Shaktiman Mall, Principal Product Manager, Aviatrix – Interview Series

Shaktiman Mall is Principal Product Manager bij Aviatrix. Met meer dan een decennium ervaring in het ontwerpen en implementeren van netwerkoplossingen, is Mall trots op zijn vernieuwende geest, creativiteit, aanpasbaarheid en precisie. Voordat hij bij Aviatrix kwam, was Mall Senior Technical Marketing Manager bij Palo Alto Networks en Principal Infrastructure Engineer bij MphasiS.

Aviatrix is een bedrijf dat zich richt op het vereenvoudigen van cloud-netwerken om bedrijven soepel te laten blijven. Hun cloud-netwerkplatform wordt gebruikt door meer dan 500 ondernemingen en is ontworpen om zichtbaarheid, beveiliging en controle te bieden voor het aanpassen aan veranderende behoeften. Het Aviatrix Certified Engineer (ACE) Programma biedt certificering in multicloud-netwerken en -beveiliging, met als doel professionals te ondersteunen bij het bijhouden van digitale transformatietrends.

Wat trok je aanvankelijk aan bij computerengineering en cybersecurity?

Als student was ik aanvankelijk meer geïnteresseerd in geneeskunde en wilde een diploma in biotechnologie behalen. Echter, ik besloot om over te stappen naar computerwetenschappen na gesprekken met mijn klasgenoten over technologische vooruitgang in de afgelopen decade en opkomende technologieën op de horizon.

Kunt u uw huidige rol bij Aviatrix beschrijven en met ons delen wat uw verantwoordelijkheden zijn en hoe een gemiddelde dag eruitziet?

Ik ben twee jaar geleden bij Aviatrix gekomen en werk momenteel als principal product manager in de productorganisatie. Als productmanager zijn mijn verantwoordelijkheden het opbouwen van productvisie, marktonderzoek uitvoeren en overleggen met de verkoop-, marketing- en ondersteunings teams. Deze input, samen met directe klantengagement, helpt me om functies en bugfixes te definiëren en prioriteren.

Ik zorg er ook voor dat onze producten aansluiten bij de eisen van klanten. Nieuwe productfuncties moeten gemakkelijk te gebruiken zijn en niet overmatig of onnodig complex. In mijn rol moet ik ook rekening houden met de timing van deze functies – kunnen we nu engineeringbronnen toewijzen of kan het zes maanden wachten? In dat geval, moet de uitrol gefaseerd of gefaseerd worden in verschillende versies? Het belangrijkste is, wat is de verwachte return on investment?

Een gemiddelde dag omvat vergaderingen met engineering, projectplanning, klanttelefoontjes en vergaderingen met verkoop- en ondersteuning. Deze discussies stellen me in staat om een update te krijgen over aanstaande functies en use cases, terwijl ik ook huidige problemen en feedback begrijp om voor een release op te lossen.

Wat zijn de primaire uitdagingen die IT-teams tegenkomen bij het integreren van AI-hulpmiddelen in hun bestaande cloud-infrastructuur?

Op basis van de real-world ervaring van het integreren van AI in onze IT-technologie, denk ik dat er vier uitdagingen zijn waar bedrijven mee te maken krijgen:

1. Het benutten van data & integratie: Data verrijkt AI, maar wanneer data op verschillende plaatsen en bronnen binnen een organisatie staat, kan het moeilijk zijn om het goed te benutten.
2. Schaalbaarheid: AI-bewerkingen kunnen CPU-intensief zijn, waardoor schaalbaarheid een uitdaging vormt.
3. Training en bewustzijn: Een bedrijf kan de meest krachtige AI-oplossing hebben, maar als medewerkers niet weten hoe ze het moeten gebruiken of het niet begrijpen, dan zal het onderbenut worden.
4. Kosten: Voor IT in het bijzonder, zal een kwalitatief hoogwaardige AI-integratie niet goedkoop zijn, en bedrijven moeten dienovereenkomstig budgetteren.
5. Beveiliging: Zorg ervoor dat de cloud-infrastructuur voldoet aan beveiligingsnormen en regelgevingsvereisten die relevant zijn voor AI-toepassingen

Hoe kunnen bedrijven ervoor zorgen dat hun cloud-infrastructuur robuust genoeg is om de zware rekenbehoeften van AI-toepassingen te ondersteunen?

Er zijn meerdere factoren die een rol spelen bij het uitvoeren van AI-toepassingen. Om te beginnen, is het cruciaal om het juiste type en exemplaar te vinden voor schaalbaarheid en prestaties.

Er moet ook voldoende gegevensopslag zijn, aangezien deze toepassingen gegevens uit de beschikbare gegevens binnen het bedrijf zullen halen en hun eigen database met informatie zullen opbouwen. Gegevensopslag kan duur zijn, waardoor bedrijven verschillende soorten opslagoptimalisatie moeten beoordelen.

Een andere overweging is netwerkbandbreedte. Als elk personeelslid in het bedrijf hetzelfde AI-toepassing op hetzelfde moment gebruikt, moet de netwerkbandbreedte schaalbaar zijn – anders zal de toepassing zo langzaam zijn dat deze niet bruikbaar is. Bovendien moeten bedrijven beslissen of ze een centraal AI-model willen gebruiken waarbij de berekening op één plaats gebeurt of een gedistribueerd AI-model waarbij de berekening dichter bij de gegevensbronnen gebeurt.

Met de toenemende adoptie van AI, hoe kunnen IT-teams hun systemen beschermen tegen het verhoogde risico van cyberaanvallen?

Er zijn twee belangrijke aspecten van beveiliging die elk IT-team moet overwegen. Ten eerste, hoe beschermen we ons tegen externe risico’s? Ten tweede, hoe zorgen we ervoor dat gegevens, of het nu gaat om persoonlijk identificeerbare informatie (PII) van klanten of vertrouwelijke informatie, binnen het bedrijf blijven en niet worden blootgesteld? Bedrijven moeten bepalen wie welke gegevens wel en niet mag toegang hebben. Als productmanager heb ik toegang tot gevoelige informatie die anderen niet mogen hebben of code.

Bij Aviatrix helpen we onze klanten om zich te beschermen tegen aanvallen, zodat ze technologieën zoals AI kunnen blijven adopteren die vandaag essentieel zijn om concurrerend te blijven. Denk aan netwerkbandbreedte-optimalisatie: omdat Aviatrix fungeert als de dataplane voor onze klanten, kunnen we de gegevens die door hun netwerk gaan beheren, waardoor we zichtbaarheid en beveiligingshandhaving kunnen bieden.

Evenzo lost onze gedistribueerde cloud-firewall (DCF) de uitdagingen op van een gedistribueerd AI-model waarbij gegevens op meerdere plaatsen worden opgevraagd, zich uitstrekkend over geografische grenzen met verschillende wetten en regelgeving. Specifiek ondersteunt een DCF een enkele set beveiligingscompliantie die wereldwijd wordt afgedwongen, waardoor dezelfde set beveiligings- en netwerkarchitectuur wordt ondersteund. Onze Aviatrix Networks Architecture stelt ons ook in staat om knelpunten te identificeren, waar we dynamisch de routetabel kunnen bijwerken of klanten helpen om nieuwe verbindingen te maken om AI-eisen te optimaliseren.

Hoe kunnen bedrijven hun cloud-uitgaven optimaliseren bij het implementeren van AI-technologieën, en wat is de rol van het Aviatrix-platform hierin?

Een van de belangrijkste praktijken die bedrijven helpen om hun cloud-uitgaven te optimaliseren bij het implementeren van AI, is het minimaliseren van egress-uitgaven.

Cloud-netwerkgegevensverwerking en egress-kosten zijn een belangrijk onderdeel van cloud-kosten. Ze zijn moeilijk te begrijpen en inflexibel. Deze kostenstructuren belemmeren niet alleen de schaalbaarheid en gegevensmobiliteit voor ondernemingen, maar bieden ook een afnemende rendabiliteit naarmate de hoeveelheid cloud-gegevens toeneemt, wat een impact kan hebben op de bandbreedte van organisaties.

Aviatrix heeft onze egress-oplossing ontworpen om klanten zichtbaarheid en controle te geven. We doen niet alleen handhaving op gateways via DCF, maar doen ook native orchestratie, waardoor we controle kunnen uitoefenen op het niveau van de netwerkinterfacekaart voor aanzienlijke kostenbesparingen. In feite, na het berekenen van de egress-uitgaven, meldden klanten besparingen tussen 20% en 40%.

We bouwen ook auto-rechtsgrootte-functionaliteit om automatisch hoge bronnenbezetting te detecteren en automatisch upgrades te plannen als dat nodig is.

Ten slotte garanderen we optimale netwerkprestaties met geavanceerde netwerkfuncties zoals intelligente routing, verkeersengineerings- en beveiligde connectiviteit in multi-cloud-omgevingen.

Hoe verhoogt Aviatrix CoPilot de operationele efficiëntie en biedt het betere zichtbaarheid en controle over AI-implementaties in multi-cloud-omgevingen?

Aviatrix CoPilot’s topologieweergave biedt real-time netwerklatentie en doorvoer, waardoor klanten het aantal VPC/VNets kunnen zien. Het toont ook verschillende cloud-resources, waardoor problemen sneller kunnen worden geïdentificeerd. Als een klant bijvoorbeeld een latentieprobleem in een netwerk ziet, weet hij welke assets worden beïnvloed. Bovendien helpt Aviatrix CoPilot klanten bij het identificeren van bottlenecks, configuratieproblemen en onjuiste verbindingen of netwerkkaarten. Bovendien, als een klant een van zijn gateways moet opschalen naar een knooppunt om meer AI-mogelijkheden te accommoderen, kan Aviatrix CoPilot automatisch detecteren, opschalen en upgraden als dat nodig is.

Kunt u uitleggen hoe dynamische topologiemapping en ingebouwde beveiligingszichtbaarheid in Aviatrix CoPilot helpen bij real-time troubleshooting van AI-toepassingen?

Aviatrix CoPilot’s dynamische topologiemapping biedt ook robuuste troubleshoot-mogelijkheden. Als een klant een probleem moet troubleshooten tussen verschillende clouds (waarvoor hij moet weten waar het verkeer wordt geblokkeerd), kan CoPilot het vinden, waardoor de oplossing wordt versneld. Aviatrix CoPilot visualiseert niet alleen netwerkaspecten, maar biedt ook beveiligingsvisualisatiecomponenten in de vorm van onze eigen threat IQ, die beveiligings- en kwetsbaarheidsbescherming uitvoert. We helpen onze klanten om netwerken en beveiliging te combineren in één uitgebreide visualisatie-oplossing.

We helpen ook bij capaciteitsplanning voor zowel kosten met costIQ als prestaties met auto-rechtsgrootte en netwerkoptimalisatie.

Hoe zorgt Aviatrix ervoor dat gegevensbeveiliging en -compliantie worden gegarandeerd bij de integratie van AI-hulpmiddelen in verschillende cloud-providers?

AWS en zijn AI-engine, Amazon Bedrock, hebben andere beveiligingseisen dan Azure en Microsoft Copilot. Uniek, Aviatrix kan helpen om een orchestratielaag te creëren waarin we automatisch beveiligings- en netwerkvereisten kunnen afstemmen op de CSP in kwestie. Bijvoorbeeld, Aviatrix kan automatisch gegevens compartimenteren voor alle CSP’s, ongeacht API’s of onderliggende architectuur.

Het is belangrijk om op te merken dat al deze AI-motoren zich in een openbare subnet bevinden, wat betekent dat ze toegang hebben tot het internet, waardoor extra kwetsbaarheden ontstaan omdat ze vertrouwelijke gegevens consumeren. Gelukkig kan onze DCF zowel op een openbare als een private subnet zitten, waardoor beveiliging wordt gegarandeerd. Bovendien kan het zitten over verschillende regio’s en CSP’s, tussen datacenters en CSP’s of VPC/VNets en zelfs tussen een willekeurige site en de cloud. We stellen end-to-end encryptie in voor de overdracht van gegevens tussen VPC/VNets en regio’s. We hebben ook uitgebreide auditing en logging voor taken die op het systeem worden uitgevoerd, evenals geïntegreerde netwerk- en beleid met dreigingsdetectie en diepe pakketinspectie.

Wat zijn de toekomstige trends die u voorziet in de intersectie van AI en cloud computing, en hoe bereidt Aviatrix zich voor om deze trends aan te pakken?

Ik zie de interactie tussen AI en cloud computing als een bron van ongelooflijke automatiseringsmogelijkheden op sleutelgebieden zoals netwerken, beveiliging, zichtbaarheid en troubleshooting voor aanzienlijke kostenbesparingen en efficiëntie.

Het kan ook de verschillende soorten gegevens die het netwerk binnenkomen analyseren en de meest geschikte beleidsregels of beveiligingscompliantie aanbevelen. Evenzo, als een klant HIPAA moet afdwingen, kan deze oplossing door de netwerken van de klant scannen en vervolgens een overeenkomstig beleid aanbevelen.

Troubleshooting is een belangrijke investering omdat het een callcenter vereist om klanten te ondersteunen. Echter, de meeste van deze problemen vereisen geen menselijke interventie.

Generatieve AI (GenAI) zal ook een game-changer zijn voor cloud computing. Vandaag is een topologie een day-zero beslissing – zodra een architectuur of netwerktopologie is gebouwd, is het moeilijk om veranderingen aan te brengen. Een potentieel gebruiksscenario dat ik denk dat in zicht is, is een oplossing die een optimale topologie kan aanbevelen op basis van bepaalde vereisten. Een ander probleem dat GenAI kan oplossen, is gerelateerd aan beveiligingsbeleid, dat snel verouderd raakt na een paar jaar. Een GenAI-oplossing kan helpen om regelmatig nieuwe beveiligingsstapels te creëren per nieuwe wetten en regelgeving.

Aviatrix kan dezelfde beveiligingsarchitectuur implementeren voor een datacenter met onze edge-oplossing, aangezien meer AI dichter bij de gegevensbronnen zal zitten. We kunnen helpen om filialen en sites te verbinden met de cloud en edge met AI-computes.

We helpen ook bij B2B-integratie met verschillende klanten of entiteiten binnen hetzelfde bedrijf met afzonderlijke operationele modellen.

AI drijft nieuwe en spannende computertrends aan die de manier waarop infrastructuur wordt gebouwd, zullen beïnvloeden. Bij Aviatrix kijken we ernaar uit om dit moment te grijpen met onze beveiligde en naadloze cloud-netwerkoplossing.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Aviatrix bezoeken.