Shaktiman Mall, Principal Product Manager, Aviatrix – Intervju-serie

Shaktiman Mall er Principal Product Manager i Aviatrix. Med over et tiår med erfaring i å designe og implementere nettverksløsninger, er Mall kjent for sin innovasjon, kreativitet, tilpasningsevne og presisjon. Før han begynte i Aviatrix, var Mall Senior Technical Marketing Manager i Palo Alto Networks (PANW ) og Principal Infrastructure Engineer i MphasiS.

Aviatrix er et selskap som fokuserer på å forenkle sky-nettverk for å hjelpe bedrifter å forbli agile. Deres sky-nettverksplattform brukes av over 500 bedrifter og er designet for å gi synlighet, sikkerhet og kontroll for å tilpasse seg endrede behov. Aviatrix Certified Engineer (ACE) Program tilbyr sertifisering i multicloud-nettverk og sikkerhet, med mål om å støtte profesjonelle i å holde seg oppdatert med digitale transformasjons-trender.

Hva var det som først tiltalte deg til datateknologi og cybersikkerhet?

Som student var jeg opprinnelig mer interessert i å studere medisin og ønsket å ta en grad i bioteknologi. Imidlertid bestemte jeg meg for å bytte til datavitenskap etter å ha hatt samtaler med mine klasskamerater om teknologiske fremgang og fremtidige teknologier på horisonten.

Kan du beskrive din nåværende rolle i Aviatrix og dele med oss hva dine ansvarsområder er og hva en gjennomsnittlig dag ser ut?

Jeg har vært i Aviatrix i to år og er nå Principal Product Manager i produktorganisasjonen. Som produktmanager, inkluderer mine ansvarsområder å bygge produktvisjon, gjennomføre markedundersøkelser og konsultere med salgs-, markedsførings- og støtte-team. Disse innputtene kombineres med direkte kundeengasjement for å hjelpe meg definere og prioritere funksjoner og feilrettinger.

Jeg sikrer også at våre produkter er i samsvar med kundens krav. Nye produktfunksjoner bør være enkle å bruke og ikke for komplekse eller unødvendig komplekse. I min rolle må jeg også være oppmerksom på tidspunktet for disse funksjonene – kan vi bruke ingeniørressurser på det nå, eller kan det vente seks måneder? Til den effekt, bør rullementet være trinnvis eller fasert inn i forskjellige versjoner? Viktigst, hva er den forventede avkastningen?

En gjennomsnittlig dag inkluderer møter med ingeniører, prosjektplanlegging, kundesamtaler og møter med salgs- og støtte-team. Disse diskusjonene lar meg få en oppdatering på kommende funksjoner og brukstilfeller, samt forstå nåværende problemer og tilbakemeldinger for å feilsøke før en utgivelse.

Hva er de primære utfordringene IT-teamene møter når de integrerer AI-verktøy i deres eksisterende sky-infrastruktur?

Basert på virkelige erfaringer med å integrere AI i vår IT-teknologi, tror jeg det finnes fire utfordringer bedrifter vil møte:

1. Datahåndtering og integrasjon: Data beriker AI, men når data er på forskjellige steder og ressurser i en organisasjon, kan det være vanskelig å håndtere det på riktig måte.
2. Skalering: AI-operasjoner kan være CPU-intensiv, noe som gjør skalering utfordrende.
3. Trening og oppmerksomhet: Et selskap kan ha den mest kraftfulle AI-løsningen, men hvis ansatte ikke vet hvordan de skal bruke den eller ikke forstår den, vil den være underutnyttet.
4. Kostnad: For IT-spesifikke, vil en kvalitets AI-integrering ikke være billig, og bedrifter må budsjettere etterpå.
5. Sikkerhet: Sørge for at sky-infrastrukturen møter sikkerhetsstandarder og regulatoriske krav relevante for AI-applikasjoner

Hvordan kan bedrifter sikre at deres sky-infrastruktur er robust nok til å støtte de tunge datamaskinbehovene til AI-applikasjoner?

Det finnes flere faktorer som er avgjørende for å kjøre AI-applikasjoner. For å begynne med, er det kritisk å finne riktig type og instans for skalerbarhet og ytelse.

Det må også være tilstrekkelig data-lagring, da disse applikasjonene vil trekke fra statisk data tilgjengelig i selskapet og bygge sin egen database med informasjon. Data-lagring kan være kostbar, noe som tvinger bedrifter til å vurdere forskjellige typer lagrings-optimalisering.

En annen overveielse er nettverks-båndbredde. Hvis alle ansatte i selskapet bruker samme AI-applikasjon samtidig, må nettverks-båndbredden skaleres – ellers vil applikasjonen være så langsom at den er ubrukelig. Liksom, må bedrifter bestemme om de vil bruke en sentralisert AI-modell hvor beregning skjer på ett sted eller en distribuert AI-modell hvor beregning skjer nærmere data-kildene.

Hvordan kan IT-teamene beskytte sine systemer mot den økte risikoen for cyberangrep?

Det finnes to hovedaspekter ved sikkerhet som hver IT-team må vurdere. Først, hvordan beskytter vi mot eksterne risiko? Andre, hvordan sikrer vi at data, enten det er personlig identifiserbar informasjon (PII) til kunder eller proprietær informasjon, forblir innenfor selskapet og ikke blir eksponert? Bedrifter må bestemme hvem som kan og ikke kan få tilgang til visse data. Som produktmanager, må jeg ha sensitiv informasjon som andre ikke er autorisert til å få tilgang til eller kode.

I Aviatrix, hjelper vi våre kunder å beskytte mot angrep, slik at de kan fortsette å adoptere teknologier som AI som er essensielle for å være konkurransedyktige i dag. Husk nettverks-båndbredde-optimalisering: fordi Aviatrix fungerer som data-plan for våre kunder, kan vi håndtere data som går gjennom deres nettverk, og gi synlighet og forbedre sikkerhets-gjennomføring.

Liksom, løser vår distribuerte cloud-brannmur (DCF) utfordringene med en distribuert AI-modell hvor data hentes fra flere steder, og omfatter geografiske grenser med forskjellige lover og overholdelse. Spesifikt, støtter DCF en enkelt sett med sikkerhets-overholdelse gjennomført over hele verden, og sikrer at samme sett med sikkerhets- og nettverks-arkitektur støttes. Aviatrix Networks-arkitektur lar oss også identifisere flaskenakker, hvor vi kan dynamisk oppdatere rutetabellen eller hjelpe kunder å opprette nye forbindelser for å optimalisere AI-krav.

Hvordan kan bedrifter optimalisere sine sky-utgifter mens de implementerer AI-teknologier, og hva rolle spiller Aviatrix-plattformen i dette?

En av de viktigste praksisene som vil hjelpe bedrifter å optimalisere sine sky-utgifter når de implementerer AI, er å minimere egress-utgifter.

Cloud-nettverksdata-prosessering og egress-gebyrer er en vesentlig komponent av sky-kostnader. De er begge vanskelige å forstå og inflexible. Disse kostnadsstrukturer hindrer ikke bare skalerbarhet og data-portabilitet for bedrifter, men gir også avtagende avkastning til skala når sky-data-volum øker, noe som kan påvirke organisasjoners båndbredde.

Aviatrix har designet vår egress-løsning for å gi kunden synlighet og kontroll. Ikke bare gjennomfører vi gjennomføring på gateways gjennom DCF, men vi gjør også nativ orkestrering, og gjennomfører kontroll på nettverkskort-nivå for betydelige kostnadsbesparelser. Faktisk, etter å ha analysert tallene på egress-utgifter, har vi hatt kunder som rapporterte besparelser på mellom 20% og 40%.

Vi bygger også auto-rettstørrelses-kapasiteter for å automatisk detektere høy ressurs-utnyttelse og automatisk planlegge oppgraderinger når det er nødvendig.

Til slutt sikrer vi optimalt nettverks-ytelse med avanserte nettverks-kapasiteter som intelligent ruting, trafikk-teknikk og sikker tilkobling over multi-cloud-miljøer.

Hvordan forbedrer Aviatrix CoPilot operasjonell effisiens og gir bedre synlighet og kontroll over AI-utøyninger i multicloud-miljøer?

Aviatrix CoPilots topologi-visning gir sanntids nettverks-forsinkelse og gjennomstrømming, og lar kunder se antall VPC/VNets. Den viser også forskjellige cloud-resurser, og akselerer problemløsning. For eksempel, hvis kunden ser en forsinkelses-problem i et nettverk, vil de vite hvilke ressurser som påvirkes. Aviatrix CoPilot hjelper også kunder å identifisere flaskenakker, konfigurasjons-problemer og ugyldige forbindelser eller nettverks-kartlegging. Dessuten, hvis en kunde må skalerer opp en av sine gateways til noden for å akkommodere flere AI-kapasiteter, kan Aviatrix CoPilot automatisk detektere, skalerer og oppgraderer når det er nødvendig.

Kan du forklare hvordan dynamisk topologi-kartlegging og innbygd sikkerhets-synlighet i Aviatrix CoPilot hjelper med sanntids-feilsøking av AI-applikasjoner?

Aviatrix CoPilots dynamiske topologi-kartlegging gir også robuste feilsøkings-kapasiteter. Hvis en kunde må feilsøke et problem mellom forskjellige cloud-tjenester (som krever at de forstår hvor trafikken blokkeres), kan CoPilot finne det, og strømlinje løsningen. Ikke bare viser Aviatrix CoPilot nettverks-aspekter, men den gir også sikkerhets-visnings-komponenter i form av vår egen trussel-IQ, som utfører sikkerhets- og sårbarhets-beskyttelse. Vi hjelper våre kunder å kartlegge nettverk og sikkerhet i én omfattende visnings-løsning.

Vi hjelper også med kapasitets-planlegging for både kostnad med costIQ, og ytelse med auto-rettstørrelse og nettverks-optimalisering.

Hvordan sikrer Aviatrix datasikkerhet og overholdelse over forskjellige cloud-leverandører når de integrerer AI-verktøy?

AWS og dens AI-motor, Amazon Bedrock, har forskjellige sikkerhets-krav enn Azure og Microsoft Copilot. Unikt, kan Aviatrix hjelpe våre kunder å opprette en orkestrerings-lag hvor vi kan automatisk justere sikkerhets- og nettverks-krav til den relevante cloud-leverandøren. For eksempel, kan Aviatrix automatisk oppdeler data for alle cloud-leverandører uavhengig av API-er eller underliggende arkitektur.

Det er viktig å merke seg at alle disse AI-motorene er inne i en offentlig subnett, som betyr at de har tilgang til internettet, og skaper ekstra sårbarheter fordi de forbruker proprietær data. Heldigvis, kan vår DCF sitte på både offentlige og private subnett, og sikre sikkerhet. Forbi offentlige subnett, kan den også sitte over forskjellige regioner og cloud-leverandører, mellom data-sentre og cloud-leverandører eller VPC/VNets og selv mellom en tilfeldig nettverks-plass og cloud. Vi etablerer end-to-end-kryptering over VPC/VNets og regioner for sikker overføring av data. Vi har også omfattende auditing og logging for oppgaver utført på systemet, samt integrert nettverk og policy med trussel-deteksjon og dyb pakke-inspeksjon.

Hva fremtidige trender ser du i krysningspunktet mellom AI og sky-datateknologi, og hvordan er Aviatrix i ferd med å møte disse trendene?

Jeg ser på samspillet mellom AI og sky-datateknologi som føder fantastiske automatiserings-kapasiteter i nøkkel-områder som nettverk, sikkerhet, synlighet og feilsøking for betydelige kostnadsbesparelser og effisiens.

Det kan også analysere forskjellige typer data som kommer inn i nettverket og anbefale de mest passende politikker eller sikkerhets-overholdelse. Liksom, hvis en kunde trenger å gjennomføre HIPAA, kan denne løsningen skanne gjennom kundens nettverk og deretter anbefale en tilsvarende strategi.

Feilsøking er en stor investering fordi det krever en kontakt-senter for å hjelpe kunder. Imidlertid, de fleste av disse problemene nødvendiggjør ikke menneskelig inngripen.

Generativ AI (GenAI) vil også være en game-changer for sky-datateknologi. I dag, er en topologi en day-zero-beslutning – en gang en arkitektur eller nettverks-topologi er bygget, er det vanskelig å gjøre endringer. En mulig brukstilfelle jeg tror er på horisonten, er en løsning som kan anbefale en optimal topologi basert på visse krav. Et annet problem som GenAI kunne løse, er relatert til sikkerhets-politikker, som raskt blir foreldet etter noen år. En GenAI-løsning kunne hjelpe brukere å regelmessig opprette nye sikkerhets-stabler etter nye lover og reguleringer.

Aviatrix kan implementere samme sikkerhets-arkitektur for et data-senter med vår edge-løsning, ettersom mer AI vil sitte nærmere data-kildene. Vi kan hjelpe med å koble sammen filialer og steder til cloud og edge med AI-komputere som kjører.

Vi hjelper også med B2B-integrasjon med forskjellige kunder eller enheter i samme selskap med separate driftsmodeller.

AI driver nye og spennende datateknologiske trender som vil påvirke hvordan infrastruktur bygges. I Aviatrix, ser vi frem til å gripe øyeblikket med vår sikre og sømløse sky-nettverksløsning.

Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Aviatrix.