Arista debuts unified SD-WAN edge platform

“Multi-vendor branch complexity creates the ultimate blind spot, and your adversaries are actively hiding in it,” wrote Brendan Gibbs, Arista’s vice president, AI, routing, and switching platforms, in a blog post about the new platform.

Sprawling multi-vendor infrastructure creates operational headaches and increases security risks, according to Gibbs. “When you have four or five different point solutions from different vendors stacked on top of each other, configuring them becomes a manual, disjointed process. In fact, industry data shows that up to 95% of network changes are still performed manually, which inevitably leads to configuration mistakes, the single biggest driver of network downtime and security policy gaps,” he wrote. 

“When security policies are decoupled from local network routing, critical blind spots emerge. An attacker doesn’t need to break your cloud-delivered SASE firewall; they just need to target the unmonitored local traffic gaps between your Wi-Fi AP, your LAN switch, and your SD-WAN edge router,” Gibbs wrote.

Similar Posts

  • OpenAI’s ambitious ad revenue goals look like AI-generated money, analysis says

    AI Fail: Not long ago, AI companies such as OpenAI had sworn they would never show advertising on their chatbot services. Even CEO Sam Altman described ads as a last-resort business model and said pairing them with AI felt uniquely unsettling. Now, everyone is doing the exact opposite. But according to recent research, industry players…

  • プロダクトエンジニアの台頭——AIがモダンテックチームを再形成する

    AI調達プラットフォームakirolabsはエンジニアリングチームの変革に成功した。キーワードは共有オーナーシップ。同社によれば、開発スピードは最大45%向上したという。 純粋な専門特化の終焉 長年、ソフトウェア組織は専門特化を中心に最適化されてきた。プロダクトマネージャーが要件を所有し、エンジニアが実装を担い、デザイナーがUXを、QAが品質を受け持つ——このモデルは機能していた。しかし製品の開発速度が四半期単位ではなく週単位で測られる時代。状況は変わった。 AIがさらにその変化を加速させている。それが「プロダクトエンジニア」の台頭だ。Fortune 500企業を顧客に持つAI調達プラットフォーム、akirolabsでは、CTOがエンジニアリングチームの組織を段階的に変革してきた。最初は専門特化のサイロを壊し、次にジェネラリスト型へ移行した。しかしやがて気づいたのは、AI時代に最もパフォーマンスが高いのはスペシャリストでもジェネラリストでもなく、プロダクトとビジネスを深く理解したエンジニアだということだ。 このモデルはプロダクトマネージャーを置き換えるものではない。むしろ優れたプロダクトマネージャーを解放する。プロダクトマネージャーは顧客対応、ロードマップの優先順位付け、要件の検証、戦略的な方向性により集中できるようになる。AIアシストのプロトタイピングやバイブコーディングツールにより、エンジニアリングの実装が始まる前に初期コンセプトや機能的な下書きを作れるようにもなる。 一方エンジニアは、プロダクトドメイン、顧客のワークフロー、ビジネスの優先事項への理解を深め、明確に定義された範囲内で多くのプロダクトレベルの意思決定を独立して行えるようになる。 このモデルは3つの繰り返し可能な原則で構成される。 プロダクトコンテキストのオーナーシップ:エンジニアは技術タスクだけでなく、顧客のワークフローとビジネス目標を深く理解する 分散型意思決定:チームはすべてを上位にエスカレーションせず、小さなプロダクト・実装の意思決定を自ら行う権限を持つ AIネイティブな実行:エンジニアはAIツールを孤立したコーディングタスクのアシスタントとしてではなく、デリバリーサイクル全体を通じた統合されたコラボレーターとして使う プロダクトエンジニア導入により望める変化は? このモデルの運用上の影響は比較的早く現れた。エンジニアリングデリバリーサイクル全体で収集した内部指標によれば、このモデル導入後に開発速度が約15〜25%改善した。エンジニアがすでに機能の「なぜ」を理解しているため、要件確認ミーティングは短く少なくなった。同じスコープでのリリースタイムラインが少なくとも10〜15%短縮された。 AIツールが日常のワークフローに入ってくると、効果はさらに顕著になった。プロダクトエンジニアは技術的な実装とプロダクトの意図の両方を理解しているため、AIコーディングシステムと効果的に協働できる。より良いプロンプトを作り、問題を正しく分解し、プロダクトとエンジニアリングチーム間の複数の変換レイヤーを必要とせずにAI生成のアウトプットを検証できる。 プロダクトエンジニアモデルと最新のAIツールを統合した後、開発・イテレーションサイクルで最大35〜45%の削減を記録し、機能デリバリーのサイクルタイムが数カ月から数週間に短縮された。 しかし最も重要な変化はスピードではなく、オーナーシップだ。 従来のエンジニアリング構造では、エンジニアはプロダクト貢献者ではなくチケットの実行者になりがちだ。曖昧な決定はすべて上位にエスカレーションされ、実行を遅らせ、マネジメントのキャパシティを消耗させる。これに対し、プロダクトエンジニアモデルは意思決定をより効果的に分散させる。これまで幹部の関与が必要だった多くの小・中規模のプロダクト決定を、ドメイン理解の強いエンジニアが直接処理できるようになる。 また、コミュニケーションのオーバーヘッドも組織全体で減少する。要件確認ミーティングが減り、チームは確認や承認を待つ時間が減る。「バスファクター(特定の人物がいなくなると機能しなくなるリスク)」も改善する。品質管理にも顕著な変化があり、実際のオーナーシップを持つエンジニアはプロダクト品質とビジネス成果に大幅に積極的になる。実装から6カ月で本番環境のバグが約25%減少した。 効果的にスケールするには しかしこのモデルの実装は簡単ではない。最大の課題は人材だ。すべてのエンジニアが効果的なプロダクトエンジニアになれるわけではない。技術的な深さ、プロダクトの直感、コミュニケーションスキル、ビジネスの認識、強い自己管理が必要だ。採用はコーディング能力だけで評価できないため難しくなる。 運用上の落とし穴もある。最も危険な間違いの一つは、十分なリーダーシップの監視や組織の成熟度なしに早すぎる段階でプロダクト権限を委任することだ。強いプロダクトエンジニアには強いフレームワークが必要だ——規律あるリリースプロセス、明確な説明責任の境界、信頼性の高いテストインフラ、経験豊富な技術リーダーシップ。マルチステージのテスト環境、構造化されたリリース管理、自動検証パイプライン、本番デプロイ前の多層的な自動・手動レビューによって分散型意思決定のリスクを軽減する管理が必要だ。 AIもまた複雑さをもたらす。AIツールの能力を過大評価し、適切な検証なしに生成されたアウトプットを信頼し始めるエンジニアもいる。逆に過度に懐疑的で生産性を大幅に改善できるツールを十分に活用しないエンジニアもいる。適切なバランスを維持するには、エンジニアリングリーダーシップの積極的な関与と社内のAI専門知識が必要だ。 AIネイティブなエンジニアリング組織の未来 長年、ソフトウェア開発は専門特化を中心に最適化されてきた。人間同士のコミュニケーションコストがシステム間の調整コストより低かったからだ。AIはその方程式を変える。実装がAIによって加速されるにつれ、組織のボトルネック——コーディングそのものではなく——が実行スピードの主な制約になる。最も速く適応する企業は、最大のエンジニアリング部門を持つ企業ではないかもしれない。オーナーシップ、プロダクト理解、AIネイティブな実行を中心にエンジニアリングの役割を再設計する組織かもしれない。 プロダクトエンジニアモデルは、究極的には新しい肩書きの下で責任を組み合わせることではない。プロダクトの判断をエンジニアリングの実行に直接埋め込み、現代の製品が今求めるスピードで考え、決定し、デリバリーできるチームを構築するという、より広いシフトを反映している。

  • Anthropic’s Mythos AI risks are a ‘real issue’, says JPMorgan CEO Jamie Dimon

    The remarks highlight AI safety concerns, including the misuse of systems capable of identifying software vulnerabilities Published Thu, Jul 16, 2026 · 11:38 AM JPMorgan Chase chief executive officer Jamie Dimon said on Wednesday (Jul 15) that risks posed by Anthropic’s Mythos artificial intelligence model are a “real issue” that the US government is on…

  • Scientists create smart synthetic skin that can hide images and change shape

    Synthetic materials are widely used across science, engineering, and industry, but most are designed to perform only a narrow range of tasks. A research team at Penn State set out to change that. Led by Hongtao Sun, assistant professor of industrial and manufacturing engineering (IME), the group developed a new fabrication technique that can produce…

  • Reverse Logistics: Optimizing The Flow Of Returned Goods

    Returns are an unavoidable part of modern commerce, but they also present valuable opportunities to improve operational performance. An efficient reverse logistics process allows businesses to recover inventory, reduce unnecessary costs, and gain insight into why products are being returned. When return data is managed effectively, organizations can strengthen customer satisfaction while making better inventory…

Leave a Reply

Your email address will not be published. Required fields are marked *