تفعل عندما يكون ذلك الشخص في إجازة أو في بلد آخر أو غير متاح؟ الترميز والذكاء الاصطناعي يساعدان على مشاركة معرفة ذلك الشخص مع بقية فريق تكنولوجيا المعلومات دون الحاجة إلى مهارات هندسية وبرمجة عميقة.

يمكنك أن تشرح كيف تعمل تقنية Digital Twin لشركة NetBrain وكيف تفيد المنظمات التي تدير شبكات هجينة ومتعددة السحب؟

النموذج الرقمي لشركة NetBrain هو نموذج حي لشبكات العملاء متعددة البائعين التي تدمج النية وتوجيه حركة المرور والطوبولوجيا وبيانات الأجهزة ودعم الترميز بدون كود والخرائط الديناميكية. على عكس النماذج الرقمية الأخرى، تحتوي طبقة النية على مجموعة كبيرة من تكوينات الشبكة وتصاميم مستوى الخدمة الأساسية لتقديم متطلبات التطبيقات.

ميزة فريدة أخرى لنموذجنا الرقمي هي أنه يوفر بيانات في الوقت الفعلي عبر جميع الطبقات، مما يخلق نظامًا أكثر انسجامًا ومتكاملًا. يضمن عملاؤنا حسابات حية لمسارات التوجيه الأساسية والتاريخية عبر بيئات متعددة السحب والشبكات الهجينة، بالإضافة إلى طوبولوجيا وتكوين الأجهزة التقليدية والافتراضية وال基于 السحابة في شبكتنا الهجينة. هذا، بالإضافة إلى اكتشاف الشبكة التلقائي، يزيل الحاجة إلى إنشاء خرائط شبكة ثابتة ويتحديث باستمرار كل مكون في الشبكة متعددة البائعين. الفائدة من البيانات في الوقت الفعلي هي القدرة على العمل بكفاءة أكبر داخليًا دون قلق الخطأ البشري مع العمل في جهاز يدعم اكتشاف الأجهزة التقليدية والافتراضية والقائمة على السحابة.

كثير من الشركات تعاني من توقف الشبكة وتصحيح الأخطاء. كيف يساعد الترميز التلقائي القائم على الذكاء الاصطناعي لشركة NetBrain في تقليل متوسط وقت الإصلاح (MTTR)?

تقلل NetBrain من MTTR عن طريق جعل تصحيح الأخطاء أكثر كفاءة وترتيبًا. يعمل الترميز التلقائي القائم على الذكاء الاصطناعي على ذلك من خلال عدة طرق:

• إنشاء لوحات تحكم ملخص الحوادث بشكل تلقائي.
• إجراء مراقبة تلقائية لاكتشاف مشكلات تصحيح الأخطاء قبل أن تؤثر على المستخدم
• إجراء اختبارات تشخيصية أساسية تلقائيًا كلما تم فتح تذكرة
• إغلاق التذاكر تلقائيًا
• اقتراح إصلاحات أو أسباب محتملة للمشكلات
• توفير وصول أسهل لبيانات الشبكة لفرق تكنولوجيا المعلومات الأخرى

حتى التوفيرات الزمنية الصغيرة تتراكم بسرعة على مستوى كبير – أحد العملاء قدقدر أن NetBrain أنقذتهم 16000 ساعة تصحيح أخطاء في عام 2022 على حوالي 63000 تذكرة من خلال تلقين سلسلة من الاختبارات التشخيصية الروتينية. جميع هذه القدرات تجعل تصحيح الأخطاء أكثر كفاءة وتقليل MTTR بشكل مباشر. كما أنها تمكن مهندسي المستوى الأول من حل المزيد من المشكلات بمفردهم وتقليل عمليات التدرج. هذا ما يسمى “الانزلاق إلى اليسار”. إنه يحرر المزيد من الوقت لمهندسي المستوى الأعلى لينفقوا على تصحيح الأخطاء الأكثر صعوبة.

مع ظهور بيئات السحابة الهجينة و SDN، كيف تضمن شركة NetBrain رؤية شاملة للشبكة وامتثالًا عبر بنيات متعددة؟

تضمن NetBrain رؤية شاملة للشبكة وامتثالًا عبر بيئات السحابة الهجينة و SDN. ندعم بسهولة بنيات السحابة متعددة مثل AWS و Microsoft Azure و Google Cloud Platform، بالإضافة إلى الشبكات التقليدية و SD-WAN و SDN.

تتيح لنا المنصة للعملاء مراقبة تغييرات تكوين السحابة في الوقت الفعلي، وتحسين التقييمات المستمرة للامتثال، وتعقب تطورات تكوين الشبكة من خلال لوحة تحكم سهلة الاستخدام. بالإضافة إلى ذلك، توفر NetBrain رؤية أمان متعددة الطبقات، تقييمًا مستمرًا للأمان عبر السحابة على مستوى الشبكة والخادم والبيانات والتطبيقات.

بالنسبة إلى أقمشة SDN، تعزز NetBrain الرؤية ويجعل معرفة SDN سهلة المشاركة عبر الفرق. من خلال الاستفادة من الترميز، يمكن للشركات توسيع خبرة SDN مع تسريع الاستجابة للحوادث. نهج “الانزلاق إلى اليسار” يحدد بشكل استباقي الأسباب الجذرية ويحل مشكلات مركز البيانات في وقت مبكر من دورة دعم الشبكة، مما يقلل بشكل كبير من MTTR.

كيف استجابت شركة NetBrain للتحديات الأمنية الجديدة، خاصة مع تزايد القلق بشأن نقاط الضعف الأمنية للشبكة؟

التحديات الأمنية تتطور بسرعة، ويمكن أن تتعامل معها المناهج الأمنية التقليدية والتفاعلية. استجابت NetBrain عن طريق جعل أمان الشبكة استباقيًا وآليًا، مما يساعد فرق تكنولوجيا المعلومات على العثور على سوء التكوين ونقاط الضعف قبل أن يتم استغلالها من قبل المهاجمين.

نقدم إدارة التغييرات الثلاثية، التي تؤكد كل تغيير في الشبكة ضد السياسات الأمنية قبل وأثناء وبعد التنفيذ. هذا يضمن الامتثال ويفيض التعرض غير المقصود. كما يقوم الترميز التلقائي لدينا بمراقبة التكوين بشكل مستمر، واكتشاف الانحراف، وتكامل مع منصات ITSM والأمان لفرض أفضل الممارسات في الوقت الفعلي.

من خلال الاستفادة من الذكاء الاصطناعي والترميز، تساعد NetBrain الشركات على تقليل الأخطاء البشرية وتحسين أوقات الاستجابة ومنع الفجوات الأمنية، مع الحفاظ على أمان الشبكات دون إضافة أعباء تشغيلية.

مع khả năng شركة NetBrain لإزالة توقف الشبكة وتحسين تنفيذ الأمان، هل تتوقع مستقبلًا حيث تصبح الشبكات التي تعمل بالذكاء الاصطناعي بالكامل مستقلة؟

مع استمرار تقدم الشبكات التي تعمل بالذكاء الاصطناعي، فهي تحل تدريجيًا محل أساليب الشبكات التقليدية. ومع ذلك، فإن الاستقلالية الكاملة لا تزال إمكانية مستقبلية بدلاً من واقع فوري.

يلعب الذكاء الاصطناعي دورًا حاسمًا في简ification NetOps عن طريق تلقين المهام شاقة. على سبيل المثال، يمكن أن يقلل من تحديد ومعالجة مكونات البنية التحتية لتقنية المعلومات – وهو عملية تقليدية تستغرق وقتًا طويلاً – بشكل كبير. مع تقنية النموذج الرقمي القائمة على الذكاء الاصطناعي، يمكن أن يقلل من مهام مثل تشخيص مشكلة نفق BGP من ساعتين إلى عشر دقائق فقط. كما يساعد الذكاء الاصطناعي على جسر الفجوة المعرفية داخل فرق تكنولوجيا المعلومات من خلال التقاط سنوات من الخبرة الخبيرة وتوزيعها على مهندسي جميع المستويات. عندما يطرأ مشكلة، يمكن للذكاء الاصطناعي ليس فقط مساعدة في التشخيص ولكن أيضًا اقتراح إجراءات تصحيحية وخطوات لاحقة وإجراءات متابعة – مما يقلل بشكل كبير من أوقات الاستجابة ويمكّن الفرق من حل المشكلات بشكل أسرع.

然而، لا يزال الذكاء الاصطناعي محدودًا. على الرغم من أنه يمكن تحليل البيانات واقتراح تحسينات وتلقين بعض العمليات، إلا أنه لا يمكن اتخاذ القرارات أو تحمل المسؤولية أو الموافقة على تغييرات الشبكة دون إشراف بشري. نظرًا للتعقيد والمراتب العالية لشبكات الشركات، يجب أن يتم التحقق من توصيات الذكاء الاصطناعي من قبل المهندسين لمنع الأخطاء التكلفة والوقت. حتى يتمكن الذكاء الاصطناعي من إظهار موثوقية أكبر و اتخاذ القرارات السياقية، ستظل الشبكات المستقلة بالكامل تطلعًا وليس واقعًا.

تخدم شركة NetBrain الآن أكثر من 2500 عميل من الشركات، بما في ذلك ثلث شركات Fortune 500. ماذا تعتقد أنه كان المفتاح لنجاحك في التوسع واكتساب اعتماد الشركات؟

ينبع نجاحنا من تحويل фундаментال في كيفية إدارة الشركات لشبكاتها. لا تتماشى تصحيح الأخطاء التفاعلي مع التوسع، لذلك قمنا برائدة الترميز بدون كود لجعل عمليات الشبكات استباقية، وليس فقط تفاعلية.

ميزة تمييزية هي النموذج الرقمي، الذي يوفر رؤية في الوقت الفعلي للشبكة الهجينة الكاملة، مما يسمح للفرق بالترميز التشخيصي وتطبيق معايير الهندسة الذهبية ومنع توقف الشبكة قبل حدوثها. بالإضافة إلى ذلك، يوفر الترميز التلقائي المتكامل مع ITSM وإدارة التغيير الثلاثية للشركات الترميز عبر بيئات معقدة دون الحاجة إلى جيش من المطورين.

في النهاية، تجعل NetBrain الترميز متاحًا، مما يسمح للفرق بحل المشكلات بشكل أسرع وتنفيذ التصميم المقصود والحفاظ على تطبيقات الأعمال الحيوية جارية بسلاسة. الترميز مع خريطة الشبكة الدقيقة وعمق رؤية الشبكة يسمح لنا بحل العديد من تحديات NetOps دون أعباء إضافية.

نظرًا إلى الخمس سنوات القادمة، كيف ترى مشهد الترميز التلقائي يتطور، وما هو الدور الذي تتخيله لشركة NetBrain في تشكيل مستقبل عمليات الشبكات التي تعمل بالذكاء الاصطناعي؟

خلال الخمس سنوات القادمة، سيتطور الترميز التلقائي للشبكات من المهام المبرمجة إلى الترميز القائم على الذكاء الاصطناعي الذي يتكيف ديناميكيًا مع ظروف الشبكة المتغيرة. أصبح يوم الترميز اليدوي وال أدوات المتناثرة معدودًا – الترميز سيكون العمود الفقري لعمليات الشبكات، مما يضمن المرونة والأمان والقدرة على التكيف على مستوى كبير.

سوف يجعل الذكاء الاصطناعي الترميز أكثر سهولة ومتاحًا لجميع مستويات مهارات العمليات. سوف يجعل من السهل الحصول على بيانات الشبكة وتحويلها إلى معلومات قابلة للفهم بحيث يمكن للفرق تقليل المخاطر وتحقيق الكفاءات بشكل أسرع.

تقع NetBrain في طليعة هذه التطورات. يوفر النموذج الرقمي لنا نموذجًا حيًا للشبكة، مما يسمح للذكاء الاصطناعي بفهم التصميم المقصود وتنفيذه بشكل استباقي. نحن رواد الترميز القائم على الذكاء الاصطناعي، وشبكات العلاج الذاتي، والتكامل الأعمق مع ITSM، بحيث يمكن للشركات الانتقال من التدخل اليدوي إلى عمليات مستقلة بالكامل. رؤيتنا بسيطة: جعل الترميز التلقائي للشبكات ممتعًا ومتكاملًا وضروريًا – مما يجعل كل مهندس خبيرًا في الترميز بدون الحاجة إلى الترميز.

في السنوات القليلة القادمة، لن يكون الترميز التلقائي للشبكات التي تعمل بالذكاء الاصطناعي роскошًا، بل ضرورة. تقود NetBrain هذه الحركة، مما يضمن للشركات البقاء في طليعة التعقيد مع الحفاظ على أمان الشبكات وامتثالها ومتاحيتها دائمًا.

شكرًا على المقابلة الرائعة، يرغب القراء في معرفة المزيد فيزيتمو شركة NetBrain.