Lingping Gao, grundlægger, administrerende direktør og formand for NetBrain Technologies – Intervieserien

Lingping Gao, grundlægger, administrerende direktør og formand for NetBrain Technologies, etablerede virksomheden i 2004 med missionen om at simplificere netværksadministration. Før han grundlagde NetBrain, var hr. Gao Chief Network Architect i Thomson Financial, hvor han håndterede kompleksiteten af store virksomhedsnetværk og oplevede udfordringerne ved at vedligeholde netværkspræstation.

Hr. Gao har erfaring inden for flere områder, herunder ledelse, ingeniørarbejde og international forretning inden for netværks-, software- og bilindustrien. Han har en bachelorgrad i automotive engineering fra Tsinghua University og en mastergrad i ingeniørvidenskab fra Yale University.

NetBrain blev grundlagt i 2004 og er markedets førende virksomhed inden for netværksautomatisering. Dets teknologiplatform giver netværksingeniører synlighed på tværs af deres hybridmiljøer og automatiserer deres opgaver på tværs af IT-workflows. I dag bruger mere end 2.400 af verdens største virksomheder og managed services-udbydere NetBrain til at automatisere netværksdokumentation, accelerere fejlfinding og styrke netværkssikkerhed – samtidig med at de integrerer med en rig økosystem af partnere. NetBrain har hovedsæde i Burlington, Massachusetts, og har medarbejdere i USA, Canada, Tyskland, Storbritannien, Indien og Kina.

Hvad inspirerede dig til at starte NetBrain i 2004? Var der nogen bestemte udfordringer, du stod over for i Thomson Financial, som fik dig til at se et hul i netværksadministrationen?

Tidligt i min karriere tilbragte jeg fem år som netværksingeniør i Thomson Financial. Jeg husker, at jeg en dag blev trukket ind i NOC på vej ud af bygningen og tilbragte hele natten med at hjælpe med at fejlfinde et problem. Det viste sig, at en Cisco-switch var blevet opgraderet, og det havde ændret en vigtig konfiguration. Jeg husker, at jeg undrede mig over, hvorfor det tog så lang tid, selv om vi havde et helt hold af dygtige ingeniører, der arbejdede på det. Der måtte være en bedre måde.

Jeg indså, at årsagen til, at fejlfinding var så svær, var mangel på data. Under de lange nætter spurgte ingeniørerne altid de samme få spørgsmål. Hvad består mit netværk af? Hvad ser baseline ud som? Hvem har lavet dette, og hvorfor er det konfigureret på denne måde? Jeg startede NetBrain for at gøre det lettere at besvare disse spørgsmål.

Jeg vidste, at hvis netværksdata var mere tilgængeligt, kunne problemer løses meget hurtigere. På mit første job skulle du tage en pager og en stak netværksdiagrammer med, når du gik på ferie! Min vision for NetBrain var at give ingeniørerne hurtig og let adgang til de netværksdata, de havde brug for for at løse problemer, og en måde at let automatisere deres opgaver på, så de kunne skaleres op og udføres proaktivt i stedet for reaktivt. Hvis vi kan fange og løse et problem, før det påvirker en slutbruger, så behøver ingen at tilbringe hele natten med at fejlfinde! Nu, 20 år senere, er min vision ved at blive til virkelighed med NetBrain.

NetBrain var pioner inden for no-code-automatisering af netværksadministration. Hvad var tankegangen bag udviklingen af en no-code-løsning i stedet for traditionel scripting eller programmering baseret automatisering?

Vi ønskede at løse de kritiske udfordringer, der stod over for netværksoperationsholdene, ved at sænke barrieren for at adoptere og bruge netværksautomatisering, samtidig med at vi gjorde det tilgængeligt for alle niveauer af IT-kompetencer. Vi ser automatisering som en måde at udnytte netværksingeniørernes ekspertise til at skabe automatisering, der gør platformen mere nyttig og integreret i netværksoperationernes kultur.

Script-baseret DIY-netværksautomatisering kræver en ingeniør, der kender til kodning som Python, og har et højt niveau af netværks- og CLI-kendskab. Der er bare ikke nok mennesker med den specifikke kompetence (og de er dyre!). Projekter, der parrer kodere med netværksingeniører, ender med at producere relativt få automatiseringer, der kun kan løse et begrænset antal problemer i stedet for at stoppe tilbagevendende.

No-code-automatisering gør det let nok at implementere og skalerer automatisering på tværs af hybridnetværk, så det kan bruges til mange problemer – virkelig enhver gentagen opgave. Dette fører til en ændring i mindset, hvor NetOps og andre IT-hold vil se på automatisering som deres første løsning for de fleste problemer, i stedet for en “sidste udvej” forbeholdt kun et fåtal højt prioriterede problemer.

AI formerer stadig mere enterprise IT-operationer. Hvordan forbedrer AI NetBrains netværksautomatiseringsfunktioner, især i fejlfinding og sikkerhedsenforcement?

AI-drevne funktioner var en stor opdatering i NetBrains seneste version, Next-Gen Release 12 (R12). En af disse funktioner inkluderer en GenAI LLM Co-Pilot, der kan evaluere, orchestrere og sammenfatte netværksautomatiseringsresultater ved hjælp af naturligt sprog. Denne AI Co-Pilot fungerer som en teknologi-oversætter, der giver brugerne mulighed for at interagere med no-code-automatisering uden omfattende træning. Vi planlægger at fortsætte med at udvide vores AI-funktioner i fremtidige versioner.

Vores chatbot fungerer også som en virtuel selvbetjeningsværktøj, der giver operations- og sikkerhedshold mulighed for at indsamle væsentlig netværksinformation, hvilket bevarer værdifulde NetOps-resourcer til mere strategiske aktiviteter. Brugere kan stille spørgsmål på naturligt sprog, hvilket faciliterer intuitiv problemløsning og automatiserer fejlfindings-, ændrings- og vurderingsworkflows.

I bred forstand ser vi automatisering som en måde at skalerer NetOps-processer op til maskineskala og AI som en måde for mennesker at interagere med disse automatiseringer og netværket som helhed. Sammen hjælper de med at brokke den vidensteknologiske kløft inden for IT-holdene ved at fange års erfaring og gøre den tilgængelig for ingeniører på alle niveauer. Næsten hver enkelt virksomhed har en ingeniør, der ved, hvordan man løser hvert enkelt netværksproblem. Men hvad gør man, når denne person er på ferie, i et andet land eller utilgængelig? Automatisering og AI hjælper med at dele denne persons viden med resten af IT-holdet uden at kræve dyb ingeniør- og kodningskompetence.

Kan du forklare, hvordan NetBrains Digital Twin-teknologi fungerer, og hvordan den forbedrer organisationer, der administrerer hybrid- og multi-cloud-netværk?

NetBrains Digital Twin er en live-model af en klients multi-vendor-netværk, der inkorporerer Intent, trafikvidereformidling, topologi og enhedsdata og understøtter no-code-automatisering og dynamiske kort. I modsætning til andre digitale tvillinge indeholder vores intent-lag en stor samling af netværkskonfigurationer og serviceniveaudesign, der er essentielle for effektivt at levere alle applikationskrav.

En anden unik funktion i vores digitale tvilling er, at den giver realtidsdata på tværs af alle lag, hvilket skaber et mere sammenhængende og integreret system. Vores kunder er garanteret live-beregninger af baseline og historiske videreformidlingsveje på tværs af multi-cloud- og hybridmiljøer, samt realtids-topologi og -konfigurationer af ​​traditionelle, virtuelle og cloud-baserede komponenter i vores hybridnetværk. Dette, kombineret med Network Auto-Discovery, fjerner behovet for at manuelt oprette statiske netværkskort og opdaterer kontinuerligt hver komponent i det tilsluttede multi-vendor-netværk. Fordelen ved realtidsdata er muligheden for at arbejde mere effektivt internt uden bekymring for menneskeligt fejl, mens man arbejder i en enkelt enhed, der understøtter opdagelsen af traditionelle, virtuelle og cloud-baserede enheder.

Mange virksomheder kæmper med netværksnedtid og fejlfinding. Hvordan hjælper NetBrains AI-drevne automatisering med at reducere Mean Time to Repair (MTTR)?

NetBrain reducerer MTTR ved at gøre fejlfinding mere effektiv og strømlinet. Vores AI-drevne automatisering gør dette på flere måder:

• Automatisk oprette delbare incident-sammendragskort.
• Udføre automatiseret overvågning for at opdage fejlfindingsproblemer, før de påvirker en bruger
• Automatisk udføre grundlæggende diagnostiske tests, hver gang en billet åbnes
• Automatisk lukke billetter
• Forslå reparationer eller mulige årsager til problemer
• Give andre IT-hold lettere adgang til netværksdata

Selv små tidsbesparelser kompenserer hurtigt i skala – en af vores kunder estimerede, at NetBrain sparede dem 16.000 fejlfindings timer i 2022 på omkring 63.000 billetter ved at automatisere en række rutinemæssige diagnostiske tests. Alt i alt gør disse funktioner fejlfinding mere effektiv og reducerer MTTR direkte. De giver også niveau 1-ingeniører mulighed for at løse flere problemer på egen hånd og reducerer eskaleringer. Dette kaldes ofte “at flytte til venstre”. Det frigør mere tid for senior-ingeniører til at bruge på mere svær fejlfinding.

Med opkomsten af hybrid cloud- og SDN-miljøer, hvordan sikrer NetBrain end-to-end netværksobservabilitet og overholdelse på tværs af diverse infrastrukturer?

NetBrain sikrer omfattende netværksobservabilitet og overholdelse på tværs af hybrid cloud- og SDN-miljøer. Vi understøtter ubrudt multi-cloud-infrastrukturer som AWS, Microsoft Azure og Google Cloud Platform, samt traditionelle netværk, SD-WAN og SDN-udrulninger.

Vores platform giver kunderne mulighed for at overvåge cloud-konfigurationsændringer i realtid, automatisere kontinuerlige overholdelsesvurderinger og spore udviklingen af netværkskonfigurationer gennem en intuitiv dashboard. Derudover giver NetBrain multi-lagd sikkerhedsobservabilitet, der kontinuerligt vurderer cloud-sikkerhed på tværs af netværks-, server-, data- og applikationslag.

For SDN-stof giver NetBrain synlighed og gør SDN-viden let delelig på tværs af hold. Ved at udnytte automatisering kan organisationer skalerer SDN-ekspertise, samtidig med at de accelererer reaktion på incidenter. Vores “Shift Left”-tilgang identificerer proaktivt rodårsager og løser datacenter-problemer tidligere i netværksstøtte-livscyklussen, hvilket reducerer MTTR betydeligt.

Hvordan har NetBrain tilpasset sig nye cybersecurity-udfordringer, især med vækst i bekymring om netværkssikkerheds-sårbarheder?

Cyber-trusler udvikler sig hurtigt, og traditionelle, reaktive sikkerheds tilgange kan ikke længere følge med. NetBrain har tilpasset sig ved at gøre netværkssikkerhed proaktiv og automatiseret, hvilket hjælper IT med at finde mis-konfigurationer og sårbarheder, før de kan udnyttes af angribere.

Vi tilbyder Triple Defense Change Management, der validerer hver netværksændring mod sikkerheds politikker før, under og efter implementering. Dette sikrer overholdelse og forhindrer uventet eksponering. Vores automatisering auditerer også kontinuerligt konfigurationer, opdager afvigelser og integrerer med ITSM- og sikkerhedsplatforme for at gennemtvinge bedste praksis i realtid.

Ved at udnytte AI og automatisering hjælper NetBrain virksomheder med at reducere menneskeligt fejl, forbedre respons tid og forebygge sikkerheds huller, samtidig med at de sikrer, at netværkene forbliver sikre uden at tilføje operationel overhed.

Givet NetBrains evne til at eliminere nedtid og forbedre sikkerhedsenforcement, ser du en fremtid, hvor AI-drevne netværk bliver fuldstændigt autonome?

Som AI-drevne netværk fortsætter med at udvikle sig, erstatter de langsomt traditionelle netværksmetoder. Men fuld autonomi er stadig en fremtidig mulighed snarere end en umiddelbar realitet.

AI spiller en afgørende rolle i at strømline NetOps ved at automatisere arbejdskrævende opgaver. For eksempel kan identificering og katalogisering af IT-infrastrukturkomponenter – traditionelt en tidskrævende proces – nu accelereres betydeligt. Med AI-drevet Digital Twin-teknologi kan opgaver som at diagnosticere et BGP-tunnel-problem reduceres fra to timer til kun ti minutter. AI hjælper også med at brokke den vidensteknologiske kløft inden for IT-holdene ved at fange og distribuere års erfaring til ingeniører på alle niveauer. Når et problem opstår, kan AI ikke kun hjælpe med diagnose, men også anbefale korrektive handlinger, næste skridt og følge-op-procedurer – dramatisk reducerer respons tid og giver hold mulighed for at løse problemer hurtigere.

Det er dog sagt, at AI stadig har begrænsninger. Mens den kan analysere data, foreslå optimale løsninger og automatisere visse processer, kan den ikke træffe beslutninger, tage ansvar eller godkende netværksændringer uden menneskelig oversigt. Givet kompleksiteten og de høje stakes i enterprise-netværk, skal AI’s anbefalinger være valideret af ingeniører for at forhindre dyre fejl og nedtid. Indtil AI kan demonstrere større pålidelighed og kontekstuel beslutningstagning, vil fuldstændigt autonome netværk forblive en aspiration snarere end en realitet.

NetBrain betjener nu over 2.500 virksomheder, herunder en tredjedel af Fortune 500-virksomhederne. Hvad mener du har været nøglen til jeres succes i at skalerer og opnå virksomhedsadoption?

Vores succes skyldes, at vi fundamentalt har ændret, hvordan virksomheder administrerer deres netværk. Traditionel, reaktiv fejlfinding kan ikke længere skalerer, så vi var pionerer inden for no-code-netværksautomatisering for at gøre netværksoperationer proaktive, ikke kun reaktive.

En nøgleforskel er vores Digital Twin, der giver realtids-synlighed i hele hybridnetværket, hvilket giver hold mulighed for at automatisere diagnostik, gennemtvinge gyldige ingeniørstandarder og forhindre nedtid, før det sker. Kombineret med vores ITSM-integrerede fejlfinding og Triple Defense Change Management giver NetBrain virksomheder mulighed for at skalerer automatisering på tværs af selv de mest komplekse miljøer – uden at kræve en hær af udviklere.

Til sidst gør NetBrain automatisering tilgængelig, hvilket giver hold mulighed for at løse problemer hurtigere, gennemtvinge design-intent og holde business-kritiske applikationer kørende smidigt. Automatisering kombineret med præcis netværkskortlægning og dybere netværks indsigt giver os mulighed for at løse mange NetOps-udfordringer uden ekstra overhed.

Med udsigt til de næste fem år, hvordan ser du landskabet for netværksautomatisering udvikle sig, og hvilken rol ser du NetBrain spille i at forme fremtiden for AI-drevne netværksoperationer?

Over de næste fem år vil netværksautomatisering udvikle sig fra script-baserede opgaver og reaktiv fejlfinding til AI-drevet, intention-baseret automatisering, der dynamisk tilpasser sig ændringer i netværksforholdene. Dage med manuel fejlfinding og fragmenterede værktøjer er talte – automatisering vil være rygmarven af netværksoperationer, der sikrer resilience, sikkerhed og agility i skala.

AI vil gøre denne automatisering tilgængelig og sænke barrieren for brugbarhed på alle niveauer i operationerne. Det vil gøre det lettere at opnå og tilpasse netværksdata til fornuftige og meningsfulde oplysninger, så hold kan reducere risiko og opnå effektivitet hurtigere.

NetBrain er i frontlinjen af denne udvikling. Vores Digital Twin giver en live-model af netværket, der giver AI mulighed for at forstå dets design-intent og gennemtvinge det proaktivt. Vi er pionerer inden for GenAI-drevet fejlfinding, selvhealing-netværk og dybere ITSM-integrationer, så virksomheder kan skifte fra manuel intervention til fuldstændigt autonome operationer. Vores vision er enkel: Gør netværksautomatisering intuitiv, skalerbar og uundværlig – og gør hver enkelt ingeniør til en automatiseringsekspert uden at kræve, at de skal kode.

I de næste få år vil AI-drevne netværksoperationer ikke være en luksus, men en nødvendighed. NetBrain er i frontlinjen af denne udvikling, og sikrer, at virksomheder forbliver foran kompleksiteten, samtidig med at de holder netværkene sikre, overholdelige og altid tilgængelige.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge NetBrain.