سيسكو تطرح إستراتيجيتها المعتمدة على الذكاء الاصطناعي × 5 نقاط
اختتمت شركة سيسكو العام بطرح إستراتيجيتها في تبني الرقمنة، بتطور تطبيق تكنولوجيات الذكاء الاصطناعي المتطورة في جميع قطاعات الصناعة والخدمات، مما يوفر إمكانات وفرص لا متناهية للشركات وعملائها.
وتقدّر شركة الأبحاث المتخصصة ماركتس اند ماركتس أن قيمة سوق الذكاء الاصطناعي ستصل إلى نحو 5.05 مليارات دولار أمريكي بحلول العام 2020. ومن مراكز البيانات وصولًا إلى سلسلة الكتل "البلوك تشين" والذكاء الاصطناعي وإنترنت الأشياء والبيانات الضخمة، يشهد العالم نقلة نوعية تجاه الرقمنة، تعززها حلول تقنية الاتصالات والمعلومات التي تتضمن الحوسبة السحابية والمؤسسية في جوهرها.
وتهتم الشركة بالتركيز على خمسة ركائز أساسية تشمل ما يلي:
- إعادة اختراع الشبكة: بسبب التحول الرقمي، أصبح الشبكات الآن أكثر أهمية من أي وقت مضى ولكنها في الوقت ذاته لم تتعرض لهذا القدر من الضغوطات. تواجه صناعة الشبكات حقبة جديدة بسبب توفر الشبكات القائمة على المقاصد، وتمنحنا إمكانات التعلم الآلي القدرة على تحليل كميات ضخمة من بيانات الشبكة، فيما تعمل على تحويل الحركة بنفسها وعلاج نفسها ذاتيًا من الصدمات الداخلية كأعطال الأجهزة والصدمات الخارجية كالهجمات الإلكترونية.
- تمكين عالم متعدد البنى السحابية: بجمع إمكانات التواصل الشبكي والأمن والتحليل والإدارة لتوفير الحلول السحابية التي تغطي عالمًا متعدد البنى السحابية،وبمساعدة التعلم الآلي، قدم الشركة تجربة موحدة للمستخدمين عبر البنى السحابية بما في ذلك سياسة واحدة وتحقق أمني واحد من خلال تعلم ما يفضله المستخدم وأداء التطبيقات عبر المنصات السحابية العامة والخاصة لسلاسة العمل دون انقطاع.
- إطلاق قوة البيانات: بتوفير البيانات والأفكار لدعم نماذج الاستخدام التي تتنوع من تحسين البنية التحتية إلى استقصاء التهديدات الأمنية، ومنح العملاء القدرة على استخلاص القيمة من البيانات التي تمر عبر شبكتهم في المرحلة الزمنية التي توفر أعلى قدر من القيمة.
- تمكين تجربة الموظف والعميل: تتمتع تقنيات التشارك من سيسكو بالقدرة على ربط الناس والفرق والعملاء معًا، ويمثل الذكاء الاصطناعي مكونًا ضمنيًا من تقنياتنا للتشارك وتجربة الموظفين والعملاء من خلال البساطة والأتمتة وتحسين التجربة بفضل الوعي الكامل بالسياق وما يحدث في الشبكة.
- دمج الأمن في نسيج الشبكة: يعد الأمن أساسًا لكل ما نقوم ببه – من البنية السحابية إلى النقاط النهائية في الشبكة. وكلما زادت المتغيرات التي نراها، أصبح بإمكاننا استنتاج مزيد من الارتباطات عبر التعلم الآلي، وبالتالي نستطيع الكشف بسرعة أكبر عن أي شيء غير طبيعي.
