Fue en 2019, después de años en los misterios de las redes de grandes proveedores como Juniper y Cisco, que Kannan Kothandaraman contribuyó al lanzamiento de Selector AI. Desde el principio, la idea de la puesta en marcha era construir una tecnología para ayudar a los profesionales de la red a usar mejor y optimizar la infraestructura y los servicios de red. Al trabajar con grandes empresas, los fundadores de Selector AI notaron que estas compañías podían usar datos de varias áreas para tomar decisiones basadas en datos para sus operaciones de red, en lugar de dejar la red dictada cómo se debe gestionar la empresa. Dijeron que podrían extender este enfoque basado en datos con empresas que no son hiperscalers y que comenzaron a construir una solución con los primeros socios de diseño. Este enfoque ha seguido creciendo y extendiendo a lo largo de los años.
En septiembre, la nueva empresa presentó su red de lenguaje de red para NETOPS, que llevó el poder de la IA generativa a la plataforma. Y esta semana, después del levantamiento de un fondos B de 33 millones de dólares, la compañía anunció la última etapa de su evolución. Hasta la fecha, la financiación total de la IA seleccionadora asciende a $ 66 millones. Los últimos fondos se utilizarán para ayudar a la empresa a desarrollar ventas y marketing, así como innovación técnica. "Uno de nuestros principales factores de diferenciación es que nuestra plataforma puede consumir todos los tipos de datos utilizados por un equipo operativo para una red o una infraestructura", dijo Kothandara. "Cada equipo usa muchos datos del propietario".
Selector AI intenta reducir la cantidad de alertas que pesan en los equipos operativos de la red. (Crédito de IA del selector)
Transformar datos sucios en resultados deterministas
El camino que condujo al éxito actual de Selector AI no fue sin dificultad. Al principio, el equipo tuvo problemas para completar su primer financiamiento. En cuestión, la pandemia de Covid-19, cuyo contexto no era muy favorable para la recaudación de fondos. Además, el equipo aprendió rápidamente que la realidad del trabajo con los datos del cliente estaba lejos de ser correspondiente a lo que había considerado al principio. "Los datos están muy sucios y muy a menudo debemos estar satisfechos con lo que está disponible", reconoció el Sr. Kothandaraman. "Debe completar una gran parte de estos datos con sus propios datos, pero nadie está dispuesto a compartir sus datos con otros. Otro desafío sin pretensiones: la necesidad de administrar los límites y el potencial de las diferentes formas de IA." AI y ML son intrínsecamente probabilísticos, mientras que los equipos operativos no quieren respuestas probabilísticas. Deben ser muy deterministas ", dijo. Una respuesta determinista debe ser precisa y consistente cada vez. Es absolutamente esencial tener éxito en el marco operativo. El Sr. Kothandaraman señala que para los equipos operativos de la red, los boletos y alertas de incidentes deben tener en forma de información utilizable." No podemos pedirles que resuelvan las probabilidades ", agregó.
Resolver el problema de ruido de la red
Una de las principales ventajas de la plataforma Selector AI es su capacidad para reducir la abrumadora cantidad de alertas que pesan en los equipos operativos de la red. "Algunos clientes usan entre 30 y 40 herramientas diferentes, y cada una de ellas vuelve a alertas tan pronto como hay un problema", señaló el Sr. Kothandaraman. "La reducción de ruido es el criterio número uno en el que nos juzgan. La plataforma tiene éxito gracias a una integración sofisticada de datos y un mapeo de las relaciones. Para lograr esto, la IA del selector usa tanto los datos operativos como los datos relacionales en el motor de aprendizaje automático para identificar problemas." Todas las diferentes herramientas indican un problema, pero dónde está la raíz de este problema? "Esto es lo que la plataforma está concentrada,", continúa.
A gemelos digitales y modelos de lenguaje extendido
Mientras que Selector AI apunta a 2025 y más allá, el Sr. Kothandaraman subrayó dos áreas clave de desarrollo tecnológico de la empresa. El primero es el de los datos digitales basados en datos. El concepto de gemelo digital consiste en responder una red existente para usarla virtual para identificar los problemas en la red real sin afectar la red de producción. Selector AI centrará sus esfuerzos en un enfoque de gemelos digitales centrados en los datos en lugar de la configuración. La segunda área de inversión se referirá a modelos de idiomas más amplios para las redes. "Vamos a centrar nuestro desarrollo en la red y la infraestructura", dijo Kothandaraman. "¿Cómo combinar datos de tiempo real con modelos de idioma?" Este problema aún no tiene una solución y, por lo tanto, buscamos resolverlo para la red y la infraestructura. »»
Otras noticias que te pueden interesar