A tu per tu con Mario Manfredoni di Juniper Networks per scoprire le novità dell’AI Native Networking Platform
L’esperienza utente? Non è uguale per tutti. Dipende dalla tipologia di utente, dalle sue esigenze, dalle intenzioni. E l’obiettivo di Juniper Networks è quello di mettere al centro l’utente. Perché non sempre tutto è bianco o nero, e ci sono differenti sfumature. “Anche se una rete sta funzionando, o se tutti i sistemi di gestione mi danno una luce verde, magari non si tiene conto del punto di vista dell’utilizzatore finale”, afferma Mario Manfredoni, Senior Director South Europe di Juniper Networks. Che fa un esempio pratico: “Quante volte siamo in giro, dobbiamo fare una chiamata di lavoro, e nonostante il telefono abbia segnale pieno non iniziamo a iniziare la telefonata? Ecco, questo è un esempio di esperienza utente. Ma possiamo farne diversi, anche su cosa significa esperienza. Per l’utente finale può essere una semplice chiamata. Ma per l’amministratore delegato la chiamata di gruppo con il board internazionale. Per un’azienda manifatturiera può essere importante accedere ai database dei magazzini di fornitori di terze parti”. Insomma, il concetto di “esperienza” dipende dalla persona, dal caso d’uso e dallo specifico contesto.
E anche dal caso, perché “siamo ormai abituati all’imprevedibilità”, per esempio nel caso del Wi-Fi. Per questo è fondamentale, secondo Manfredoni, andare ad analizzare tutto quello che avviene nell’infrastruttura, tenendo appunto conto delle differenti esigenze degli utenti.
Juniper Networks: una questione di tempismo
Un aspetto che sottolinea Manfredoni è come Juniper Networks ha storicamente cercato di inserirsi in momenti del mercato in cui emergevano specifiche esigenze. “Nel 1996 siamo nati perché in quel momento il traffico duplicava ogni 2 o 3 mesi, e i provider di allora non erano in grado di sopperire alla richiesta né dal punto di vista tecnologico né da quello economico. E il nostro fondatore, Pradeep Sindhu, ha visto un’opportunità in questo, mettendo sul mercato il primo prodotto basato su un sistema operativo modulare”. Qualcosa che oggi può sembrare scontato, in un‘era dominata da microservizi e piattaforme come Kubernetes, ma ai tempi non era ovvio, e i sistemi operativi di allora erano tendenzialmente monolitici. “Noi abbiamo ascoltato cosa serviva. Migliorato la parte economica, le performance. Insomma, abbiamo nel nostro Dna l’abitudine di ascoltare i nostri partner e clienti e capire cosa serve loro”.
Facciamo un salto più avanti, al 2019, quando Juniper acquisisce Mist. “Un’operazione che poteva sembrare strana”, sottolinea Manfredoni. Mist si occupava di access point Wi-Fi, un mercato commodity, un mondo apparentemente differente da quello in cui opera Juniper. In realtà Mist non nasce per produrre hardware, ma ha l’obiettivo di “trasformare il mondo delle operation sfruttando le capacità degli algoritmi di machine learning”, quella che oggi definiamo come intelligenza artificiale, che si basa proprio sul ML. Per farlo servono dati di buona qualità e per questo motivo gli access point di Mist non si limitavano ad acquisire i dati dei singoli utenti, ma analizzavano ogni secondo anche informazioni relative alla sessione, allo specifico software utilizzato, per un totale di circa 65 stati logici. Hanno insomma “introdotto il concetto di telemetria sull’utente. E dal 2014 Mist ha iniziato a raccogliere ed elaborare dati coi quali istruire l’intelligenza artificiale”.
Dopo l’acquisizione da parte di Juniper Networks nel 2019 il lavoro di acquisizione è proseguito. “Nel corso degli anni abbiamo aumentato le sorgenti. Siamo passati dal solo Wi-Fi alla parte di switching, poi abbiamo introdotto la parte di Security Branch Office”. Sino a che questo approccio è stato integrato nella piattaforma di Juniper Networks. Che recentemente è in grado anche di integrare i router di tutti i service provider.
Ora, però, secondo Manfredoni “è il momento di un cambio. Dobbiamo pensare a cosa serve la rete e come interfacciarsi con essa. Qualcosa di complicato. Sino a ieri avevamo luci verdi o rosse. Al massimo arancioni, ma già non si capiva bene cosa ci stava dicendo questo indicatore. Dare le giuste risposte in base ai dati è fondamentale. Non mi serve più capire se un dispositivo è acceso o meno: mi serve capire come va l’utente che è collegato al quel dispositivo. Se il suo livello di segnale è sufficiente. Se i suoi protocolli di autenticazione sono corretti o c’è qualche problema sul Dhcp”.
Grazie a questi dati telemetrici, secondo Manfredoni si sposta il paradigma. Ed è possibile farlo grazie alla combinazione di questi dati con l’IA. Andando a vedere non quali dispositivi dell’infrastruttura sono funzionanti, ma quali utenti sono soddisfatti e quali no.
Machine learning + IA generativa per identificare i problemi (e risolverli automaticamente)
L’AI-Native Networking Platform di Juniper Networks utilizza quindi due tipi di IA. Da un lato il machine learning per l’analisi dei dati. Dall’altro l’IA generativa per interrogare il sistema tramite l’assistente Marvis. “Con anche una parte di action, perché arrivano anche suggerimenti su come risolvere i problemi”, spiega Manfredoni. Anche automatizzando una serie di operazioni. Con un livello di granularità davvero notevole, tanto che il sistema è anche in grado di segnalare i problemi derivanti da cablaggi non adeguati. Non solo. “È possibile fare queste analisi sino a livello di applicativo: recentemente abbiamo annunciato integrazioni con il cloud di Teams e di Zoom. Possiamo capire perché la chiamata di Teams si blocca o si vede sgranata”. Questo è possibile perché applicazioni come quelle citate acquisiscono svariate informazioni sulle sessioni, e mettendole a fattore comune e possibile risalire alla causa di ogni problema. Cosa che senza strumenti di questo tipo sarebbe impossibile: senza questa montagna di dati, infatti, sarebbe impossibile comprendere i disservizi di uno specifico utente durante una specifica sessione.
Velocità e precisione
I principali vantaggi della piattaforma di Juniper Networks sono svariate: la velocità di reazione, prima di tutto. E la granularità, che consente anche di anticipare i problemi, anche basandosi sullo storico dei dati.
Ma come funziona, all’atto pratico, l’AI-Native Networking Platform? Da un lato ci sono i fondamentali agenti sui dispositivi. E poi il software, che “gira” in cloud raccogliendo i dati. Con una grande attenzione alla privacy: “vengono registrati esclusivamente gli header”, non tutte le informazioni che transitano. E la scalabilità? “La soluzione è in continua crescita. Perché il concetto è che devi sempre imparare, non puoi fermarti. Aggiungeremo sempre nuove sorgenti”. Anche di dispositivi di terze parti? “Per avere il massimo dell’IA devi avere prodotti Juniper”, sottolinea il manager. Una decisione un po’ bizzarra in un mondo multi-vendor, viene da pensare. Ma, come sottolinea Manfredoni “stiamo valutando di aprirci a prodotti di terze parti”. Ma questo richiederebbe di standardizzare una serie di aspetti. Ma anche se l’intera infrastruttura non si basa esclusivamente su hardware Juniper, la piattaforma è comunque in grado di dare alcune indicazioni, perché ci sono dei protocolli standard. Ma parliamo di un’implementazione che, allo stato attuale, non è quella attuale.
I “digital twin” dell’utente
Un aspetto innovativo della piattaforma di Juniper Networks è rappresentato dai gemelli digitali degli utenti. Che sono uno strumento semplice ma efficace per verificare il corretto funzionamento dell’infrastruttura in ogni istante. “Quando durante il week end c’è una diminuzione quasi totale degli utenti, non posso più capire cosa succede. Potrebbero esserci dei problemi, dei quali ci si rende conto solo il lunedì mattina. Perché quindi non creare degli pseudo bot che simulano il processo di autenticazione quando il traffico è limitato?”. Così facendo, è possibile controllare l’intero processo anche quando nessuno sta lavorando, così da individuare tempestivamente potenziali problemi.
