Shaktiman Mall, Principal Product Manager, Aviatrix – סדרת ראיונות

Shaktiman Mall הוא Principal Product Manager ב- Aviatrix. עם יותר מעשור של ניסיון בעיצוב ויישום פתרונות רשת, Mall גאה בחדשנות, יצירתיות, גמישות ודיוק. לפני שהצטרף ל- Aviatrix, Mall שירת כ- Senior Technical Marketing Manager ב- Palo Alto Networks ו- Principal Infrastructure Engineer ב- MphasiS.

Aviatrix היא חברה המתמקדת בפשטות רשתות ענן כדי לעזור לעסקים להישאר גמישים. פלטפורמת רשתות הענן שלהם משמשת יותר מ-500 חברות ומיועדת לספק נראות, ביטחון ושליטה להסתגלות לצרכים משתנים. תוכנית ה- Aviatrix Certified Engineer (ACE) מציעה הסמכה ברשתות ענן וביטחון, במטרה לתמוך במקצוענים להישאר עדכניים עם מגמות התמורה הדיגיטלית.

מה היה הדבר שמשך אותך בתחילה להנדסת מחשבים ואבטחת סייבר?

כסטודנט, הייתי בתחילה מעוניין יותר ללמוד רפואה ורציתי לרדוף אחר תואר בביוטכנולוגיה. אולם, החלטתי לעבור למדעי המחשב אחרי שיחות עם חבריי לכיתה על התקדמויות טכנולוגיות בעשור הקודם וטכנולוגיות עתידיות באופק.

תוכל לתאר את תפקידך הנוכחי ב- Aviatrix ולשתף אותנו באחריות שלך ומה יום ממוצע נראה כמו?

הייתי עם Aviatrix במשך שנתיים וכרגע משרת כ- principal product manager בארגון המוצר. כמנהל מוצר, אחריותי כוללות בניית חזון מוצר, ביצוע מחקר שוק וייעוץ עם צוותי המכירות, השיווק והתמיכה. היקפים המשולבים האלה עם התערבות ישירה של לקוחות עוזרים לי להגדיר ולהעדיף תכונות ותיקוני באגים.

אני גם מוודא שהמוצרים שלנו מסתדרים עם דרישות הלקוחות. תכונות מוצר חדשות צריכות להיות קלות לשימוש ולא מסובכות מדי. בתפקידי, אני גם צריך להיות מודע לזמן לתכונות אלה – האם אנו יכולים להפנות משאבי הנדסה אליהם היום, או שהם יכולים לחכות שישה חודשים? לשם כך, האם ההשקה צריכה להיות מדורגת או מופסקת לגרסאות שונות? הכי חשוב, מהו התשואה המוערכת על ההשקעה?

יום ממוצע כולל פגישות עם הנדסה, תכנון פרויקט, שיחות לקוחות ופגישות עם מכירות ותמיכה. דיונים אלה מאפשרים לי לקבל עדכון על תכונות ומקרים שימוש עתידיים, בעודי מבין את הנושאים הנוכחיים והמשוב כדי לפתור בעיות לפני השקה.

מהם האתגרים העיקריים שצוותי IT פונים אליהם כאשר הם משלבים כלים של AI בתשתית הענן הקיימת שלהם?

על בסיס ניסיון עולם המורכב של שילוב AI בטכנולוגיית IT, אני מאמין שיש ארבעה אתגרים שחברות יפגשו:

1. ניצול נתונים ואינטגרציה: נתונים מעשירים AI, אבל כאשר נתונים נמצאים במקומות שונים ומשאבים בארגון, זה יכול להיות קשה לנצל אותם כראוי.
2. גמישות: פעולות AI יכולות להיות CPU אינטנסיביות, מה שהופך את הגמישות לאתגר.
3. אימון והעלאת מודעות: חברה יכולה להיות בעלת הפתרון AI החזק ביותר, אבל אם עובדים לא יודעים איך להשתמש בו או לא מבינים אותו, אז הוא יהיה מופנם.
4. עלות: במיוחד עבור IT, שילוב AI איכותי לא יהיה זול, ועסקים צריכים לתקצב בהתאם.
5. ביטחון: וודא שתשתית הענן מקיימת תקנים ודרישות רגולטוריות הרלוונטיות ליישומי AI

כיצד עסקים יכולים לוודא שתשתית הענן שלהם מספיק חזקה כדי לתמוך בצרכים המחשוביים הכבדים של יישומי AI?

יש מספר גורמים לריצה של יישומי AI. למתחיל, זה חשוב למצוא את הסוג הנכון ואינסטנס לגמישות וביצועים.

גם, יש צורך באחסון נתונים מספיק, שכן יישומים אלה יישלפו מנתונים סטטיים הזמינים בתוך החברה ויבנו את בסיס הנתונים שלהם. אחסון נתונים יכול להיות יקר, מה שמאלץ עסקים להעריך אופטימיזציה שונה של אחסון.

היבט נוסף הוא רוחב פס. אם כל עובד בחברה משתמש באותו יישום AI בבת אחת, רוחב הפס צריך להיות מסוגל להתרחב – אחרת, היישום יהיה איטי מדי עד שלא יהיה ניתן לשימוש. באותו אופן, חברות צריכות להחליט אם הן ישתמשו במודל AI מרכזי, שבו המחשוב מתרחש במקום אחד, או במודל AI מפוזר, שבו המחשוב מתרחש קרוב יותר למקורות הנתונים.

… (the rest of the translation remains the same, following the exact structure and format as the original)