Juniper Networks crede alle potenzialità del machine learning e dell'Intelligenza Artificiale da tempi non sospetti, cioè da quando l'AI non aveva ancora l'hype attuale. Ovvio però che, oggi, vedere validata così fortemente un'idea a cui la società lavora da anni è una bella conferma. Ma soprattutto, una spinta a rendere l'AI ancora più pervasiva e "nativa" nel networking.

Il messaggio dell'evento AI Native Now di Juniper è stato proprio questo: sottolineare che ciò che la società chiama AI-Native Networking è in buona parte già una realtà - proprio perché è in sviluppo da anni - e può solo potenziarsi, estendendo il proprio raggio d'azione. Con ovvi benefici sul business di Juniper, il che di fatto conferma l'intuizione di HPE di acquisirla.

Il punto di vista di Juniper è noto e immediatamente comprensibile. Le reti sono sempre più complesse perché c'è un aumento costante dei device connessi e di servizi, come lo streaming, che incrementano grandemente il traffico dati e lo rendono particolarmente articolato. Parallelamente, la digitalizzazione porta sempre più aziende ad essere sempre più online con le loro applicazioni e i loro servizi. Il tema non è nuovo, è però cambiato il modo di considerare le reti: "La rete è al centro di tutta la Digital Trasformation e per questo oggi le reti tradizionali best effort non bastano più: una rete non deve solo funzionare, deve funzionare sempre bene", spiega Rami Rahim, CEO di Juniper Networks.

Questa considerazione sposta l'attenzione dal semplice essere connessi, che in fondo è una questione tecnologicamente semplice (basta portare connettività adeguata dove serve, e gestirla bene) alla bonta della "network experience" complessiva. A come, cioè, la rete viene "vissuta" tanto dagli utenti finali quanto dagli operatori stessi di telecomunicazioni.

Tutto questo Juniper lo chiama experience-first networking e ci lavora da una decina d'anni. Lo sviluppo rapido dell'AI, in questi mesi e in prospettiva, dà ora "l'opportunità di rivedere lo status quo del networking", spiega Rahim. Adottando un approccio duplice: da un lato sviluppando componenti e funzioni di AI, o AI-based, che aiutino a gestire le reti ("AI for networking", nella definizione di Juniper), dall'altro ("networking for AI") portando sul mercato componenti di networking capaci di supportare tutte le applicazioni di AI che le aziende man mano implementano.

Il ruolo di AIOps

La componente "AI for networking" di Juniper comprende sostanzialmente tutto quello che è collegato all'ampio tema di AIOps. Juniper in questo senso punta sulla bontà del suo approccio storico: tutte le piattaforme e tutti i dispositivi di rete sono nativamente "aperti" all'AI perché possono comunicare i dati che servono ad algoritmi che monitorano, gestiscono e ottimizzano le reti.

La novità di questa fase dell'AIOps per Juniper è poter contare sempre di più su componenti di deep learning che elaborano i dati di telemetria ed experience delle reti, per una migliore capacità di previsione rispetto al già ampiamente adottato machine learning. I modelli di AI di Juniper - spiega il Chief AI Officer, Bob Friday - "vengono riaddestrati anche ogni ora a partire dai dati aggiornati di rete, il che comporta risultati migliori nelle funzioni predittive come in quelle esplicative".

Per Juniper l'approccio "AI-native" la mette una posizione di vantaggio rispetto ai concorrenti che vedono l'AI come una aggiunta alle piattaforme tradizionali che già avevano. Tanto che Juniper lo afferma chiaramente: in questa fase c'è da distinguere tra vera innovazione e semplice "AI noise". Inoltre, lo storico è una base su cui continuare a costruire. "Le funzioni AIOps di Juniper hanno già dimostrato le loro capacità nelle reti di campus e di branch, ora intendiamo estenderle in tutti gli ambiti delle reti", spiega Rahim.

Per raggiungere questo obiettivo la AI-Native Networking Platform di Juniper vede potenziate le funzioni del suo assistente virtuale Marvis. Questo a sua volta si basa sulle elaborazioni di Mist AI, la piattaforma "core" di Juniper che raccoglie i dati di rete e li elabora con algoritmi e tecniche di AI, machine learning, data science.

La prima novità è la declinazione specifica di Marvis per il mondo data center, che si affianca ai "fratelli" per le reti cablate, wireless e le SD-WAN. Anche la parte "networking for AI" degli sviluppi più recenti di Juniper segue questa estensione al data center, con potenziamenti specifici per la piattaforma di network automation Juniper Apstra e il lancio di alcuni nuovi router PTX, switch QFX e schede di rete compatibili con 800GE.

La seconda novità della AI-Native Networking Platform riguarda i Marvis Minis, che in sintesi sono "digital twin" degli utenti e dei dispositivi di rete. Sono modellati in base ai dati raccolti nel tempo da Mist AI e possono così simulare il traffico generato da uno specifico utente, device o applicazione.

Questo permette di evidenziare problemi di rete prima che siano percepiti direttamente dagli utenti reali. Periodicamente, o in caso di eventi particolari come modifiche delle configurazioni, i Marvin Minis necessari vengono "risvegliati" quando gli utenti reali non sono attivi e generano traffico seguendo i modelli pre-elaborati di comportamento. Se ci sono malfunzionamenti potenziali nascosti, si vefificano e vengono risolti in questa fase preventiva.