Così come un buon vino nasce da uve selezionate, anche l’AI richiede dati selezionati per essere performante. Una rete AI-native si costruisce su fondamenta solide: dati estesi e di qualità. In questo post esploriamo la prima tappa del nostro viaggio verso il Self-Driving Network™: i dati, l’elemento base per una rete intelligente e basata su AI.
Dall’uptime all’esperienza utente
La gestione tradizionale delle reti si concentra di norma su alcune metriche di base dei dispositivi di rete, come uptime, utilizzo della CPU, memoria e banda. Ma in Juniper crediamo che questa sia solo una parte della storia. Infatti, non ci limitiamo a far funzionare la rete: il nostro obiettivo è garantire esperienze eccezionali, end-to-end e client-to-cloud, a ogni utente connesso. Noi non ci domandiamo: “La rete è attiva?”, ma piuttosto: “Qual è l’esperienza di rete che vivono gli utenti?”. Questa filosofia user-centric orienta il nostro intero approccio alla raccolta e all’analisi dei dati. Partiamo dai minuti di esperienza degli utenti, acquisendo in tempo reale insight su come gli utenti percepiscono la rete, per poi applicare la data science al fine di prevedere e ottimizzare l’esperienza. In definitiva, il valore di una rete risiede nella sua capacità di abilitare gli utenti e generare risultati concreti per il business. Ed è proprio questo che ci consente di avanzare alle fasi successive del viaggio verso il Self-Driving Network.
La forza della collaborazione
Come fa Juniper a garantire che i dati raccolti siano rilevanti per ottimizzare l’esperienza utente? Tutto parte dalla collaborazione tra i nostri data scientist e i team di customer success, che sono i nostri esperti di settore e fungono da tramite per i clienti enterprise. I nostri team di customer success conoscono meglio di chiunque altro le sfide reali affrontate ogni giorno dai nostri clienti, motivo per cui questa collaborazione è così importante. Comprendere le difficoltà specifiche dei clienti e i loro casi d’uso ci consente di individuare i dati di maggior valore per addestrare e perfezionare i nostri modelli di AI.
Ed è proprio grazie a questa profonda comprensione che possiamo sviluppare soluzioni davvero efficaci. Se i team di data science e customer success di un fornitore di AI non collaborano utilizzando la loro soluzione AIOps in cloud, è evidente che non hanno ancora iniziato un vero percorso nell’AI. Non colgono in pratica il collegamento cruciale tra tecnologia e applicazione nel mondo reale.
Dai dati in tempo reale agli insight in tempo reale
Dopo aver compreso le esigenze dei clienti, possiamo concentrarci sulla raccolta in tempo reale di dati estesi provenienti da dispositivi di rete ottimizzati per inviare dati di telemetria a un’architettura cloud basata su microservizi. Da oltre dieci anni, Juniper raccoglie e perfeziona i dati provenienti da access point (AP), router, switch, firewall e dispositivi client. Ad esempio, raccogliamo più di 150 stati utente wireless in tempo reale tramite telemetria in streaming dagli AP. Questo flusso continuo di telemetria viene aggregato nel cloud e analizzato da Mist AI™. Ed è proprio qui che avviene la magia: grazie all’analisi di questo ricco set di dati, Mist AI fornisce ai team IT insight immediati e attivabili. E grazie al feedback del servizio clienti a ciclo chiuso, il sistema apprende e migliora di continuo, offrendo informazioni e raccomandazioni sempre più precise.
Espandere l’ecosistema dei dati
Ma il nostro lavoro va ancora oltre. Grazie a un robusto ecosistema di partner e ad API aperte al 100%, siamo in grado di raccogliere dati da più fonti, migliorando ulteriormente le funzionalità e approfondendo le informazioni. Ad esempio, Marvis®Application Experience Insights integra i dati delle riunioni su Zoom e Microsoft® Teams con quelli della rete Juniper per individuare la causa principale di esperienze video negative, prevedendo persino la qualità di una chiamata prima che inizi. Questo approccio proattivo non solo assicura agli utenti esperienze di collaborazione perfette, ma consente anche ai team IT di avere il tempo per iniziative più strategiche.
Il passo successivo: trasformare i dati in insight attivabili
Una volta che hai i dati giusti nel cloud, inizia la vera magia: trasformare quei dati in insight attivabili. Nel prossimo post, vedremo come convertiamo i dati grezzi nell’intelligenza su cui si basa il Self-Driving Network, abilitando la risoluzione proattiva dei problemi, l’ottimizzazione delle risorse e, infine, un’esperienza utente superiore.
A che punto si trova la tua organizzazione nel percorso verso il Self-Driving Network? Ovunque tu sia, Juniper può aiutarti a compiere il passo successivo.
Altri blog di questa serie
Parte 1 (Panoramica): Il viaggio verso il Self-Driving Network™ nasce dalla fiducia nell’AI
