Exija mais com a IA líder do setor da Juniper.

Baseada no aprendizado por reforço:

- Otimiza o canal/potência com aprendizado por reforço baseado em IA

- A IA maximiza continuamente a experiência do usuário (SLE) e minimiza a interferência em tempo real

- Adapta-se dinamicamente de forma contínua enquanto a rede está sob carga, aprendendo com a experiência do cliente

- Aprende e desprioriza os canais de DFS acionados para aumentar o tempo de atividade da rede

- A cobertura SLE é uma "pesquisa de local" contínua

Assista ao vídeo

RRM básico

- monitorará os padrões de falha da DFS

- Os APs lembram suas configurações por meio de falhas de energia

- Não fará alterações em "horas de pico"

ARM — Reconhecimento de padrão básico para comparar e otimizar as configurações de RF de baixo nível apenas em locais gerenciados:

- Não é uma solução de IA verdadeira: não utiliza o aprendizado por reforço para melhorar ao longo do tempo

- Não ajusta a RF para maximizar a experiência do usuário

- Analisa dados periódicos e estáticos para atualizações dinâmicas diárias, mas não contínuas.

- Requer controlador e mestre de mobilidade para otimização de RF do AirMatch

- Requer dispositivos de coletor de dados e servidor NetInsight

Algoritmo de 15 anos

- Com base em como os APs escutam uns aos outros

- Otimiza o canal/potência com base exclusivamente no gráfico de interferência de AP

- O RRM é realizado de forma estática e periódica quando a carga estiver baixa

RRM básico. Sem IA/AM, requer vários dias de ajuste.

- Aprendizado contínuo por meio do aprendizado de máquina supervisionado

- Realiza análise de causa raiz para a maioria dos problemas de rede detectados

- Suporta redes sem fio, com fio e WAN em um nível de local

- Solucione problemas em vez de puxar logs

- Pode ser acessado por meio de WebUI ou API

- Construído com base em 6 anos de aprendizado contínuo e caixa de ferramentas da ciência de dados

- Painel

- Sem assistente virtual

- Painel

- Sem assistente virtual

- Painel

- Há rumores de um chatbot, mas ele não foi produzido ou disponibilizado para os clientes na versão beta

- Painel e assistente de rede apenas na nuvem.

- Chatbot chamado Co-Pilot, muito limitado, sem IA. Permite a versão 1.0 de PLN. Sem consulta.

- Na versão beta dos últimos 2 anos.

- Identifica de forma proativa as anomalias e usa ferramentas da ciência de dados para determinar a causa raiz

- Utiliza SLEs com e sem fio para detecção de anomalias

- O algoritmo de 3ª geração com ARIMA aumenta a eficácia

- Detecção de anomalias realizada em Wi-Fi, LAN, WAN, domínios de segurança

- ChatGPT integrado

- Algoritmo de detecção de anomalias de 1ª geração

- Analisará os dados de algumas semanas para encontrar algumas anomalias básicas

- Conjunto limitado de detecção de anomalias (DHCP, AAA, utilização de RF)

- Requer dispositivo de coletor de dados NetInsight

- Algoritmo de detecção de anomalias de 1ª geração

- Anomalias limitadas detectadas (DHCP, AAA, associação, taxa de transferência)

- Requer dispositivos Cisco DNA (3+)

O Client 360 rastreia anomalias básicas.

Pilot e CoPilot suportados.

Algoritmo de detecção de anomalias de 1ª geração.

Anomalias limitadas detectadas (latência, taxa de transferência, tempo de exibição).

- Marvis Actions Framework para o modo de autônomo ou de assistência ao condutor (por exemplo, otimização de RF, RMA proativo, APs não saudáveis, VLANs ausentes, cabos ruins, erros de configuração de switch etc.)

- Validado pela Mist

- Atendimento ao cliente para resolver ou ajudar a treinar o sistema

- Feedback de circuito fechado que fornece informações acionáveis aos administradores "de baixo para cima"

- Painéis

- Sem recursos autônomos

- Oferecerá "sugestões"

- De cima para baixo

- escavação

- Painéis

- Não possui condução autônoma, tendo apenas recursos de "assistência ao condutor", nos quais fornece recomendações à TI

- Recursos muito básicos de assistência ao condutor (identifica problemas de utilização de canal e desempenho ruim de DHCP/AAA para que a TI investigue manualmente)

- Escavação de cima para baixo para arquivos de log de próxima geração

- Painéis

- Sem recursos autônomos

- De cima para baixo Precisa "nomear" usuários com problemas para começar qualquer monitoramento ativo

- Painéis gerados por matemática básica.

- Não possui condução autônoma, tendo apenas recursos de "assistência à condução", nos quais fornece recomendações à TI

- Recursos autônomos limitados (latência, taxa de transferência, tempo de exibição)

Criação de superfícies de probabilidade na nuvem e aprendizado de máquina não supervisionado contínuo para atualizar constantemente o modelo.

- Triangulação dependente do posicionamento preciso do mapa

- Erros introduzidos por variância em clientes BLE

- Triangulação dependente do posicionamento preciso do mapa

- Erros introduzidos por variância em clientes BLE

- Meridiano marginalizado

- Requer dispositivo CMX no local (até mesmo para DNA Spaces)

- Requer integração BLE de terceiros

- Triangulação dependente do posicionamento preciso do mapa. Erros introduzidos pela variação nos clientes BLE

Não

- O suporte da Mist utiliza o Marvis para solucionar problemas

- A eficácia do Marvis é avaliada continuamente e quando surgem problemas de suporte onde dados ou resposta não estão disponíveis, treinamos o Marvis ou adicionamos a coleta de dados ausente

- Quando o Marvis detecta uma falha de hardware em um AP, ele pode realizar um RMA automático minimizando o "ônus da prova" nas equipes de TI em vez de escalar problemas com um fornecedor

À medida que as implantações de AP cresceram em um ritmo acelerado, os tíquetes de suporte permaneceram estáveis devido ao uso da Mist AI

- Painéis

- Sem uso de IA para automatizar o suporte ou operações de suporte

- Painéis

- Não possui recursos de suporte automatizados orientados por IA

- O Aruba AI Assist é um botão manual básico para reunir registros e enviá-los por e-mail ao suporte do Aruba para análise manual

- Painéis

- Sem uso de IA para automatizar o suporte ou operações de suporte

- Painéis.

- Não possui recursos de suporte automatizados orientados por IA

- Captura proativamente pacotes quando um evento de erro ocorre em tempo real

- Elimina a necessidade de reproduzir os problemas, pois cada falha tem um PCAP que começa antes da falha e passa por ela

- Não há mais envio de pessoal de tecnologia com sniffers *depois* de o problema ter ocorrido

Assista ao vídeo

Manual

- Manual principal — captura automática limitada em eventos de falha de autenticação

- Requer um painel de nuvem adicional e separado para solução de problemas e análise (Cape Networks)

- Requer rede overlay do hardware do sensor sem fio Aruba UXI

Captura inteligente de pacotes

- primeiro um cliente precisa abrir um tíquete

- então o cliente será marcado para a coleta de dados no futuro

- não é nada automático

Não.