Shaktiman Mall, Principal Product Manager, Aviatrix – Interview Series

Shaktiman Mall adalah Principal Product Manager di Aviatrix. Dengan lebih dari satu dekade pengalaman merancang dan mengimplementasikan solusi jaringan, Mall membanggakan diri dengan kecerdasan, kreativitas, fleksibilitas, dan presisi. Sebelum bergabung dengan Aviatrix, Mall menjabat sebagai Senior Technical Marketing Manager di Palo Alto Networks dan Principal Infrastructure Engineer di MphasiS.

Aviatrix adalah perusahaan yang fokus pada menyederhanakan jaringan cloud untuk membantu bisnis tetap lincah. Platform jaringan cloud mereka digunakan oleh lebih dari 500 perusahaan dan dirancang untuk menyediakan visibilitas, keamanan, dan kontrol untuk beradaptasi dengan kebutuhan yang berubah. Program Aviatrix Certified Engineer (ACE) menawarkan sertifikasi dalam jaringan multicloud dan keamanan, yang bertujuan untuk mendukung profesional dalam mengikuti tren transformasi digital.

Apa yang awalnya menarik Anda ke teknik komputer dan keamanan siber?

Sebagai mahasiswa, saya awalnya lebih tertarik untuk mempelajari kedokteran dan ingin mengejar gelar di bidang bioteknologi. Namun, saya memutuskan untuk beralih ke ilmu komputer setelah berdiskusi dengan teman sekelas tentang kemajuan teknologi selama dekade sebelumnya dan teknologi yang muncul di cakrawala.

Apakah Anda dapat menjelaskan peran Anda saat ini di Aviatrix dan berbagi dengan kami tentang tanggung jawab Anda dan seperti apa hari kerja rata-rata Anda?

Saya telah bergabung dengan Aviatrix selama dua tahun dan saat ini menjabat sebagai principal product manager di organisasi produk. Sebagai product manager, tanggung jawab saya termasuk membangun visi produk, melakukan penelitian pasar, dan berkonsultasi dengan tim penjualan, pemasaran, dan dukungan. Input ini dikombinasikan dengan keterlibatan langsung dengan pelanggan untuk membantu saya mendefinisikan dan memprioritaskan fitur dan perbaikan bug.

Saya juga memastikan bahwa produk kami sesuai dengan kebutuhan pelanggan. Fitur produk baru harus mudah digunakan dan tidak terlalu kompleks atau tidak perlu. Dalam peran saya, saya juga perlu memperhatikan waktu untuk fitur-fitur ini – apakah kita dapat mengalokasikan sumber daya teknik untuk itu hari ini, atau apakah itu dapat menunggu enam bulan? Untuk itu, apakah peluncuran harus dilakukan secara bertahap atau difasilitasi dalam versi yang berbeda? Yang paling penting, apa yang merupakan proyeksi return on investment?

Hari kerja rata-rata saya termasuk pertemuan dengan teknik, perencanaan proyek, panggilan pelanggan, dan pertemuan dengan penjualan dan dukungan. Diskusi tersebut memungkinkan saya untuk mendapatkan pembaruan tentang fitur yang akan datang dan kasus penggunaan sementara memahami masalah saat ini dan umpan balik untuk memecahkan masalah sebelum rilis.

Apa tantangan utama yang dihadapi tim IT saat mengintegrasikan alat AI ke infrastruktur cloud yang ada?

Berdasarkan pengalaman dunia nyata mengintegrasikan AI ke teknologi IT kami, saya percaya ada empat tantangan yang akan dihadapi perusahaan:

1. Menghimpun data & integrasi: Data memperkaya AI, tetapi ketika data ada di tempat yang berbeda dan sumber daya di sebuah organisasi, maka dapat sulit untuk menghimpunnya dengan benar.
2. Skalabilitas: Operasi AI dapat intensif CPU, membuat skalabilitas menjadi tantangan.
3. Pelatihan dan meningkatkan kesadaran: Sebuah perusahaan bisa memiliki solusi AI paling kuat, tetapi jika karyawan tidak tahu cara menggunakannya atau tidak memahaminya, maka itu akan underutilized.
4. Biaya: Untuk IT khususnya, integrasi AI berkualitas tidak akan murah, dan bisnis harus menganggarkan secara tepat.
5. Keamanan: Pastikan infrastruktur cloud memenuhi standar keamanan dan persyaratan peraturan yang relevan dengan aplikasi AI

Bagaimana bisnis dapat memastikan infrastruktur cloud mereka cukup kuat untuk mendukung kebutuhan komputasi berat aplikasi AI?

Ada beberapa faktor untuk menjalankan aplikasi AI. Pertama, sangat penting untuk menemukan jenis dan instance yang tepat untuk skala dan kinerja.

Juga, perlu ada penyimpanan data yang memadai, karena aplikasi ini akan mengambil data statis yang tersedia dalam perusahaan dan membangun basis data informasi mereka sendiri. Penyimpanan data dapat mahal, memaksa bisnis untuk menilai berbagai jenis optimasi penyimpanan.

Pertimbangan lain adalah bandwidth jaringan. Jika setiap karyawan dalam perusahaan menggunakan aplikasi AI yang sama secara bersamaan, bandwidth jaringan perlu diskalakan – jika tidak, aplikasi akan sangat lambat sehingga tidak dapat digunakan. Begitu pula, perusahaan perlu memutuskan apakah mereka akan menggunakan model AI terpusat di mana komputasi terjadi di satu tempat atau model AI terdistribusi di mana komputasi terjadi lebih dekat dengan sumber data.

Dengan adopsi AI yang meningkat, bagaimana tim IT dapat melindungi sistem mereka dari risiko serangan siber yang meningkat?

Ada dua aspek utama keamanan yang harus dipertimbangkan oleh setiap tim IT. Pertama, bagaimana kita melindungi dari risiko eksternal? Kedua, bagaimana kita memastikan data, apakah itu informasi yang dapat diidentifikasi secara pribadi (PII) dari pelanggan atau informasi proprietary, tetap berada dalam perusahaan dan tidak terkena?

Bisnis harus menentukan siapa yang dapat dan tidak dapat mengakses data tertentu. Sebagai product manager, saya perlu informasi sensitif yang tidak diizinkan orang lain untuk mengakses atau kode.

Di Aviatrix, kami membantu pelanggan kami melindungi dari serangan, memungkinkan mereka untuk terus mengadopsi teknologi seperti AI yang penting untuk kompetitif saat ini. Ingat optimasi bandwidth jaringan: karena Aviatrix bertindak sebagai data plane untuk pelanggan kami, kami dapat mengelola data yang melewati jaringan mereka, menyediakan visibilitas dan memperkuat keamanan.

Begitu pula, distributed cloud firewall (DCF) kami memecahkan tantangan model AI terdistribusi di mana data diperiksa di tempat yang berbeda, melintasi batas geografis dengan hukum dan kepatuhan yang berbeda. Secara khusus, DCF mendukung satu set kepatuhan keamanan yang diterapkan di seluruh dunia, memastikan arsitektur keamanan dan jaringan yang sama didukung. Arsitektur Jaringan Aviatrix kami juga memungkinkan kami untuk mengidentifikasi titik leher botol, di mana kami dapat secara dinamis memperbarui tabel routing atau membantu pelanggan membuat koneksi baru untuk mengoptimalkan kebutuhan AI.

Bagaimana bisnis dapat mengoptimalkan pengeluaran cloud mereka saat mengimplementasikan teknologi AI, dan apa peran platform Aviatrix dalam hal ini?

Salah satu praktik utama yang akan membantu bisnis mengoptimalkan pengeluaran cloud mereka saat mengimplementasikan AI adalah meminimalkan pengeluaran egress.

Pengolahan data jaringan cloud dan biaya egress adalah komponen material dari biaya cloud. Mereka sulit dipahami dan kaku. Struktur biaya ini tidak hanya menghambat skalabilitas dan portabilitas data untuk perusahaan, tetapi juga memberikan pengembalian yang menurun dengan skala ketika volume data cloud meningkat, yang dapat mempengaruhi bandwidth organisasi.

Aviatrix merancang solusi egress kami untuk memberikan visibilitas dan kontrol kepada pelanggan. Kami tidak hanya melakukan penegakan pada gerbang melalui DCF, tetapi kami juga melakukan orkestrasi asli, menerapkan kontrol pada tingkat kartu antarmuka jaringan untuk penghematan biaya yang signifikan. Bahkan, setelah menganalisis angka-angka tentang pengeluaran egress, kami memiliki pelanggan yang melaporkan penghematan antara 20% dan 40%.

Kami juga membangun kemampuan auto-rightsizing untuk secara otomatis mendeteksi utilitas sumber daya yang tinggi dan secara otomatis menjadwalkan upgrade yang diperlukan.

Terakhir, kami memastikan kinerja jaringan yang optimal dengan kemampuan jaringan lanjutan seperti routing cerdas, teknik lalu lintas, dan koneksi aman di seluruh lingkungan multicloud.

Bagaimana Aviatrix CoPilot meningkatkan efisiensi operasional dan memberikan visibilitas dan kontrol yang lebih baik atas penerapan AI di lingkungan multicloud?

Tampilan topologi Aviatrix CoPilot menyediakan latensi jaringan dan throughput waktu nyata, memungkinkan pelanggan untuk melihat jumlah VPC/VNets. Ini juga menampilkan sumber daya cloud yang berbeda, mempercepat identifikasi masalah. Misalnya, jika pelanggan melihat masalah latensi di jaringan, mereka akan tahu aset mana yang terkena. Juga, Aviatrix CoPilot membantu pelanggan mengidentifikasi bottleneck, masalah konfigurasi, dan koneksi atau pemetaan jaringan yang tidak benar. Selain itu, jika pelanggan perlu meningkatkan salah satu gerbangnya ke node untuk mengakomodasi lebih banyak kemampuan AI, Aviatrix CoPilot dapat secara otomatis mendeteksi, menskalakan, dan meningkatkan jika perlu.

Apakah Anda dapat menjelaskan bagaimana pemetaan topologi dinamis dan visibilitas keamanan yang tertanam di Aviatrix CoPilot membantu dalam pemecahan masalah waktu nyata aplikasi AI?

Pemetaan topologi dinamis Aviatrix CoPilot juga memfasilitasi kemampuan pemecahan masalah yang kuat. Jika pelanggan harus memecahkan masalah antara cloud yang berbeda (memerlukan mereka untuk memahami di mana lalu lintas diblokir), CoPilot dapat menemukannya, mempermudah resolusi. Tidak hanya Aviatrix CoPilot memvisualisasikan aspek jaringan, tetapi juga menyediakan komponen visualisasi keamanan dalam bentuk threat IQ kami, yang melakukan perlindungan keamanan dan kerentanan. Kami membantu pelanggan memetakan jaringan dan keamanan ke dalam satu solusi visualisasi komprehensif.

Kami juga membantu dengan perencanaan kapasitas untuk biaya dengan costIQ, dan kinerja dengan auto right sizing dan optimasi jaringan.

Bagaimana Aviatrix memastikan keamanan data dan kepatuhan di seluruh penyedia cloud ketika mengintegrasikan alat AI?

AWS dan mesin AI-nya, Amazon Bedrock, memiliki persyaratan keamanan yang berbeda dari Azure dan Microsoft Copilot. Secara unik, Aviatrix dapat membantu pelanggan kami membuat lapisan orkestrasi di mana kami dapat secara otomatis menyelaraskan keamanan dan persyaratan jaringan ke CSP yang bersangkutan. Misalnya, Aviatrix dapat secara otomatis mengompartmentalisasi data untuk semua CSP tanpa memandang API atau arsitektur yang mendasarinya.

Penting untuk dicatat bahwa semua mesin AI ini berada di subnet publik, yang berarti mereka memiliki akses ke internet, menciptakan kerentanan tambahan karena mereka mengonsumsi data proprietary. Beruntungnya, DCF kami dapat berada di subnet publik dan privat, memastikan keamanan. Di luar subnet publik, itu juga dapat berada di seluruh wilayah dan CSP, antara pusat data dan CSP atau VPC/VNets dan bahkan antara situs acak dan cloud. Kami membentuk enkripsi ujung-ke-ujung di seluruh VPC/VNets dan wilayah untuk transfer data yang aman. Kami juga memiliki auditing dan logging yang luas untuk tugas yang dilakukan pada sistem, serta integrasi jaringan dan kebijakan dengan deteksi ancaman dan inspeksi paket dalam.

Apa tren masa depan yang Anda lihat di persimpangan AI dan komputasi cloud, dan bagaimana Aviatrix mempersiapkan untuk menangani tren-tren ini?

Saya melihat interaksi AI dan komputasi cloud melahirkan kemampuan otomatisasi luar biasa di area kunci seperti jaringan, keamanan, visibilitas, dan pemecahan masalah untuk penghematan biaya dan efisiensi yang signifikan.

Ini juga dapat menganalisis berbagai jenis data yang memasuki jaringan dan merekomendasikan kebijakan keamanan atau kepatuhan yang paling sesuai. Begitu pula, jika pelanggan perlu menegakkan HIPAA, solusi ini dapat memindai melalui jaringan pelanggan dan kemudian merekomendasikan strategi yang sesuai.

Pemecahan masalah adalah investasi besar karena memerlukan pusat panggilan untuk membantu pelanggan. Namun, sebagian besar masalah ini tidak memerlukan intervensi manusia.

AI generatif (GenAI) juga akan menjadi game changer untuk komputasi cloud. Hari ini, topologi adalah keputusan hari nol – setelah arsitektur atau topologi jaringan dibangun, sulit untuk membuat perubahan. Salah satu kasus penggunaan yang saya percaya akan segera hadir adalah solusi yang dapat merekomendasikan topologi optimal berdasarkan persyaratan tertentu. Masalah lain yang dapat dipecahkan oleh GenAI adalah kebijakan keamanan, yang cepat menjadi usang setelah beberapa tahun. Solusi GenAI dapat membantu pengguna secara teratur membuat tumpukan keamanan baru sesuai dengan hukum dan peraturan baru.

Aviatrix dapat mengimplementasikan arsitektur keamanan yang sama untuk pusat data dengan solusi edge kami, mengingat lebih banyak AI akan berada di dekat sumber data. Kami dapat membantu menghubungkan cabang dan situs ke cloud dan edge dengan komputasi AI yang berjalan.

Kami juga membantu dalam integrasi B2B dengan pelanggan atau entitas yang berbeda dalam perusahaan yang sama dengan model operasional yang terpisah.

AI mengarahkan tren komputasi baru yang akan mempengaruhi bagaimana infrastruktur dibangun. Di Aviatrix, kami siap untuk memanfaatkan momen ini dengan solusi jaringan cloud yang aman dan mulus.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Aviatrix.