Chiedi di più con l'AI leader del settore di Juniper.

Basata sul reinforcement learning:

- Ottimizza il canale/la potenza con il reinforcement learning basato su AI.

- L'AI massimizza continuamente l'esperienza utente (SLE) e riduce al minimo le interferenze in tempo reale.

- Si adatta dinamicamente e sistematicamente mentre la rete è sotto carico, apprendendo dall'esperienza dei client.

- Apprende e riduce la priorità dei canali DFS attivati per aumentare l'uptime della rete.

- Le SLE della copertura consistono in una continua "Indagine del sito".

Guarda il video

RRM di base:

- Monitora i modelli di errori DFS.

- Gli AP ricordano le impostazioni anche in caso di interruzione dell'alimentazione.

- Non apporta modifiche nelle "ore di punta".

ARM - Riconoscimento dei modelli di base per confrontare e ottimizzare le impostazioni RF di basso livello solo tra i siti gestiti:

- Non è una vera soluzione AI: non si avvale del reinforcement learning per migliorare nel tempo.

- Non regola la RF per massimizzare l'esperienza utente.

- Analizza dati periodici e statici per aggiornamenti giornalieri ma non dinamici e continuativi.

- Necessita di un Controller e di un Mobility Master per l'ottimizzazione RF di AirMatch.

- Necessita di dispositivi per la raccolta dei dati e di server NetInsight.

Algoritmo risalente a 15 anni fa

- Basata sul modo in cui gli AP si ascoltano reciprocamente.

- Ottimizza il canale/la potenza utilizzando esclusivamente il grafico delle interferenze degli AP.

- La RRM viene eseguita su base statica e periodica quando il carico è basso.

RRM di base. Senza AI/ML, sono necessari diversi giorni per la sintonizzazione.

- Apprendimento continuo tramite il machine learning supervisionato.

- Esegue l'analisi della causa radice per la maggior parte dei problemi di rete rilevati.

- Supporta le reti wireless, wired e WAN a livello di sito.

- Risoluzione dei problemi invece che estrazione dei registri.

- Accesso tramite WebUI o API.

- Costruito sulla base di 6 anni di apprendimento continuo e una nutrita serie di strumenti di data science.

- Dashboard

- Nessun assistente virtuale.

- Dashboard

- Nessun assistente virtuale.

- Dashboard

- Voci riguardo a un chatbot che non è stato commercializzato o messo a disposizione dei clienti in beta.

- Dashboard e assistente di rete solo sul cloud.

- Chatbot chiamato Co-Pilot, molto limitato, senza AI. Supporta la versione 1.0 di NLP. Nessuna query.

- In beta da due anni.

- Individua in modo proattivo le anomalie e utilizza strumenti di data science per determinare la causa radice.

- Sfrutta le SLE per le reti wired e wireless al fine di rilevare le anomalie.

- L'algoritmo di terza generazione con ARIMA aumenta l'efficienza.

- Il rilevamento delle anomalie è eseguito su Wi-Fi, LAN, WAN e domini di sicurezza.

- ChatGPT integrata.

- Algoritmo di rilevamento delle anomalie di prima generazione.

- Esamina i dati di una settimana per trovare alcune anomalie di base.

- Set limitato di rilevamento delle anomalie (DHCP, AAA, utilizzo RF).

- Richiede il dispositivo NetInsight Data Collector.

- Algoritmo di rilevamento delle anomalie di prima generazione.

- Rilevamento limitato delle anomalie (DHCP, AAA, Associazione, Throughput).

- Necessita delle apparecchiature Cisco DNA (3+).

Client 360 rileva le anomalie di base.

Pilot e CoPilot supportati.

Algoritmo di rilevamento delle anomalie di prima generazione.

Rilevamento limitato delle anomalie (latenza, throughput, tempo di trasmissione).

- Marvis Actions Framework per la modalità self-driving o driverassist (ad esempio, ottimizzazione RF, RMA proattiva, AP malfunzionanti, VLAN mancanti, cavi difettosi, errori di configurazione degli switch, ecc.).

- Convalidate da Mist.

- Servizio clienti per la risoluzione dei problemi o assistenza con l'addestramento del sistema.

- Feedback a ciclo chiuso che fornisce informazioni utili agli amministratori "dal basso verso l'alto".

- Dashboard

- Nessuna funzionalità self-driving.

- Offre "suggerimenti".

- Indagini

dall'alto verso il basso.

- Dashboard

- Self-driving assente. Dispone solo delle funzionalità "driver-assist" per fornire raccomandazioni all'IT.

- Funzionalità "driver-assist" molto basilari (individua i problemi di utilizzo dei canali e le scarse prestazioni DHCP/AAA che l'IT deve esaminare manualmente).

- Indagine dall'alto verso il basso alla ricerca di file di registro di nuova generazione.

- Dashboard

- Nessuna funzionalità self-driving.

- Approccio dall'alto verso il basso con la necessità di "nominare" gli utenti in difficoltà per avviare un monitoraggio attivo.

- Dashboard generate da semplici calcoli matematici.

- Self-driving assente. Dispone solo delle funzionalità "driver-assist" per fornire raccomandazioni all'IT.

- Funzionalità self-driving limitate (latenza, throughput, tempo di trasmissione).

Creazione di superfici probabilistiche nel cloud e costante machine learning non supervisionato per aggiornare incessantemente il modello.

- La triangolazione dipende dal posizionamento preciso della mappa.

- Gli errori sono introdotti dalla variabilità dei client BLE.

- La triangolazione dipende dal posizionamento preciso della mappa.

- Gli errori sono introdotti dalla variabilità dei client BLE.

- Meridiano escluso.

- Richiede un dispositivo CMX in loco (anche per gli Spazi DNA).

- Richiede un'integrazione BLE di terze parti.

- La triangolazione dipende dal posizionamento preciso della mappa. Gli errori sono introdotti dalla variabilità dei client BLE.

No

- Mist Support utilizza Marvis per la risoluzione dei problemi.

- L'efficienza di Marvis viene continuamente valutata e quando si presentano problemi di assistenza per i quali non sono disponibili dati o risposte, addestriamo Marvis o aggiungiamo la raccolta dei dati mancante.

- Quando Marvis rileva un errore hardware in un AP, è in grado di eseguire una RMA automatica che riduce al minimo l'"onere della prova" per i team IT, invece di sollevare i problemi di fronte al fornitore.

- Mentre i deployment di AP sono aumentati a ritmo sostenuto, i ticket di assistenza sono rimasti invariati grazie all'utilizzo di Mist AI.

- Dashboard

- Nessun utilizzo dell'AI per automatizzare il supporto o le operazioni di supporto.

- Dashboard

- Mancanza di funzionalità di supporto automatizzato basate sull'AI.

- Aruba AI Assist è un pulsante manuale essenziale per raccogliere i registri da inviare via e-mail all'Assistenza Aruba per l'analisi manuale.

- Dashboard

- Nessun utilizzo dell'AI per automatizzare il supporto o le operazioni di supporto.

- Dashboard

- Mancanza di funzionalità di supporto automatizzato basate sull'AI.

- Acquisisce i pacchetti in modo proattivo quando si verifica un evento di errore in tempo reale.

- Elimina la necessità di riprodurre i problemi, poiché a ogni errore corrisponde un PCAP che inizia prima dell'errore e lo riproduce.

- Non è più necessario inviare dei tecnici con sniffer *dopo* che il problema si è manifestato.

Guarda il video

Manuale

- Principalmente manuale: acquisizione automatica limitata agli eventi di errore di autenticazione.

- Necessita di una dashboard cloud aggiuntiva e separata per la risoluzione dei problemi e l'analisi (Cape Networks).

- Richiede una rete overlay di hardware per sensori wireless Aruba UXI.

Acquisizione intelligente dei pacchetti.

- Innanzitutto un client deve presentare un ticket.

- Poi il client verrà taggato per raccogliere i dati in futuro.

- Si tratta di una procedura per nulla automatica.

No.