Shaktiman Mall, Principal Product Manager, Aviatrix – Intervjuserie

Shaktiman Mall är Principal Product Manager på Aviatrix. Med mer än ett decennium av erfarenhet av att designa och implementera nätverkslösningar, är Mall stolt över sin uppfinningsrikedom, kreativitet, anpassningsförmåga och precision. Innan han gick med i Aviatrix, var Mall Senior Technical Marketing Manager på Palo Alto Networks (PANW ) och Principal Infrastructure Engineer på MphasiS.

Aviatrix är ett företag som fokuserar på att förenkla moln-nätverk för att hjälpa företag att förbli agila. Deras moln-nätverksplattform används av över 500 företag och är utformad för att ge synlighet, säkerhet och kontroll för att anpassa sig till förändrade behov. Aviatrix Certified Engineer (ACE) Program erbjuder certifiering i multicloud-nätverk och säkerhet, i syfte att stödja proffs i att hålla sig uppdaterade med digitala transformationstrender.

Vad var det som initialt drog dig till datorteknik och cybersäkerhet?

Som student var jag initialt mer intresserad av att studera medicin och ville gå en utbildning i bioteknik. Men jag bestämde mig för att byta till datavetenskap efter att ha haft samtal med mina klasskamrater om tekniska framsteg under det senaste decenniet och nya tekniker på horisonten.

Kan du beskriva din nuvarande roll på Aviatrix och dela med dig av vad dina ansvarsområden är och vad en genomsnittlig dag ser ut?

Jag har varit på Aviatrix i två år och arbetar för närvarande som en principal product manager i produktorganisationen. Som produktchef ingår mina ansvarsområden att bygga produktvision, genomföra marknadsundersökningar och konsultera med försäljnings-, marknadsförings- och supportteam. Dessa insikter i kombination med direkt kundengagemang hjälper mig att definiera och prioritera funktioner och felkorrigeringar.

Jag ser också till att våra produkter är anpassade till kundernas krav. Nya produktfunktioner bör vara lätta att använda och inte alltför komplexa. I min roll måste jag också vara medveten om tidpunkten för dessa funktioner – kan vi tilldela ingenjörsresurser till det idag, eller kan det vänta sex månader? För detta ändamål, bör utrullningen vara trappstegsvis eller fasad i olika versioner? Framför allt, vad är den förväntade avkastningen på investeringen?

En genomsnittlig dag inkluderar möten med ingenjörer, projektplanning, kundsamtal och möten med försäljnings- och supportteam. Dessa diskussioner tillåter mig att få en uppdatering om kommande funktioner och användningsfall medan jag förstår aktuella problem och feedback för att felsöka innan en release.

Vilka är de primära utmaningarna som IT-team står inför när de integrerar AI-verktyg i sin befintliga molninfrastruktur?

Baserat på den verkliga erfarenheten av att integrera AI i vår IT-teknik, tror jag att det finns fyra utmaningar som företag kommer att möta:

1. Datahantering och integration: Data berikar AI, men när data finns på olika platser och resurser inom ett företag, kan det vara svårt att hantera det ordentligt.
2. Skalbarhet: AI-drift kan vara CPU-intensiv, vilket gör det svårt att skala.
3. Utbildning och medvetenhet: Ett företag kan ha den kraftfullaste AI-lösningen, men om anställda inte vet hur de ska använda den eller inte förstår den, kommer den att vara underutnyttjad.
4. Kostnad: För IT, särskilt, kommer en kvalitets AI-integration inte att vara billig, och företag måste budgetera därefter.
5. Säkerhet: Se till att molninfrastrukturen uppfyller säkerhetsstandarder och krav som är relevanta för AI-applikationer

Hur kan företag säkerställa att deras molninfrastruktur är robust nog för att stödja de tunga beräkningsbehoven för AI-applikationer?

Det finns flera faktorer som är viktiga för att köra AI-applikationer. Först och främst är det viktigt att hitta rätt typ och instans för skalbarhet och prestanda.

Det behövs också tillräcklig datalagring, eftersom dessa applikationer kommer att dra nytta av statisk data som finns tillgänglig inom företaget och bygga sin egen databas med information. Datalagring kan vara dyrt, vilket tvingar företag att utvärdera olika typer av lagringsoptimering.

En annan övervägning är nätverksbandbredd. Om varje anställd i företaget använder samma AI-applikation samtidigt, måste nätverksbandbredden skalas – annars kommer applikationen att vara så långsam att den är oanvändbar. Likaså måste företag bestämma om de ska använda en centraliserad AI-modell där beräkning sker på en enda plats eller en distribuerad AI-modell där beräkning sker närmare datakällorna.

Hur kan IT-team skydda sina system från den ökade risken för cyberattacker med den ökade användningen av AI?

Det finns två huvudsakliga aspekter av säkerhet som varje IT-team måste överväga. Först, hur skyddar vi oss mot externa risker? För det andra, hur säkerställer vi att data, antingen det är personligt identifierbar information (PII) från kunder eller företagshemligheter, förblir inom företaget och inte exponeras? Företag måste bestämma vem som kan och inte kan komma åt viss data. Som produktchef behöver jag känslig information som andra inte är auktoriserade att komma åt eller kod.

På Aviatrix hjälper vi våra kunder att skydda sig mot attacker, vilket gör det möjligt för dem att fortsätta anta tekniker som AI som är avgörande för att vara konkurrenskraftiga idag. Kom ihåg nätverksbandbreddsoptimering: eftersom Aviatrix fungerar som dataplanet för våra kunder, kan vi hantera data som går genom deras nätverk, vilket ger synlighet och förbättrar säkerhetsenforcement.

Likaså löser vår distribuerade molnbrandvägg (DCF) utmaningarna med en distribuerad AI-modell där data hämtas från flera platser, som sträcker sig över geografiska gränser med olika lagar och krav. Specifikt stöder DCF en enda uppsättning säkerhetskrav som tillämpas globalt, vilket säkerställer att samma uppsättning säkerhets- och nätverksarkitektur stöds. Vår Aviatrix-nätverksarkitektur tillåter oss också att identifiera flaskhalsar, där vi kan dynamiskt uppdatera routningstabellen eller hjälpa kunder att skapa nya anslutningar för att optimera AI-krav.

Hur kan företag optimera sin molnkostnad medan de implementerar AI-tekniker, och vilken roll spelar Aviatrix-plattformen i detta?

En av de viktigaste metoderna som kan hjälpa företag att optimera sin molnkostnad när de implementerar AI är att minimera utgående kostnader.

Molnnätverksdata bearbetning och utgående avgifter är en betydande komponent av molnkostnader. De är svåra att förstå och inflexibla. Dessa kostnadsstrukturer hindrar inte bara skalbarhet och dataportabilitet för företag, utan ger också avtagande avkastning allteftersom molndatavolymen ökar, vilket kan påverka organisationers bandbredd.

Aviatrix utformade vår utgående lösning för att ge kunderna synlighet och kontroll. Vi utför inte bara enforcement på gateways via DCF, utan vi gör också native orchestration, vilket ger kontroll på nätverkskortnivå för betydande kostnadsbesparingar. I själva verket, efter att ha korrigerat utgående kostnader, hade vi kunder som rapporterade besparingar mellan 20% och 40%.

Vi bygger också auto-ritesizing-funktioner för att automatiskt upptäcka hög resursanvändning och automatiskt schemalägga uppgraderingar vid behov.

Slutligen säkerställer vi optimal nätverksprestanda med avancerade nätverksfunktioner som intelligent routning, trafikteknik och säker anslutning i multicloud-miljöer.

Hur förbättrar Aviatrix CoPilot den operativa effektiviteten och ger bättre synlighet och kontroll över AI-distributioner i multicloud-miljöer?

Aviatrix CoPilots topologivy ger realtidsnätverksfördröjning och dataflöde, vilket tillåter kunder att se antalet VPC/VNets. Det visar också olika molnresurser, vilket accelererar problemidentifiering. Till exempel, om kunden ser en fördröjningsfråga i ett nätverk, kommer de att veta vilka tillgångar som påverkas. Dessutom hjälper Aviatrix CoPilot kunder att identifiera flaskhalsar, konfigurationsproblem och felaktiga anslutningar eller nätverkskartor. Dessutom, om en kund behöver skala upp en av sina gateways till noden för att tillgodose mer AI-funkionalitet, kan Aviatrix CoPilot automatiskt upptäcka, skala och uppgradera vid behov.

Kan du förklara hur dynamisk topologikartläggning och inbäddad säkerhetsvy i Aviatrix CoPilot hjälper till med felsökning av AI-applikationer i realtid?

Aviatrix CoPilots dynamiska topologikartläggning möjliggör också robusta felsökningsfunktioner. Om en kund måste felsöka ett problem mellan olika moln (vilket kräver att de förstår var trafiken blockeras), kan CoPilot hitta det, vilket strömlinjeformar lösningen. Inte bara visualiserar Aviatrix CoPilot nätverksaspekter, utan det ger också säkerhetsvisualiseringskomponenter i form av vår egen hot IQ, som utför säkerhets- och sårbarhetsskydd. Vi hjälper våra kunder att kartlägga nätverk och säkerhet i en omfattande visualiseringslösning.

Vi hjälper också till med kapacitetsplanering för både kostnad med costIQ och prestanda med auto-ritesizing och nätverksoptimering.

Hur säkerställer Aviatrix datasäkerhet och regelefterlevnad över olika molnleverantörer när de integrerar AI-verktyg?

AWS och dess AI-motor, Amazon Bedrock, har olika säkerhetskrav jämfört med Azure och Microsoft Copilot. Unikt kan Aviatrix hjälpa våra kunder att skapa en orchestreringslager där vi kan automatiskt anpassa säkerhets- och nätverkskrav till den relevanta molnleverantören. Till exempel kan Aviatrix automatiskt avgränsa data för alla molnleverantörer oavsett API:er eller underliggande arkitektur.

Det är viktigt att notera att alla dessa AI-motorer finns i en offentlig subnet, vilket innebär att de har tillgång till internet, vilket skapar ytterligare sårbarheter eftersom de konsumerar företagshemligheter. Lyckligtvis kan vår DCF sitta på en offentlig och privat subnet, vilket säkerställer säkerhet. Utöver offentliga subnet kan den också sitta över olika regioner och molnleverantörer, mellan datacenter och molnleverantörer eller VPC/VNets och även mellan en slumpmässig plats och molnet. Vi etablerar slut-till-slut-kryptering över VPC/VNets och regioner för säker dataöverföring. Vi har också omfattande granskning och loggning för uppgifter som utförs på systemet, samt integrerad nätverks- och policy med hotdetektering och djup paketinspektion.

Vilka framtida trender ser du i skärningspunkten mellan AI och molnberäkning, och hur förbereder sig Aviatrix för att hantera dessa trender?

Jag ser interaktionen mellan AI och molnberäkning föda otroliga automatiseringsförmågor inom viktiga områden som nätverk, säkerhet, synlighet och felsökning för betydande kostnadsbesparingar och effektivitet.

Det kan också analysera de olika typerna av data som kommer in i nätverket och rekommendera de mest lämpliga policys eller säkerhetskrav. Likaså, om en kund behöver tillämpa HIPAA, kan denna lösning skanna genom kundens nätverk och sedan rekommendera en motsvarande strategi.

Felsökning är en stor investering eftersom det kräver en kontaktcenter för att hjälpa kunder. Men de flesta av dessa problem kräver inte mänskligt ingripande.

Generativ AI (GenAI) kommer också att vara en spelväxlare för molnberäkning. Idag är en topologi en dag-noll-beslut – när en arkitektur eller nätverkstopologi byggs, är det svårt att göra ändringar. En potentiell användningsfall som jag tror är på horisonten är en lösning som kan rekommendera en optimal topologi baserat på vissa krav. Ett annat problem som GenAI kan lösa är relaterat till säkerhetspolicys, som snabbt blir inaktuella efter några år. En GenAI-lösning kan hjälpa användare att regelbundet skapa nya säkerhetsstackar enligt nya lagar och regler.

Aviatrix kan implementera samma säkerhetsarkitektur för ett datacenter med vår edge-lösning, eftersom mer AI kommer att sitta nära datakällorna. Vi kan hjälpa till att ansluta filialer och platser till molnet och edge med AI-beräkningar som körs.

Vi hjälper också till med B2B-integration med olika kunder eller enheter inom samma företag med separata arate operating models. AI är driving new och spännande dator-trender som kommer att påverka hur infrastruktur byggs. På Aviatrix ser vi fram emot att gripa tillfället med vår säkra och smidiga moln-nätverkslösning. Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Aviatrix.