Em nosso post anterior, investigamos o primeiro estágio da nossa jornada para a Self-Driving Network™ : os dados, a base fundamental para as redes inteligentes. Mas sozinhos os dados não resolvem problemas. O estágio dois é onde aplicamos matemática e ciência de dados para extrair o valor real dos dados, transformando informações brutas em insights precisos e úteis que mudam a forma como as redes são gerenciadas.
O valor dos insights
A resolução de problemas tradicional significa examinar o resultado de comandos da CLI e arquivos de log difíceis de entender e verificar dispositivos manualmente, um processo lento, reativo e frustrante. As equipes de TI brincam de pega-pega, resolvendo os problemas apenas depois de serem encontrados. Tentar identificar o problema é como procurar uma agulha no palheiro… as causas potenciais são infinitas.
Os insights nativos da IA eliminam essa tentativa de adivinhação. Em vez de investigar logs e resultados de linhas de comando, as equipes de TI podem detectar e resolver problemas antes mesmo que os usuários os encontrem. A frustração de “apagar incêndios” e da busca constante por problemas pode desaparecer quando os insights de dados certos identificam problemas de forma proativa.
Impacto no mundo real
Para conquistar a confiança na IA e nos insights que ela traz, as equipes de TI podem precisar ver para crer. Um dos meus exemplos favoritos é um projeto que envolvia prova de conceito (PoC), no qual trabalhei com um gerente de TI bastante cético. Ele duvidava que o Juniper Mist AI™ pudesse ajudar a gerenciar a rede ou encontrar problemas ainda desconhecidos. Durante o PoC, os dispositivos podiam se conectar à rede do concorrente, mas não à rede da Juniper. Felizmente, com os insights de dados pudemos descobrir que um roteador que não usava Mist tinha uma unidade de transmissão máxima (MTU) configurada incorretamente, o que impedia a passagem de pacotes de autenticação.
Em outro caso, o Mist AI detectou falhas em um cabo de Ethernet na mesa de um dos funcionários, um problema que não havia sido informado. Primeiro, a equipe de TI ignorou o alerta. Quando consultaram o funcionário, porém, descobriram que ele tinha passado para a rede Wi-Fi sem informar ninguém, pois a rede com fio não era confiável. O Mist AI havia identificado um problema que a equipe de TI não conseguia enxergar.
O gerente de TI, que no início não acreditava no potencial do Mist AI, percebeu que a solução podia identificar este e outros problemas de forma precisa.
Esse nível de visibilidade granular está transformando as operações de TI em inúmeros setores. Varejistas como a Gap Inc. agora têm insights mais profundos sobre a integridade da rede, permitindo reduzir os tíquetes de problemas em até 90%. “Agora podemos fatiar e segmentar os dados e ver com muita clareza que temos um problema em uma loja específica” afirma Snehal Patel, arquiteto de redes globais da Gap. Ter insights das lojas permite que as equipes de TI ajam rapidamente, garantindo conectividade otimizada para funcionários e clientes.
Instituições de ensino superior também percebem benefícios significativos. No Dartmouth College, o Mist AI garante que todos os usuários no campus desfrutem de uma experiência excepcional. “Mesmo se apenas 2% dos usuários apresentarem um problema, poderemos resolvê-lo instantaneamente”, conta Mitch Davis, o CIO da Dartmouth. Com insights nativos da IA, as equipes de TI não precisam mais esperar que as reclamações sejam feitas; elas podem identificar e tratar problemas proativamente, garantindo uma experiência sempre de alta qualidade para alunos e funcionários.
Além da visibilidade, os insights do Mist AI também ajudam a solucionar a carência em habilidades de TI, um desafio cada vez maior para as organizações. Por exemplo, no Rady Children’s Hospital, a IA está tornando o gerenciamento da rede mais acessível. “Não precisamos mais ter engenheiros experientes para tentar interpretar uma coleção de métricas apenas ligeiramente relacionadas. Agora, temos uma visão clara do problema, do ponto A ao ponto B”, conta Daniel Madain, líder da equipe de gerenciamento de rede da Rady. Essa mudança permite que engenheiros altamente qualificados se concentrem na inovação e em projetos estratégicos, enquanto o pessoal menos experiente pode gerenciar operações diárias com confiança. Em um momento em que as equipes de TI estão sobrecarregadas, esse recurso é especialmente valioso.
A jornada continua
Os insights representam uma revolução, ajudando as equipes de TI a resolver problemas com mais rapidez e eficiência do que nunca. Mas a próxima etapa — transformar esses insights em recomendações — revela um potencial ainda maior. Em nosso próximo post, vamos investigar como as recomendações nativas da IA estão habilitando o gerenciamento de rede proativo, o que nos aproxima verdadeiramente da Self-Driving Network.
Onde a sua organização se situa nesta jornada para a Self-Driving Network? Onde quer que ela esteja, a Juniper pode ajudar você a dar o próximo passo.
Leia o próximo post desta série do blog.
Outros posts nesta série
A jornada para a Self-Driving Network™ tem como base a confiança na IA
Estágio 1 da jornada para a Self-Driving Network: dados
