Lingping Gao, Grundare, VD och Styrelseordförande för NetBrain Technologies – Intervjuserie

Lingping Gao, Grundare, VD och Styrelseordförande för NetBrain Technologies, etablerade företaget 2004 med en mission att förenkla nätverkshantering. Innan han grundade NetBrain var herr Gao Chief Network Architect på Thomson Financial, där han hanterade komplexiteten i stora företagsnätverk och upplevde utmaningarna med att upprätthålla nätverksprestanda.

Herr Gao har erfarenhet inom flera områden, inklusive ledning, teknik och internationell verksamhet inom nätverks-, programvaru- och bilindustrin. Han har en kandidatexamen och en filosofie kandidatexamen i bilteknik från Tsinghua University och en masterexamen i teknik från Yale University.

NetBrain grundades 2004 och är marknadsledare för nätverksautomatisering. Dess tekniska plattform ger nätverksingenjörer en överblick över hela deras hybridmiljöer samtidigt som de automatiserar sina uppgifter över IT-arbetsflöden. Idag använder mer än 2 400 av världens största företag och leverantörer av hanterade tjänster NetBrain för att automatisera nätverksdokumentation, påskynda felsökning och stärka nätverkssäkerhet – samtidigt som de integrerar med en rik ekosystem av partners. NetBrain har sitt huvudkontor i Burlington, Massachusetts, med anställda i hela USA och Kanada, Tyskland, Storbritannien, Indien och Kina.

Vad inspirerade dig att starta NetBrain 2004? Fanns det några specifika utmaningar du stötte på på Thomson Financial som ledde dig att se ett gap i nätverkshantering?

Tidigt i min karriär tillbringade jag fem år som nätverksingenjör på Thomson Financial. Jag minns att jag en dag blev inkallad till NOC på väg ut ur byggnaden och tillbringade hela natten med att hjälpa till att felsöka ett problem. Det visade sig att en Cisco-switch hade uppdaterats och det hade ändrat en viktig konfiguration. Jag undrade varför det tog så lång tid, trots att vi hade ett helt team av smarta ingenjörer som arbetade med det. Det måste finnas ett bättre sätt.

Jag insåg att orsaken till att felsökningen var så svår var bristen på data. Under de långa nätterna ställde ingenjörerna alltid samma få frågor. Vilka enheter består mitt nätverk av? Vad ser baslinjen ut som? Vem gjorde detta och varför är det konfigurerat på det här sättet? Jag startade NetBrain för att göra det lättare att besvara dessa frågor.

Jag visste att om nätverksdata var mer lättillgänglig, kunde problem lösas mycket snabbare. På mitt första jobb skulle du ta med en personsökare och en stapel nätverksdiagram när du gick på semester! Min vision för NetBrain var att ge ingenjörerna snabb och enkel tillgång till den nätverksdata de behöver för att lösa problem och ett sätt att enkelt automatisera sina uppgifter så att de kan skalas upp och utföras proaktivt i stället för reaktivt. Om vi kan upptäcka och åtgärda ett problem innan det påverkar en slutanvändare, behöver ingen tillbringa hela natten med felsökning! Nu, 20 år senare, förverkligas min vision med NetBrain.

NetBrain banade väg för inge-kod-automatisering för nätverkshantering. Vad var tanken bakom att utveckla en inge-kod-lösning i stället för traditionell skriptbaserad eller programmeringsbaserad automatisering?

Vi ville lösa de kritiska utmaningarna som nätverksdriftsteamen stod inför genom att sänka tröskeln för att anta och använda nätverksautomatisering samtidigt som vi gjorde den tillgänglig för alla IT-kompetensnivåer. Vi ser automatisering som ett sätt att utnyttja nätverksingenjörernas expertis för att skapa automatisering, vilket gör plattformen mer användbar och integrerad i nätverksdriftens kultur.

Skriptbaserad DIY-nätverksautomatisering kräver en ingenjör som känner till kodning, till exempel Python, och har en hög nivå av nätverks- och CLI-kunskap. Det finns helt enkelt inte tillräckligt med personer med den specifika kompetensnivån (och de är dyra!). Projekt som parar kodare med nätverksingenjörer resulterar i relativt få automatiseringar som bara kan hantera ett begränsat antal problem i stället för att förhindra återkommande problem.

Inge-kod-automatisering gör det tillräckligt enkelt att distribuera och skala automatisering över hybridnätverk så att den kan användas för många problem – faktiskt alla repetitiva uppgifter. Detta leder till en förändring i synsätt där NetOps och andra IT-team kommer att se automatisering som sin första lösning för de flesta problem, i stället för en “sista utväg” som är reserverad för bara ett fåtal högprioriterade problem.

AI formas alltmer av företags IT-verksamhet. Hur förbättrar AI NetBrains nätverksautomatiseringsfunktioner, särskilt när det gäller felsökning och säkerhetstillsyn?

AI-drivna funktioner var en stor uppdatering i NetBrains senaste version, Next-Gen Release 12 (R12). En av dessa funktioner är en GenAI LLM Co-Pilot, som kan utvärdera, orkestrera och sammanfatta nätverksautomatiseringsresultat med hjälp av naturligt språk. Denna AI Co-Pilot fungerar som en teknisk översättare, vilket möjliggör för användare att engagera sig i inge-kod-automatisering utan behov av omfattande utbildning. Vi planerar att fortsätta expandera våra AI-funktioner i kommande versioner.

Vår chatbot fungerar också som ett virtuellt självbetjäningsverktyg, som möjliggör för drifts- och säkerhetsteam att samla in viktig nätverksinformation, vilket sparar värdefulla NetOps-resurser för mer strategiska aktiviteter. Användare kan ställa frågor på naturligt språk, vilket underlättar intuitiv felsökning och automatiserar felsöknings-, ändringshanterings- och utvärderingsarbetsflöden.

I allmänhet ser vi automatisering som ett sätt att skala upp NetOps-processer till maskinskala och AI som ett sätt för människor att interagera med dessa automatiseringar och nätverket i sin helhet. Tillsammans hjälper de till att överbrygga kunskapsgapet inom IT-team genom att fånga år av expertkunskap och göra den tillgänglig för ingenjörer på alla nivåer. Nästan varje företag har en ingenjör som vet hur man löser varje nätverksproblem. Men vad gör man när den personen är på semester, i ett annat land eller otillgänglig? Automatisering och AI hjälper till att dela den personens kunskap med resten av IT-teamet utan att kräva djup ingenjörskompetens och kodningsfärdigheter.

Kan du gå igenom hur NetBrains Digital Twin-teknik fungerar och hur den gynnar organisationer som hanterar hybrid- och multi-molnnätverk?

NetBrains Digital Twin är en live-modell av en klients multi-vendor-nätverk som omfattar avsikt, trafikdirigering, topologi och enhetsdata och stöder inge-kod-automatisering och dynamiska kartor. Till skillnad från andra digitala tvillingar innehåller vår avsiktsskikt en stor samling nätverkskonfigurationer och tjänstekonstruktionsdesign som är väsentliga för att effektivt leverera alla programkrav.

En annan unik funktion i vår digitala tvilling är att den tillhandahåller realtidsdata över alla lager, vilket skapar ett mer sammanhängande och integrerat system. Våra kunder garanteras liveberäkningar av baslinje och historiska dirigeringssökvägar över multi-moln- och hybridmiljöer, samt realtids-topologi och konfigurationer av traditionella, virtuella och molnbaserade komponenter med vår hybridnätverkslösning. Detta, i kombination med nätverksautouppdiktering, eliminerar behovet av att manuellt skapa statiska nätverkskartor och uppdaterar kontinuerligt varje komponent i det anslutna multi-vendor-nätverket. Fördelen med realtidsdata är möjligheten att arbeta mer effektivt internt utan att behöva oroa sig för mänskliga fel medan man arbetar i en enda enhet som stöder upptäckt av traditionella, virtuella och molnbaserade enheter.

Många företag kämpar med nätverksavbrott och felsökning. Hur hjälper NetBrains AI-drivna automatisering till att minska Medel tid till reparation (MTTR)?

NetBrain minskar MTTR genom att göra felsökning mer effektiv och strömlinjeformad. Vår AI-drivna automatisering gör detta på flera sätt:

• Skapar automatiskt delbara incidentssammanfattningsinstrumentpaneler.
• Utför automatisk övervakning för att upptäcka felsökningsproblem innan de påverkar en användare
• Utför automatiskt grundläggande diagnostiska tester varje gång en biljett öppnas
• Stänger automatiskt biljetter
• Föreslår åtgärder eller möjliga orsaker till problem
• Ger andra IT-team enklare tillgång till nätverksdata

Även små tidsbesparingar ackumuleras snabbt i stor skala – en av våra kunder uppskattade att NetBrain sparade dem 16 000 felsöknings timmar 2022 på cirka 63 000 biljetter genom att automatisera en serie rutinmässiga diagnostiska tester. Sammantaget gör dessa funktioner felsökning mer effektiv och minskar MTTR direkt. De möjliggör också för juniora ingenjörer att lösa fler problem på egen hand och minska eskaleringar. Detta kallas ofta “skifta vänster”. Det frigör mer tid för seniora ingenjörer att ägna sig åt svårare felsökning.

Med den ökande användningen av hybridmoln och SDN-miljöer, hur säkerställer NetBrain en komplett nätverksövervakning och regelefterlevnad över diversifierade infrastrukturer?

NetBrain säkerställer en komplett nätverksövervakning och regelefterlevnad över hybridmoln- och SDN-miljöer. Vi stöder sömlöst multi-molninfrastrukturer som AWS, Microsoft Azure och Google Cloud Platform, samt traditionella nätverk, SD-WAN och SDN-distributioner.

Vår plattform möjliggör för kunder att övervaka molnkonfigurationsändringar i realtid, automatisera kontinuerliga regelefterlevnadsbedömningar och spåra utvecklingen av nätverkskonfigurationer via en intuitiv instrumentpanel. Dessutom tillhandahåller NetBrain en multi-lagersäkerhetsövervakning, som kontinuerligt utvärderar molnsäkerhet över nätverks-, server-, data- och applikationslager.

För SDN-tyger förbättrar NetBrain synligheten och gör det enkelt att dela SDN-kunskap över team. Genom att utnyttja automatisering kan organisationer skala upp SDN-kompetens samtidigt som de påskyndar incidentrespons. Vår “Skifta vänster”-ansats identifierar proaktivt rotorsaker och löser datacenterproblem tidigare i nätverksstöds cykeln, vilket minskar MTTR avsevärt.

Hur har NetBrain anpassat sig till nya cybersäkerhetsutmaningar, särskilt med tanke på de växande bekymren om nätverkssäkerhetsrisker?

Cyberhot utvecklas snabbt, och traditionella, reaktiva säkerhetsmetoder kan inte längre hålla jämna steg. NetBrain har anpassat sig genom att göra nätverkssäkerhet proaktiv och automatiserad, vilket hjälper IT att hitta konfigurationsfel och sårbarheter innan de kan utnyttjas av angripare.

Vi erbjuder Triple Defense Change Management, som validerar varje nätverksändring mot säkerhetspolicyn innan, under och efter implementeringen. Detta säkerställer regelefterlevnad och förhindrar oavsiktlig exponering. Vår automatisering granskar också kontinuerligt konfigurationer, upptäcker avvikelser och integrerar med ITSM- och säkerhetsplattformar för att verkställa bästa praxis i realtid.

Genom att utnyttja AI och automatisering hjälper NetBrain företag att minska mänskliga fel, förbättra respons tid och förhindra säkerhetsluckor, vilket säkerställer att nätverken förblir säkra utan att lägga till operativ överbelastning.

Med tanke på NetBrains förmåga att eliminera avbrott och förbättra säkerhetstillsyn, ser du en framtid där AI-drivna nätverk blir fullständigt autonoma?

När AI-drivna nätverk fortsätter att utvecklas, ersätter de gradvis traditionella nätverksmetoder. Men full autonomi förblir en framtida möjlighet snarare än en omedelbar verklighet.

AI spelar en avgörande roll för att strömlinjeforma NetOps genom att automatisera arbetskrävande uppgifter. Till exempel kan identifiering och katalogisering av IT-infrastrukturkomponenter – traditionellt en tidskrävande process – nu påskyndas avsevärt. Med AI-drivna Digital Twin-teknik kan uppgifter som att diagnostisera ett BGP-tunnelproblem minskas från två timmar till bara tio minuter. AI hjälper också till att överbrygga kunskapsgapet inom IT-team genom att fånga och distribuera år av expertkunskap till ingenjörer på alla nivåer. När ett problem uppstår kan AI inte bara hjälpa till med diagnos, utan också föreslå korrigeringsåtgärder, nästa steg och uppföljningsförfaranden – vilket dramatiskt minskar responstider och möjliggör för team att lösa problem snabbare.

Det sagt har AI fortfarande begränsningar. Medan den kan analysera data, föreslå optimeringar och automatisera vissa processer, kan den inte fatta beslut, ta ansvar eller godkänna nätverksändringar utan mänsklig tillsyn. Med tanke på komplexiteten och de höga insatserna i företagsnätverk måste AI:s rekommendationer valideras av ingenjörer för att förhindra dyra fel och avbrott. Tills AI kan demonstrera större tillförlitlighet och kontextuell beslutsfattning, kommer fullständigt autonoma nätverk att förbli en strävan snarare än en verklighet.

NetBrain betjänar nu över 2 500 företagskunder, inklusive en tredjedel av företagen på Fortune 500-listan. Vad tror du har varit nyckeln till er framgång i att skala och få företagsacceptans?

Vår framgång kommer från att vi i grunden har förändrat hur företag hanterar sina nätverk. Traditionell, reaktiv felsökning fungerar inte längre i skala, så vi banade väg för inge-kod-nätverksautomatisering för att göra nätverksdrift proaktiv, inte bara reaktiv.

En viktig differentierare är vår Digital Twin, som ger en överblick över hela hybridnätverket i realtid, vilket möjliggör för team att automatisera diagnostik, verkställa gyllene ingenjörsstandarder och förhindra avbrott innan de inträffar. I kombination med vår ITSM-integrerade felsökning och Triple Defense Change Management kan företag skala upp automatisering över även de mest komplexa miljöerna – utan att kräva en armé av utvecklare.

I slutändan gör NetBrain automatisering tillgänglig, vilket möjliggör för team att lösa problem snabbare, verkställa designavsikt och hålla affärskritiska applikationer igång smidigt. Automatisering i kombination med korrekt nätverkskartering och djupare nätverksinsikt låter oss lösa många NetOps-utmaningar utan extra belastning.

Om fem år, hur ser du på nätverksautomatiseringens landskap, och vilken roll ser du att NetBrain kommer att spela i att forma framtiden för AI-drivna nätverksoperationer?

Under de kommande fem åren kommer nätverksautomatisering att gå utöver skriptbaserade uppgifter och reaktiv felsökning till AI-drivna, avsikt-baserade automatisering som dynamiskt anpassar sig till förändrade nätverksförhållanden. Dagarna för manuell diagnostik och fragmenterade verktyg är räknade — automatisering kommer att vara ryggraden i nätverksdrift, vilket säkerställer motståndskraft, säkerhet och smidighet i skala.

AI kommer att göra den automatiseringen tillgänglig och sänka tröskeln för användbarhet på alla nivåer i driften. Det kommer att göra det lättare att erhålla och anpassa nätverksdata till lättillgänglig och meningsfull information så att team kan minska risker och öka effektiviteten snabbare.

NetBrain är i framkanten av denna utveckling. Vår Digital Twin tillhandahåller en live-modell av nätverket, vilket möjliggör för AI att förstå dess avsikt och verkställa den proaktivt. Vi banar väg för GenAI-drivna felsökning, självläkande nätverk och djupare ITSM-integrationer så att företag kan skifta från manuell ingripande till fullständigt autonoma operationer. Vår vision är enkel: göra nätverksautomatisering intuitiv, skalbar och oumbärlig – och förvandla varje ingenjör till en automatiseringsexpert utan att kräva att de kodar.

Inom de närmaste åren kommer AI-drivna nätverksoperationer inte att vara en lyx, utan en nödvändighet. NetBrain leder den utvecklingen och säkerställer att företag stannar före komplexitet samtidigt som de håller nätverken säkra, regelefterlevande och alltid tillgängliga.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka NetBrain.