Shaktiman Mall, Principal Product Manager, Aviatrix – Intervieuserie

Shaktiman Mall er Principal Product Manager hos Aviatrix. Med mere end et årti med erfaring i design og implementering af netværksløsninger, er Mall stolt over sin opfindsomhed, kreativitet, tilpasningsevne og præcision. Før han kom til Aviatrix, var Mall Senior Technical Marketing Manager hos Palo Alto Networks (PANW ) og Principal Infrastructure Engineer hos MphasiS.

Aviatrix er et selskab, der fokuserer på at simplificere cloud-netværk til at hjælpe virksomheder med at blive mere agile. Deres cloud-netværksplatform bruges af over 500 virksomheder og er designet til at give synlighed, sikkerhed og kontrol til at tilpasse sig til ændrede behov. Aviatrix Certified Engineer (ACE) Program tilbyder certificering i multicloud-netværk og sikkerhed, med det formål at støtte professionelle i at følge med digitale transformations-trends.

Hvad var det, der oprindeligt tiltrak dig til computer-teknik og cybersikkerhed?

Da jeg var studerende, var jeg oprindeligt mere interesseret i at studere medicin og ønskede at følge en uddannelse i bioteknologi. Jeg besluttede dog at skifte til computervidenskab efter at have haft samtaler med mine medstuderende om teknologiske fremskridt i det foregående årti og fremvoksende teknologier på horisonten.

Kan du beskrive din nuværende rolle hos Aviatrix og dele med os, hvad dine ansvar er, og hvordan en gennemsnitlig dag ser ud?

Jeg har været hos Aviatrix i to år og fungerer nu som principal product manager i produktorganisationen. Som produktmanager er mine ansvar at opbygge produktvision, gennemføre markedundersøgelser og rådføre med salgs-, marketing- og supportteam. Disse input kombineret med direkte kundeengagement hjælper mig med at definere og prioritere funktioner og fejlrettelser.

Jeg sikrer også, at vores produkter er i overensstemmelse med kundernes krav. Nye produktfunktioner skal være lette at bruge og ikke for komplekse eller unødvendigt komplekse. I min rol skal jeg også være opmærksom på timingen for disse funktioner – kan vi bruge ingeniørressourcer til det i dag, eller kan det vente seks måneder? Til den sidstnævnte skal udgivelsen være trinvis eller faseteret i forskellige versioner? Mest vigtigt, hvad er den forventede afkast på investeringen?

En gennemsnitlig dag inkluderer møder med ingeniører, projektplanlægning, kundesamtaler og møder med salg og support. Disse diskussioner giver mig mulighed for at få en opdatering på kommende funktioner og brugsområder, mens jeg også forstår nuværende problemer og feedback til at fejlfinde før en udgivelse.

Hvad er de primære udfordringer, som IT-team møder, når de integrerer AI-værktøjer i deres eksisterende cloud-infrastruktur?

Basert på virkelige erfaringer med integration af AI i vores IT-teknologi, tror jeg, at der er fire udfordringer, som virksomheder vil møde:

1. Dataudnyttelse og integration: Data beriger AI, men når data er fordelt på forskellige steder og ressourcer i en organisation, kan det være svært at udnytte det korrekt.
2. Skalering: AI-operationer kan være CPU-intensive, hvilket gør skalering udfordrende.
3. Uddannelse og opmærksomhed: En virksomhed kan have den mest kraftfulde AI-løsning, men hvis medarbejderne ikke ved, hvordan de skal bruge den, eller ikke forstår den, så vil den være underudnyttet.
4. Omkring: For IT er en kvalitetsfuld AI-integration ikke billig, og virksomheder skal budgettere derefter.
5. Sikkerhed: Sørg for, at cloud-infrastrukturen opfylder sikkerhedsstandarder og regulatoriske krav relevant for AI-applikationer

Hvordan kan virksomheder sikre, at deres cloud-infrastruktur er robust nok til at understøtte de tungere beregningsbehov for AI-applikationer?

Der er flere faktorer, der skal tages i betragtning, når det kommer til at køre AI-applikationer. For at starte med skal man finde den rette type og instans for skala og ydelse.

Der skal også være tilstrækkelig dataopbevaring, da disse applikationer vil trække på statisk data, der er tilgængelig inden for virksomheden, og opbygge deres egen database med information. Dataopbevaring kan være kostbar, hvilket tvinger virksomheder til at evaluere forskellige typer af opbevaringsoptimering.

En anden overvejelse er netværksbandbredde. Hvis alle medarbejdere i virksomheden bruger den samme AI-applikation på samme tid, skal netværksbandbredde skaleres – ellers vil applikationen være så langsom, at den er ubrugelig. Ligeledes skal virksomheder beslutte, om de vil bruge en centraliseret AI-model, hvor beregning sker på ét sted, eller en distribueret AI-model, hvor beregning sker tættere på datakilderne.

Hvordan kan IT-team beskytte deres systemer mod den øgede risiko for cyberangreb, når de integrerer AI?

Der er to hovedaspekter ved sikkerhed, som ethvert IT-team skal tage i betragtning. Først, hvordan beskytter vi os mod eksterne risici? Anden, hvordan sikrer vi, at data, enten det er personlige identificerbare oplysninger (PII) for kunder eller proprietære oplysninger, forbliver inden for virksomheden og ikke bliver eksponeret? Virksomheder skal afgøre, hvem der kan og ikke kan få adgang til bestemte data. Som produktmanager skal jeg have følsomme oplysninger, som andre ikke er autoriseret til at få adgang til eller kode.

Hos Aviatrix hjælper vi vores kunder med at beskytte sig mod angreb, så de kan fortsætte med at adoptere teknologier som AI, der er essentielle for at være konkurrencedygtige i dag. Husk netværksbandbreddeoptimering: da Aviatrix fungerer som dataplanet for vores kunder, kan vi styre data, der går gennem deres netværk, og give synlighed og forbedre sikkerhedsenforcement.

Ligeledes løser vores distribuerede cloud-brandmur (DCF) udfordringerne i forbindelse med en distribueret AI-model, hvor data hentes fra flere steder, der spænder over geografiske grænser med forskellige love og overholdelse. Specifikt understøtter en DCF en enkelt sæt sikkerhedsstandarder, der gennemtvinges på tværs af hele verden, og sikrer, at samme sikkerheds- og netværksarkitektur understøttes. Vores Aviatrix Networks-arkitektur giver os også mulighed for at identificere flaskehalse, hvor vi kan opdatere routingtabellen dynamisk eller hjælpe kunder med at oprette nye forbindelser for at optimere AI-krav.

Hvordan kan virksomheder optimere deres cloud-udgifter, mens de implementerer AI-teknologier, og hvilken rol spiller Aviatrix-platformen i dette?

En af de vigtigste praksisser, der kan hjælpe virksomheder med at optimere deres cloud-udgifter, mens de implementerer AI, er at minimere egress-udgifter.

Cloud-netværksdata-processing og egress-gebyrer er en væsentlig del af cloud-omkostninger. De er svære at forstå og fleksible. Disse omkostningsstrukturer hindrer ikke kun skalerbarhed og dataportabilitet for virksomheder, men giver også aftagende afkast til skalaen, når cloud-data-volumen øges, hvilket kan påvirke virksomheders bandbredde.

Aviatrix designede vores egress-løsning til at give kunderne synlighed og kontrol. Vi gennemfører ikke kun enforcement på gateways gennem DCF, men vi gennemfører også native orkestrering, der giver kontrol på netværkskortniveau for betydelige omkostningsbesparelser. Faktisk havde vi kunder, der rapporterede besparelser på mellem 20% og 40% efter at have gennemført egress-udgifter.

Vi bygger også auto-rettigheds-kapaciteter til automatisk at registrere høj ressourceudnyttelse og automatisk planlægge opgraderinger efter behov.

Til sidst sikrer vi optimal netværkspræstation med avancerede netværksfunktioner som intelligent routing, trafikteknik og sikker forbindelse på tværs af multicloud-miljøer.

Hvordan forbedrer Aviatrix CoPilot operationel effektivitet og giver bedre synlighed og kontrol over AI-udrulninger i multicloud-miljøer?

Aviatrix CoPilots topologivisning giver realtidsnetværksforsinkelse og gennemstrømning, hvilket giver kunderne mulighed for at se antallet af VPC/VNets. Det viser også forskellige cloudressourcer, hvilket accelererer problemløsning. For eksempel, hvis kunden ser en forsinkelsesproblematik i et netværk, vil de vide, hvilke aktiver der påvirkes. Aviatrix CoPilot hjælper også kunder med at identificere flaskehalse, konfigurationsproblemer og forkerte forbindelser eller netværkskort. Endvidere, hvis en kunde skal skalerer op en af sine gateways til at tilpasse flere AI-funktioner, kan Aviatrix CoPilot automatisk registrere, skalerer og opgraderer efter behov.

Kan du forklare, hvordan dynamisk topologikortlægning og indbygget sikkerhedsynlighed i Aviatrix CoPilot hjælper med realtidsfejlfinding af AI-applikationer?

Aviatrix CoPilots dynamiske topologikortlægning giver også robuste fejlfindingsfunktioner. Hvis en kunde skal fejlfinde et problem mellem forskellige cloud-miljøer (hvad der kræver, at de skal forstå, hvor trafikken blev blokeret), kan CoPilot finde det, hvilket strømliner løsningen. Aviatrix CoPilot visualiserer ikke kun netværksaspekter, men giver også sikkerhedsvisualiseringskomponenter i form af vores egen trussels-intelligence, der udfører sikkerheds- og sårbarhedsbeskyttelse. Vi hjælper vores kunder med at kortlægge netværk og sikkerhed i én omfattende visualiseringsløsning.

Vi hjælper også med kapacitetsplanlægning for både omkostninger med costIQ og præstation med auto-rettigheds- og netværksoptimering.

Hvordan sikrer Aviatrix datasikkerhed og overholdelse på tværs af forskellige cloud-leverandører, når de integrerer AI-værktøjer?

AWS og dens AI-motor, Amazon Bedrock, har forskellige sikkerhedskrav end Azure og Microsoft Copilot. Unikt kan Aviatrix hjælpe vores kunder med at oprette en orkestreringslag, hvor vi kan automatisk tilpasse sikkerheds- og netværkskrav til den pågældende CSP. For eksempel kan Aviatrix automatisk opdele data for alle CSP’er uanset API’er eller underliggende arkitektur.

Det er vigtigt at bemærke, at alle disse AI-motorer er placeret i en offentlig subnet, hvilket giver dem adgang til internettet, og skaber yderligere sårbarheder, fordi de forbruger proprietære data. Heldigvis kan vores DCF sidde på både offentlige og private subneter, hvilket sikrer sikkerhed. Ud over offentlige subneter kan det også sidde på tværs af forskellige regioner og CSP’er, mellem datacentre og CSP’er eller VPC/VNets og endda mellem en tilfældig lokalitet og cloud. Vi etablerer end-to-end-kryptering på tværs af VPC/VNets og regioner for sikker dataoverførsel. Vi har også omfattende revision og logging af opgaver udført på systemet, samt integreret netværk og politik med trusselsdetektion og dyb pakkeinspektion.

Hvad er de fremtidige trends, du forudser i intersectionen mellem AI og cloud-computing, og hvordan er Aviatrix forberedt på at tackle disse trends?

Jeg ser, at interaktionen mellem AI og cloud-computing giver fødsel til fantastiske automatiseringsmuligheder på områder som netværk, sikkerhed, synlighed og fejlfinding til betydelige omkostningsbesparelser og effektivitet.

Det kan også analysere de forskellige typer data, der kommer ind i netværket, og anbefale de mest passende politikker eller sikkerhedsstandarder. Ligeledes, hvis en kunde har brug for at gennemtvinge HIPAA, kan denne løsning scannen gennem kundens netværk og derefter anbefale en tilsvarende strategi.

Fejlfinding er en stor investering, da det kræver en callcenter for at hjælpe kunder. Men de fleste af disse problemer kræver ikke menneskelig intervention.

Generativ AI (GenAI) vil også være en game-changer for cloud-computing. I dag er en topologi en dag-null-beslutning – når en arkitektur eller netværkstopologi er bygget, er det svært at lave ændringer. En mulig brugsøjeblik, jeg tror er på horisonten, er en løsning, der kan anbefale en optimal topologi baseret på bestemte krav. Et andet problem, som GenAI kunne løse, er relateret til sikkerhedsstandarder, der hurtigt bliver forældede efter få år. En GenAI-løsning kunne hjælpe brugere med at oprette nye sikkerhedsstakke efter nye love og reguleringer.

Aviatrix kan implementere samme sikkerhedsarkitektur for et datacenter med vores edge-løsning, da mere AI vil sidde tæt på datakilderne. Vi kan hjælpe med at forbinde filialer og lokaliteter til cloud og edge med AI-computere, der kører.

Vi hjælper også med B2B-integration med forskellige kunder eller enheder i samme virksomhed med separate driftsmodeller.

AI driver nye og spændende computertrends, der vil påvirke, hvordan infrastruktur bygges. Hos Aviatrix ser vi frem til at gribe øjeblikket med vores sikre og ubrudte cloud-netværksløsning.

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