Ty i Twoi ludzie z zespołu operacji sieciowych doskonale wiecie, jak radzić sobie z codziennymi zadaniami, ale… czy naprawdę musicie się zajmować wszystkim? „Pracować mądrzej, nie ciężej”, czy to nie byłaby miła odmiana? Z tym pomóc może dobre rozwiązanie ML/AI – sprawdzamy, ile czasu i energii tak naprawdę można zaoszczędzić!
Zbudowanie i zarządzanie siecią firmową samo w sobie nie jest może jakimś bardzo skomplikowanym zajęciem, szczególnie jeśli możemy działać poprzez chmurę. To, co dla wielu zespołów IT nie jest już jednak takie proste, to szereg innych, żmudnych i czasochłonnych zadań, takich jak podłączanie pracowników, modyfikacje w sieci umożliwiające pracę zdalną, reagowanie na zgłaszane problemy itd. Jak wynika z badania firmy CA Technology, 47% profesjonalistów IT każdego miesiąca otrzymuje… ponad 50 000 alertów i powiadomień.
Na pewno nie pomaga w tym wszystkim zakrojona na masową skalę cyfrowa transformacja firm i organizacji, która znacznie przyspieszyła tempo i zakres zmian w obszarze sieci. Wraz z rozwojem biznesu oraz ilością danych i źródeł, z których są pozyskiwane, wprost proporcjonalnie rosną potrzeby technologiczne. Dlatego inżynierowie sieciowi często przyznają w rozmowach, że czują się tak jakby musieli być w kilku miejscach jednocześnie, a przecież każdy z nas dysponuje ograniczoną ilością czasu…
Więcej niż AI, więcej niż Ops
Aby odciążyć działy IT poprzez automatyzację i usprawnienie coraz większej liczby operacji, firmy i organizacje sięgają po możliwości sztucznej inteligencji (AI) i uczenia maszynowego (ML).
Dla inżynierów sieciowych „AI” oznacza zasadniczo komputer, który wykona określone zadanie kierując się taką samą logiką, jaką kierowałby się człowiek postawiony w identycznej sytuacji wyjściowej. Z kolei ML daje nam pewność, że wspomniany komputer stale „uczy się” w oparciu o dostarczane dane, dzięki czemu jest w stanie podejmować optymalne decyzje.
Połączenie obu tych elementów może pomóc “odzyskać” czas, którego Twój zespół IT tak bardzo potrzebuje. Wspomniane na początku badanie potwierdza, że 97% profesjonalistów IT uważa, iż platformy AIOps dostarczają cennych informacji, umożliwiając realną automatyzację i usprawnienie operacji.
Opierając się o dane oraz analitykę sieciową, wysokiej klasy technologia ML/AI potrafi podejmować świadome decyzje zarówno w odniesieniu do istniejących problemów z łącznością, jak i zwiastujących je anomalii. Oznacza to, że możemy zapobiec zakłóceniom w zarodku, zanim wpłyną one negatywnie na operacje IT, doświadczenia klientów oraz szeroko pojęty biznes. ExtremeCloud CoPilot to rozwiązanie, które umożliwia to i znacznie więcej!
Twój zaufany CoPilot
Poprzez swoje kompleksowe i zunifikowane portfolio sprawdzonych na rynku produktów i usług, Extreme odgrywa dziś kluczową rolę w ułatwianiu zespołom IT pracy w obszarze sieci. Platforma do zarządzania ExtremeCloud IQ umożliwia ujednolicone zastosowanie narzędzi AIOps w obrębie sieci kablowych, bezprzewodowych oraz SD-WAN, a rozwiązanie ExtremeCloud CoPilot stanowi jego idealne uzupełnienie w każdym modelu wdrożenia, dostarczając możliwe do prześledzenia (explainable ML) rekomendacje dla natywnych dla chmury, kablowych i bezprzewodowych urządzeń sieciowych.
Mówiąc obrazowo, dzięki ogromnym zbiorom danych z chmury oraz funkcji explainable Machine Learning, CoPilot pozwala Twojemu zespołowi IT „być” wszędzie, „widzieć” wszystko oraz być przygotowanym na wszelką możliwą ewentualność. Rzućmy okiem na kilka kluczowych funkcjonalności rozwiązania i w jaki sposób przekładają się one na konkretną wartość, zarówno dla działu IT, jak i całej organizacji:
- Wykrywanie anomalii – poprzez ciągłe monitorowanie stanu i wydajności zarządzanych w chmurze urządzeń kablowych i bezprzewodowych, rozwiązanie w sposób proaktywny eliminuje typowe wyzwania związane z rozwiązywaniem problemów, zanim te się w ogóle pojawią.
- Funkcja Digital Twin – minimalizuje ewentualny przestój w dostępności sieci towarzyszący nowym wdrożeniom poprzez możliwość stworzenia, skonfigurowania i zwalidowania wirtualnej wersji urządzenia w chmurze.
- Funkcja Explainable ML – znacząco skraca średni czas rozwiązywania problemów dzięki rekomendacjom przesyłanym na urządzenia mobilne zespołów operacji IT.
- Doświadczenie użytkowników – poprawia jakość doświadczeń użytkowników poprzez modelowanie wszystkich aspektów kluczowych z punktu widzenia połączenia klienta z siecią oraz szybsze docieranie do źródeł problemów zgłaszanych przez użytkowników.
- Wsparcie GTAC – usprawnia przepływy pracy zespołów operacji IT poprzez płynny, bezpośredni kontakt z zespołem wsparcia technicznego Extreme.
- Integracja z aplikacją mobilną – zapewnia pełną, natychmiastową widoczność wszelkich anomalii na smartfonie za pomocą aplikacji mobilnej ExtremeCloud IQ Companion.
Ponadto, ponieważ CoPilot został zaprojektowany i zbudowany z myślą o środowisku chmurowym, jego funkcje i możliwości są stale rozwijane i rozszerzane z czasem, wspierając w sposób ciągły efektywność Twoich operacji IT!
Choć możliwe przypadki użycia tego rozwiązania można mnożyć, lubimy skupiać się na konkretnych problemach i ich rozwiązaniach. Poniżej przedstawiamy więc realny przykład tego, w jaki sposób CoPilot pomógł jednemu z klientów Extreme.
ExtremeCloud CoPilot – historia klienta
Jedna z uczelni wyższych miała problem z utrzymaniem stałej jakości połączenia z siecią Wi-Fi na auli. Znajdujący się na miejscu zespół IT miał problem z odtworzeniem i rozwiązywaniem problemów. Trudno było początkowo rozstrzygnąć, czy lepiej pojechać na miejsce i od razu dokonać audytu i pomiaru sieci bezprzewodowej, czy też może zaczekać kilka tygodni, aż problem pojawi się ponownie?
Z pomocą CoPilota zespół IT dostrzegł pewną anomalię, która pojawiała się w momencie zajęcia przepustowości kanału w powyżej 80%, czego efektem były powracające regularnie przez dłuższy czas, gwałtowne spadki prędkości. CoPilot zdołał zidentyfikować dużą liczbę klientów i wyjaśnić, że przyczyną problemów najprawdopodobniej tkwi w zbyt małej pojemności sieci Wi-Fi. Zaproponował też rozwiązanie: albo dodać więcej punktów dostępowych, albo zmienić układ posiadanych urządzeń w konkretny sposób, aby poprawić stosunek sygnału do szumu. Dzięki proaktywnej i prawidłowej diagnozie problemu, zespół IT był w stanie zidentyfikować problematyczne punkty dostępowe, przearanżować ich umiejscowienie i poprawić stosunek sygnału do szumu, a w konsekwencji – wydajność urządzeń końcowych.
Efekt? Lepsza jakość połączenia z siecią przekładająca się na płynną naukę dla studentów oraz brak kosztownych prac związanych z poszukiwaniem i rozwiązywaniem problemów na miejscu.