En nuestra publicación anterior, analizamos la primera etapa del camino a la Self-Driving Network™: los datos. Si bien los datos constituyen los pilares fundamentales de las redes inteligentes, por sí solos, no sirven para solucionar problemas. En la segunda etapa, aplicamos las matemáticas y la ciencia de datos para extraer valor real a partir de los datos, transformando la información sin procesar en una información valiosa, precisa y práctica que permite innovar la manera de gestionar las redes.
El impacto de la información valiosa
Con las técnicas que tradicionalmente se emplean para resolver problemas, es necesario filtrar comandos de CLI crípticos, examinar archivos de registros y comprobar manualmente los dispositivos, un proceso reactivo que resulta lento y frustrante. Los equipos de TI se ven obligados a reaccionar a los problemas, ya que solo pueden ponerse a trabajar en ellos una vez que los notifican los usuarios. Además, detectar los problemas es como buscar una aguja en un pajar, ya que sus causas pueden ser sumamente variadas.
Pero, gracias a la información valiosa nativa de la IA, ya no es necesario ir a ciegas ni basar el trabajo en meras conjeturas. En lugar de tener que examinar un registro y un resultado de la línea de comando tras otro, los equipos de TI pueden detectar y solucionar los problemas incluso antes de que los usuarios se percaten de ellos. La frustración que genera tener que estar “apagando incendios” y solucionando problemas continuamente desaparece cuando se consigue extraer la información correcta a partir de los datos, ya que esta permite sacar a la luz los problemas de manera proactiva.
Resultados tangibles
Para llegar a confiar en la IA y en la información valiosa que ofrece, los equipos de TI necesitan “ver para creer”. Uno de mis ejemplos favoritos en este sentido es cuando trabajé con un responsable de TI que se mostraba escéptico durante una prueba de concepto (PoC). Esta persona no creía que Juniper Mist AI™ pudiera ayudar a gestionar la red o a encontrar problemas que aún no se hubieran detectado. Durante la PoC, los dispositivos podían conectarse a la red de nuestro competidor, pero no a la de Juniper. Por suerte, gracias a la información valiosa extraída de los datos, pudimos ver que había un enrutador (que no era de Mist) en el que la unidad máxima de transmisión (UMT) estaba mal configurada, y esto impedía el paso de los paquetes de autentificación.
En otra ocasión, Mist AI detectó un cable Ethernet defectuoso en el escritorio de una empleada, un problema que nadie había notificado. En un primer momento, el equipo de TI ignoró la alerta, pero, cuando hablaron con la empleada, descubrieron que había empezado a utilizar la red Wi-Fi sin informar a nadie porque la red por cable le estaba dando problemas. Mist AI había descubierto un problema que el equipo de TI no tenía forma de ver.
El responsable de TI que al principio se había mostrado escéptico cambió completamente de parecer tras comprobar cómo Mist AI indicaba este y otros problemas con precisión.
Este nivel de detalle en la visibilidad está transformando las operaciones de TI en todos los sectores. Empresas de venta minorista como Gap Inc., por ejemplo, disfrutan ahora de información valiosa muy detallada sobre el estado de la red, lo que les permite reducir el número de tickets de incidencias en hasta un 90 %. “Ahora, podemos segmentar los datos y ver claramente si tenemos un problema en una tienda determinada”, afirma Snehal Patel, arquitecto de red global de Gap. Gracias a la información valiosa que tienen sobre cada tienda, los equipos de TI pueden actuar con rapidez para garantizar que los empleados y los clientes disfruten de conexiones estables.
Los centros de educación superior también están obteniendo importantes ventajas. En Dartmouth College, Mist AI garantiza una experiencia excepcional a todos los usuarios del campus. “Incluso si hay un problema que afecta solo al 2 % de los usuarios, podemos solucionarlo enseguida”, asegura Mitch Davis, CIO de Dartmouth. Gracias a la información valiosa nativa de la IA, los equipos de TI ya no tienen que esperar a que lleguen quejas de muchos usuarios, ya que pueden detectar y abordar los problemas proactivamente, lo que garantiza que tanto los estudiantes como el personal tengan siempre una experiencia de gran calidad.
Además de ofrecer visibilidad detallada, la información de Mist AI también ayuda a salvar la brecha de competencias en materia de TI, que es un problema cada vez mayor para las empresas. Por ejemplo, en el hospital Rady Children’s Hospital, la IA está simplificando la administración de red. “Ya no necesitamos tener a ingenieros con experiencia intentando dar sentido a métricas que no se sabe muy bien cómo están relacionadas. Ahora, vemos claramente la relación entre el punto A y el punto B del problema”, declara Daniel Madain, jefe del equipo de ingenieros de red de Rady. Gracias a este cambio, ahora los ingenieros mejor preparados pueden centrarse en innovar y en los proyectos estratégicos, mientras que el personal con menos experiencia puede encargarse de las operaciones diarias con confianza. Esta es una ventaja especialmente valiosa si tenemos en cuenta la presión a la que se encuentran sometidos los equipos de TI en la actualidad.
El camino no termina aquí
La información valiosa ha demostrado ser revolucionaria, ya que ayuda a los equipos de TI a resolver los problemas con más rapidez y eficiencia que nunca, pero la siguiente etapa —convertir esa información valiosa en recomendaciones— encierra un potencial aún mayor. En la próxima publicación, analizaremos cómo las recomendaciones nativas de la IA facilitan la administración proactiva de red para acercarnos aún más a una red 100 % autónoma.
¿En qué etapa del camino a la red autónoma está su empresa? Independientemente del punto en que se encuentre, Juniper le brindará la ayuda necesaria para dar el próximo paso.
Lea la siguiente publicación de esta serie.
Otros artículos de esta serie
El camino a la red autónoma depende de la confianza en la IA
Primera etapa del camino a la red autónoma: datos
