Exija más con la IA líder en la industria de Juniper.

Aprendizaje basado en el refuerzo:

- Optimiza el canal o la potencia con el aprendizaje de refuerzo basado en la IA

- La IA maximiza continuamente la experiencia del usuario (SLE) y minimiza la interferencia en tiempo real

- Se adapta dinámicamente de forma continua mientras la red se encarga de aprender de la experiencia del cliente

- Aprende y desprioriza canales DFS detonados para aumentar el tiempo de actividad de la red

- La cobertura de la SLE es una "encuesta del sitio" continua

Ver el video

RRM básica

- Monitoreará los patrones de las fallas de DFS

- Los puntos de acceso recuerdan su configuración a través de fallas de energía

- No hará cambios durante las "horas ocupadas"

ARM: reconocimiento de patrones básicos para comparar y optimizar configuraciones de RF de bajo nivel solo en sitios administrados:

- No es una verdadera solución de IA: no aprovecha el aprendizaje de refuerzo para mejorar con el tiempo

- No ajusta la RF para maximizar la experiencia del usuario

- Analiza datos periódicos y estáticos para actualizaciones dinámicas diarias pero no continuas

- Requiere Mobility Controller y Mobility Master para optimizar la RF de AirMatch

- Requiere dispositivos de recopilación de datos y servidor NetInsight

Algoritmo de 15 años

- Basado en cómo los puntos de acceso se escuchan entre sí

- Optimiza el canal o la potencia únicamente con base en el gráfico de interferencia de AP

- La RRM se realiza de forma estática y periódica cuando la carga es baja

RRM básica. Sin IA ni ML, requiere varios días de ajuste.

- Aprendizaje continuo a través del aprendizaje automático supervisado

- Realiza un análisis de causa raíz para la mayoría de los problemas de red detectados

- Admite redes inalámbricas, por cable y WAN a nivel de sitio

- Soluciona problemas en lugar de extraer registros

- Se puede acceder a través de WebUI o API

- Construido sobre seis años de aprendizaje continuo y una rica caja de herramientas de ciencia de datos

- Panel de control

- Sin asistente virtual

- Panel de control

- Sin asistente virtual

- Panel de control

- Hay rumores de un chatbot, pero no se ha desarrollado ni está disponible para los clientes en versión beta

- Panel de control y asistente de red solo en la nube.

- Chatbot llamado Co-Pilot, muy limitado, sin IA. Permite la versión 1.0 de NLP. Sin consulta.

- En beta los últimos 2 años.

- Identifica proactivamente anomalías y usa herramientas de la ciencia de datos para determinar la causa raíz

- Aprovecha tanto los SLE por cable como los inalámbricos para la detección de anomalías

- El algoritmo de tercera generación con ARIMA aumenta la eficacia

- Detección de anomalías realizada en Wi-Fi, LAN, WAN y dominios de seguridad

- ChatGPT integrado

- Algoritmo de detección de anomalías de primera generación

- Revisará una semana de datos para encontrar ciertas anomalías básicas

- Conjunto limitado de detección de anomalías (DHCP, AAA, utilización de RF)

- Requiere el dispositivo NetInsight Data Collector

- Algoritmo de detección de anomalías de primera generación

- Detección de anomalías limitadas (DHCP, AAA, asociación, transferencia de datos)

- Requiere dispositivos de Cisco DNA (3+)

Client 360 rastrea anomalías básicas.

Es compatible con Pilot y Co-Pilot.

Algoritmo de detección de anomalías de primera generación.

Detección de anomalías limitadas (latencia, transferencia de datos, tiempo de transmisión)

- Marco de Marvis Actions para el modo autónomo y asistido (por ejemplo, optimización de RF, RMA proactiva, puntos de acceso poco saludables, VLAN faltantes, cables defectuosos, errores de configuración de conmutador, etc.)

- Validado por Mist

- Servicio al cliente para resolver o ayudar a entrenar el sistema

- Retroalimentación de circuito cerrado que proporciona información procesable ascendentemente a los administradores

- Paneles de control

- Sin capacidades autónomas

- Ofrecerá "sugerencias"

- Descendente

- exploración

- Paneles de control

- Carece de capacidades autónomas, únicamente asistidas, mediante las cuales proporciona recomendaciones a TI

- Capacidades asistidas muy básicas (identificación de problemas de utilización del canal y un desempeño deficiente de DHCP/AAA para que TI investigue manualmente)

- Exploración descendente para archivos de registro de próxima generación

- Paneles de control

- Sin capacidades autónomas

- Necesidad descendente de "nominar" a un usuario con problemas para comenzar cualquier monitoreo activo

- Paneles de control generados por matemáticas básicas.

- Carece de capacidades autónomas, únicamente asistidas, mediante las cuales proporciona recomendaciones a TI

- Capacidades autónomas limitadas (latencia, transferencia de datos, tiempo de transmisión)

Creación de superficies de probabilidad en la nube y aprendizaje automático continuo sin supervisión para actualizar constantemente el modelo.

- La triangulación depende de la colocación precisa en el mapa

- Errores introducidos por varianzas en clientes de BLE

- La triangulación depende de la colocación precisa en el mapa

- Errores introducidos por varianzas en clientes de BLE

- Meridiano marginado

- Requiere un dispositivo CMX in situ (incluso para DNA Spaces)

- Requiere integración de BLE de terceros

- La triangulación depende de la colocación precisa en el mapa. Errores introducidos por varianzas en clientes de BLE

No

- El Soporte de Mist utiliza Marvis para solucionar problemas

- La eficacia de Marvis se evalúa continuamente y cuando surgen problemas de soporte en los que los datos o la respuesta no están disponibles, en cuyos casos capacitamos a Marvis o agregamos la recopilación de datos faltantes

- Cuando Marvis detecta un fallo de hardware en un AP, puede realizar una RMA automática que minimiza la "carga de la prueba" en los equipos de TI en lugar de escalar los problemas al proveedor

- Mientras los despliegues de AP han crecido aceleradamente, las solicitudes de soporte se han mantenido sin cambios debido al uso de Mist AI

- Paneles de control

- No hay uso de la IA para automatizar el soporte o las operaciones de soporte

- Paneles de control

- Carece de capacidades de soporte automatizado basadas en la IA

- Asistencia de IA de Aruba es un botón manual básico para recopilar registros para enviar por correo electrónico al Soporte de Aruba para su análisis manual

- Paneles de control

- No hay uso de la IA para automatizar el soporte o las operaciones de soporte

- Paneles de control.

- Carece de capacidades de soporte automatizado basadas en la IA

- Captura paquetes proactivamente cuando ocurre un evento de error en tiempo real

- Elimina la necesidad de reproducir problemas, ya que cada falla tiene un PCAP que comienza antes de la falla y funciona a pesar de ella

- No más envío de personal técnico con rastreadores *después* de que el problema haya sucedido

Ver el video

Manual

- Primordialmente manual: captura automática limitada en eventos de fallo de autenticación

- Requiere un panel de control independiente adicional en la nube para la solución de problemas y el análisis (Cape Networks)

- Requiere una red superpuesta de hardware de sensor inalámbrico Aruba UXI

Captura inteligente de paquetes

- Primero, el cliente debe iniciar una solicitud

- Luego, el cliente será etiquetado para recopilar datos en el futuro

- Para nada automático

No.