Інтерв’ю
Shaktiman Mall, Головний менеджер продукту, Aviatrix – Серія інтерв’ю
Shaktiman Mall є Головним менеджером продукту в Aviatrix. З більш ніж десятирічним досвідом у сфері розробки та впровадження мережевих рішень, Mall пишається своєю винахідливістю, креативністю, адаптивністю та точністю. До того, як приєднатися до Aviatrix, Mall працював старшим технічним маркетинговим менеджером у Palo Alto Networks та головним інженером інфраструктури у MphasiS.
Aviatrix – це компанія, що спеціалізується на спрощенні мережевого забезпечення хмарних технологій для того, щоб дозволити підприємствам залишатися гнучкими. Їх платформа мережевого забезпечення хмарних технологій використовується понад 500 підприємств та розроблена для забезпечення видимості, безпеки та контролю для адаптації до змінних потреб. Програма сертифікації Aviatrix Certified Engineer (ACE) пропонує сертифікацію у сфері багатохмарних мереж та безпеки, спрямовану на підтримку фахівців у збереженні актуальності з трендами цифрової трансформації.
Що спочатку привернуло вашу увагу до комп’ютерної інженерії та кібербезпеки?
Як студент, я спочатку був більш зацікавлений у вивченні медицини та хотів здобути ступінь у галузі біотехнологій. Однак я вирішив перейти на комп’ютерні науки після розмов з моїми однокурсниками про технологічні досягнення за попереднє десятиліття та майбутні технологічні досягнення.
Чи можете ви описати свою поточну роль у Aviatrix та поділитися з нами своїми обов’язками та тим, як виглядає ваш типовий день?
Я працюю в Aviatrix уже два роки та зараз обіймаю посаду головного менеджера продукту у відділі продукту. Як менеджер продукту, мої обов’язки включають розробку бачення продукту, проведення ринкових досліджень та консультацій з командами продажів, маркетингу та підтримки. Ці дані, разом з прямим взаємодією з клієнтами, допомагають мені визначити та пріоритезувати функції та виправлення помилок.
Я також забезпечую, щоб наші продукти відповідали вимогам клієнтів. Нові функції продукту повинні бути легкими у використанні та не надто складними. У своїй ролі я також повинен бути уважним до часу реалізації цих функцій – чи можна виділити інженерні ресурси зараз, чи це можна зробити через шість місяців? До того ж, чи слід проводити поетапний або фазовий запуск? Найважливіше – який очікується повернення інвестицій?
Типовий день включає зустрічі з інженерами, планування проекту, дзвінки клієнтів та зустрічі з командами продажів та підтримки. Ці обговорення дозволяють мені отримувати оновлення щодо майбутніх функцій та випадків використання, а також розуміти поточні проблеми та відгуки для вирішення до виходу продукту.
Які основні виклики стоять перед командами ІТ при інтеграції інструментів штучного інтелекту до існуючої хмарної інфраструктури?
На основі реального досвіду інтеграції штучного інтелекту до наших ІТ-технологій, я вважаю, що компанії зустрічають чотири основні виклики:
- Освоєння даних та інтеграція: Дані багаті штучним інтелектом, але коли дані розкидані по різних місцях і ресурсах організації, це може бути складно освоєння їх належним чином.
- Масштабування: Операції штучного інтелекту можуть бути інтенсивними для процесора, що робить масштабування складним.
- Навчання та підвищення осведомленості: Компанія може мати найпотужніший рішення штучного інтелекту, але якщо співробітники не знають, як його використовувати або не розуміють його, то воно буде недостатньо використовуватися.
- Вартість: Для ІТ, особливо, якісна інтеграція штучного інтелекту не буде дешевою, і підприємства повинні планувати свій бюджет відповідно.
- Безпека: Забезпечте, щоб хмарна інфраструктура відповідала стандартам безпеки та нормативним вимогам, що стосуються застосунків штучного інтелекту
Як підприємства можуть забезпечити, щоб їх хмарна інфраструктура була достатньо потужною для підтримки великих обчислювальних потреб застосунків штучного інтелекту?
Є кілька факторів, що впливають на виконання застосунків штучного інтелекту. По-перше, необхідно знайти правильний тип і екземпляр для масштабування та продуктивності.
Також необхідно забезпечити достатнє зберігання даних, оскільки ці застосунки будуть використовувати статичні дані, доступні в компанії, та створювати власну базу даних інформації. Зберігання даних може бути дорогим, тому підприємства повинні оцінити різні типи оптимізації зберігання.
Іншим фактором є мережева смуга пропускання. Якщо кожен співробітник компанії одночасно використовує той самий застосунок штучного інтелекту, мережева смуга пропускання повинна бути достатньо великою – інакше застосунок буде дуже повільним. Подібно, компанії повинні вирішити, чи будуть вони використовувати централізовану модель штучного інтелекту, де обчислення відбуваються в одному місці, або розподілену модель штучного інтелекту, де обчислення відбуваються ближче до джерел даних.
Як команди ІТ можуть захистити свої системи від підвищеного ризику кібератак при зростанні прийняття штучного інтелекту?
Є два основних аспекти безпеки, які кожна команда ІТ повинна враховувати. По-перше, як ми захистимося від зовнішніх ризиків? По-друге, як ми забезпечимо, щоб дані, включаючи особисту інформацію клієнтів або власну інформацію компанії, залишалися всередині компанії та не були відкриті? Підприємства повинні визначити, хто може та хто не може отримувати доступ до певних даних. Як менеджер продукту, я потребую конфіденційних даних, до яких інші не мають доступу або коду.
У Aviatrix ми допомагаємо нашим клієнтам захиститися від атак, що дозволяє їм продовжувати впроваджувати технології, такі як штучний інтелект, які є важливими для конкурентоспроможності сьогодні. Відповідно до оптимізації мережевої смуги пропускання: оскільки Aviatrix діє як плоскість даних для наших клієнтів, ми можемо керувати даними, що проходять через їх мережу, забезпечуючи видимість та посилюючи виконання безпеки.
Подібно, наш розподілений хмарний брандмауер (DCF) вирішує проблеми розподіленої моделі штучного інтелекту, де дані запитуються в різних місцях, що охоплюють географічні кордони з різними законами та вимогами. Конкретно, DCF підтримує єдиний набір вимог безпеки, що застосовується по всьому світу, забезпечуючи, щоб одна й та сама структура безпеки та мережі була підтримана. Наша архітектура мережі Aviatrix також дозволяє нам визначати вузли звуження, де ми можемо динамічно оновлювати таблицю маршрутизації або допомагати клієнтам створювати нові з’єднання для оптимізації вимог штучного інтелекту.
Як підприємства можуть оптимізувати свої витрати на хмарні технології під час впровадження технологій штучного інтелекту, і яку роль відіграє платформа Aviatrix у цьому?
Одна з основних практик, яка допоможе підприємствам оптимізувати свої витрати на хмарні технології під час впровадження технологій штучного інтелекту, полягає у мінімізації витрат на виході даних.
Обробка даних у хмарі та витрати на виході є суттєвим компонентом витрат на хмарні технології. Вони є складними для розуміння та негнучкими. Ці структури витрат не лише ускладнюють масштабованість та портативність даних для підприємств, але також забезпечують зменшення віддачі з ростом обсягів даних у хмарі, що може вплинути на смугу пропускання організацій.
Aviatrix розробила наше рішення для виходу даних, щоб надати клієнтам видимість та контроль. Не тільки ми здійснюємо виконання на брандмауерах через DCF, але також здійснюємо рідну оркестрацію, забезпечуючи контроль на рівні мережевої картки для значних економії коштів. Насправді, після розрахунку витрат на виході даних, ми мали клієнтів, які повідомили про економію між 20% та 40%.
Ми також будемо розробляти автоматичні можливості правої розмірності для автоматичного виявлення високого використання ресурсів та автоматичного планування оновлень за потребою.
Нарешті, ми забезпечуємо оптимальну мережеву продуктивність за допомогою передових мережевих можливостей, таких як інтелектуальне маршрутизація, інженерія трафіку та безпечне з’єднання у мультихмарових середовищах.
Як Aviatrix CoPilot підвищує операційну ефективність та забезпечує кращу видимість та контроль над розгортуванням штучного інтелекту у мультихмарових середовищах?
Вигляд топології Aviatrix CoPilot забезпечує реальний час затримки мережі та пропускної здатності, дозволяючи клієнтам бачити кількість VPC/VNets. Він також відображає різні хмарні ресурси, прискорюючи виявлення проблем. Наприклад, якщо клієнт бачить проблему затримки у мережі, він буде знати, які активи постраждали. Крім того, Aviatrix CoPilot допомагає клієнтам виявляти вузли звуження, проблеми конфігурації та неправильні з’єднання або мережеву картографію. Крім того, якщо клієнт потребує масштабування одного з своїх шлюзів у вузол для забезпечення більшої кількості можливостей штучного інтелекту, Aviatrix CoPilot може автоматично виявити, масштабувати та оновлювати за потребою.
Чи можете ви пояснити, як динамічна картографія топології та вбудована видимість безпеки у Aviatrix CoPilot допомагають у реальному часу вирішенні проблем застосунків штучного інтелекту?
Динамічна картографія топології Aviatrix CoPilot також забезпечує потужні можливості вирішення проблем. Якщо клієнту необхідно вирішити проблему між різними хмарами (що вимагає розуміння, де трафік блокується), CoPilot може знайти її, прискорюючи вирішення. Не тільки Aviatrix CoPilot візуалізує мережеві аспекти, але також забезпечує компоненти візуалізації безпеки у вигляді нашого власного Threat IQ, який здійснює захист від загроз та уразливості. Ми допомагаємо нашим клієнтам відображати мережеві та безпечні аспекти у одному комплексному рішенні візуалізації.
Ми також допомагаємо у плануванні потужності як для витрат за допомогою CostIQ, так і для продуктивності за допомогою автоматичної правої розмірності та оптимізації мережі.
Як Aviatrix забезпечує безпеку даних та відповідність вимогам у різних постачальників хмарних технологій під час інтеграції інструментів штучного інтелекту?
AWS та його двигун штучного інтелекту Amazon Bedrock мають різні вимоги безпеки порівняно з Azure та Microsoft Copilot. Унікально, Aviatrix може допомогти нашим клієнтам створити оркестраційну підсистему, де ми можемо автоматично вирівняти вимоги безпеки та мережі до постачальника хмарних технологій. Наприклад, Aviatrix може автоматично ізолювати дані для всіх постачальників хмарних технологій незалежно від API або підлягаючої архітектури.
Важливо відзначити, що всі ці двигуни штучного інтелекту знаходяться у публічній підсітці, що означає, що вони мають доступ до Інтернету, створюючи додаткові уразливості, оскільки вони споживають власні дані. На щастя, наш DCF може знаходитися у публічній та приватній підсітці, забезпечуючи безпеку. Окрім публічних підсіток, він також може знаходитися у різних регіонах та постачальників хмарних технологій, між дата-центрами та постачальниками хмарних технологій або VPC/VNets, а також між випадковим сайтом та хмараю. Ми встановлюємо шифрування від кінця до кінця між VPC/VNets та регіонах для безпечної передачі даних. Ми також маємо розширений аудит та реєстрацію завдань, виконаних у системі, а також інтегровану мережу та політику із виявленням загроз та глибоким інспектуванням пакетів.
Які майбутні тенденції ви бачите на перетині штучного інтелекту та хмарних технологій, і як Aviatrix готується до цих тенденцій?
Я бачу взаємодію штучного інтелекту та хмарних технологій, що породжує неймовірні автоматизовані можливості у ключових галузях, таких як мережева робота, безпека, видимість та вирішення проблем для значної економії коштів та ефективності.
Це також може аналізувати різні типи даних, що входять у мережу, та рекомендувати найбільш підходящі політики або вимоги безпеки. Подібно, якщо клієнту потрібно забезпечити виконання вимог HIPAA, це рішення може сканувати мережі клієнта та потім рекомендувати відповідну стратегію.
Вирішення проблем є великими інвестиціями, оскільки для цього потрібно створити центр підтримки клієнтів. Однак більшість цих проблем не потребують втручання людини.
Генеративний штучний інтелект (GenAI) також буде революційним для хмарних технологій. Сьогодні топологія є рішенням дня нуль – після того, як архітектура або мережева топологія побудована, її складно змінити. Одним із потенційних випадків використання, яке, на мою думку, знаходиться на горизонті, є рішення, яке може рекомендувати оптимальну топологію на основі певних вимог. Іншою проблемою, яку GenAI міг би вирішити, є питання політики безпеки, які швидко стають застарілими після кількох років. Рішення GenAI могло б допомогти користувачам регулярно створювати нові стеки безпеки відповідно до нових законів та нормативних вимог.
Aviatrix може реалізувати ту саму архітектуру безпеки для дата-центру за допомогою нашого рішення для краю, оскільки все більше штучного інтелекту буде знаходитися біля джерел даних. Ми можемо допомогти з’єднати філії та сайти з хмараю та краєм з обчисленнями штучного інтелекту.
Ми також допомагаємо у бізнес-інтеграції з різними клієнтами або сутностями у тій самій компанії з окремими операційними моделями.
Штучний інтелект стимулює нові та цікаві тенденції обчислень, які вплинуть на те, як будується інфраструктура. У Aviatrix ми очікуємо захопити момент нашим безпечним та безшовним рішенням мережевого забезпечення хмарних технологій.
Дякуємо за велике інтерв’ю. Читачам, які бажають дізнатися більше, слід відвідати Aviatrix.
