Artificial Intelligence Mist AI

Marvis en de toekomst van slim netwerkbeheer

3 min. leestijd
Placeholder for Marvis slim netwerkbeheerMarvis slim netwerkbeheer
Juniper Networks

Share

Organisaties worden steeds vaker geconfronteerd met complexe netwerkproblemen die de bedrijfsvoering kunnen verstoren en de productiviteit kunnen belemmeren. Traditionele methoden voor probleemoplossing schieten vaak tekort. Dit leidt tot lange downtimes en gefrustreerde gebruikers. Hier komt kunstmatige intelligentie (AI), een technologie die klaar is om de wereld van netwerkbeheer te veranderen.

Door gebruik te maken van AI kunnen bedrijven proactief netwerkproblemen identificeren en oplossen, waardoor een soepele netwerkverbinding en betere gebruikerservaringen worden gegarandeerd. De overstap van reageren op problemen naar het voorkomen ervan, helpt problemen sneller op te lossen en verbetert de netwerkprestaties. Dit maakt AI een belangrijke partner bij het aanpakken van de huidige netwerkuitdagingen. Eén van die AI-gestuurde oplossingen is Marvis.

Wie is Marvis?

Marvis is een door Juniper Networks ontwikkelde cloud-gebaseerde virtuele netwerkassistent (VNA) met kunstmatige intelligentie (AI) die is ontworpen om netwerkbeheer en -activiteiten te verbeteren. Deze innovatieve tool is een belangrijke stap vooruit in de manier waarop netwerken worden ontworpen, ingezet en onderhouden. Marvis is gebaseerd op jaren van onderzoek en ontwikkeling op het gebied van netwerken.

De ontwikkeling van netwerkbeheer

De oprichting van Mist Networks markeerde een kantelmoment in netwerkbeheer. Oprichters Sujai Hajela en Bob Friday zagen in dat er een fundamentele verschuiving nodig was om aan de eisen van moderne netwerken te voldoen. Traditionele beheertools hadden moeite om gelijke tred te houden met de toenemende complexiteit van netwerkomgevingen. Er was een oplossing nodig voor een soepele gebruikerservaring van client tot cloud, ongeacht de netwerkcomponenten.

Dit besef leidde tot de oprichting van Mist, een modern netwerkplatform dat cloudtechnologie en AI gebruikt om gebruikerservaringen te verbeteren.

Kennismaking met Marvis en cloud AIOps

Marvis is voortgekomen uit de visie om een AI-oplossing te creëren die netwerkuitdagingen kan aangaan met dezelfde vaardigheid als menselijke experts. Het team werd geïnspireerd door IBM's Watson, die won in Jeopardy (een Amerikaanse spelshow op televisie). Ze wilden een systeem maken dat netwerkgegevens kan analyseren, taalquery's kan begrijpen en taken kan automatiseren.

Marvis werkt op het Juniper Mist AI microservice cloud platform en verwerkt enorme hoeveelheden realtime gegevens van verschillende netwerkelementen. Door gebruik te maken van deep learning en natuurlijke taalverwerking (NLP) biedt Marvis bruikbare inzichten en automatisering, waardoor de netwerkactiviteiten aanzienlijk worden verbeterd.

Belangrijkste voordelen van Marvis

De implementatie van Marvis heeft geleid tot een aantal noemenswaardige voordelen voor de gebruikers:

  • Minder support tickets: Door het afhandelen van veel voorkomende vragen en problemen is het volume aan support tickets afgenomen.
  • Sneller problemen oplossen: Door gebruik te maken van Service Level Expectations (SLE's) en geavanceerde deep learning-modellen kunnen problemen snel worden geïdentificeerd en opgelost.
  • Verbeterde gebruikerservaring: De virtuele netwerkassistent meet en optimaliseert voortdurend gebruikerservaringen voor verschillende applicaties, waaronder spraak- en videodiensten.
  • Operationele efficiëntie: IT-teams profiteren van een verhoogde efficiëntie, waardoor ze zich kunnen richten op strategische initiatieven in plaats van op routinematige probleemoplossing.

Het is niet alleen een product; het is een platform dat groeit en zich aanpast door te leren van nieuwe gegevens en de behoeften van het netwerk.

Marvis trainen voor succes

De effectiviteit van Marvis is gebaseerd op de trainingsmethodologie. Een nauwe samenwerking tussen de teams voor datawetenschap en klantenondersteuning is essentieel geweest. Door regelmatige meetings kunnen gebieden worden geïdentificeerd waar de virtuele netwerkassistent kan verbeteren, waarbij effectief gebruik wordt gemaakt van versterkend leren door middel van menselijke feedback. Versterkend leren, of reinforcement learning, is een type machine learning waarbij een agent leert om beslissingen te nemen door interactie met een omgeving.

Het trainingsproces omvat geavanceerde technieken, waaronder leren onder toezicht en leren zonder toezicht, waardoor Marvis een breed scala aan netwerkproblemen kan diagnosticeren. Bovendien stellen de NLU-mogelijkheden (natural language understanding) Marvis in staat om gebruikersvragen te interpreteren en adequaat te reageren.

Marvis gebruikt reinforcement learning om netwerkproblemen zelfstandig op te lossen. Het kan indien nodig ook menselijke hulp inroepen om effectieve antwoorden te garanderen.

Download whitepaper

Whitepaper: Bringing AI to enterprise networking

De whitepaper bespreekt de voordelen van het integreren van AI in bedrijfsnetwerken door middel van AIOps (Artificial Intelligence for IT Operations).

Placeholder for Whitepaper CTA banner Brining AI to enterprise networkingWhitepaper CTA banner Brining AI to enterprise networking

De rol van AI in netwerkbeheer

De invloed van AI op netwerkbeheer is aanzienlijk en tools zoals Marvis dragen bij aan deze evolutie. Het verbetert de mogelijkheden om problemen op te lossen door een uitgebreid begrip te bieden van de netwerkomgevingen.

Hierdoor kunnen IT-teams een breder scala aan uitdagingen sneller en nauwkeuriger aanpakken. Terwijl AI-technologie zich blijft ontwikkelen, speelt Marvis een sleutelrol in de transformatie van netwerkbeheer en -activiteiten.

Zie Marvis in actie

Om de kracht van Mist AI en Marvis zelf te ervaren, bieden we je de mogelijkheid om een persoonlijke demo in te plannen. Deze sessie laat zien hoe de AI-oplossingen van Juniper je netwerkbeheer en -activiteiten kunnen verbeteren. En wil je zelf Mist én zo dus ook automatisch Marvis zelf ervaren? Ga dan aan de slag met de Juniper Mist Proof of Concept (POC).