Gepresenteerd door Cisco
AI-agenten doorbreken traditionele IT-operationsmodellen en voegen complexiteit, datasilo’s en gefragmenteerde workflows toe. DJ Sampath, Cisco’s SVP AI Software en Platform, gelooft dat AgenticOps de oplossing is: een nieuw operationeel paradigma waarin mensen en AI in realtime samenwerken om efficiëntie te creëren, de beveiliging te vergroten en innovatieve technologische toepassingen mogelijk te maken.
In een recent gesprek met VentureBeat schetste Sampath waarom het huidige IT-beheer van ondernemingen fundamenteel baanbrekend is en wat AgenticOps niet alleen nuttig, maar ook noodzakelijk maakt voor toekomstige IT-operaties.
Het breekpunt van de traditionele IT-operatie
Het kernprobleem waar enterprise IT vandaag de dag mee kampt, is fragmentatie, zegt Sampath.
“Binnen deze ondernemingen bevinden de gegevens zich vaak in meerdere verschillende silo’s”, legt hij uit. “Als een operator binnenkomt en iets wil oplossen, moet hij veel verschillende dashboards en veel verschillende producten doorlopen, en dat resulteert in een toenemende hoeveelheid tijd die wordt besteed aan het uitzoeken wat waar is, voordat hij daadwerkelijk de oorzaak van een probleem kan achterhalen.”
Deze uitdaging staat op het punt dramatisch te intensiveren. Naarmate AI-agenten alomtegenwoordig worden binnen ondernemingen, zal de complexiteit exponentieel toenemen.
“Elke persoon zal minstens tien of meer agenten hebben die namens hen werken en verschillende soorten dingen doen”, zei Sampath. “Dit probleem zal alleen maar tienvoudig, zo niet honderdvoudig erger worden als je begint na te denken over wat er werkelijk gebeurt met de insluiting van agenten.”
Drie kernprincipes van AgenticOps
Om deze uitdagingen het hoofd te bieden, heeft Cisco zijn AgenticOps-mogelijkheden ontwikkeld rond drie fundamentele ontwerpprincipes waarvan Sampath gelooft dat ze waar moeten zijn om dit nieuwe operationele model te laten slagen.
Ten eerste: uniforme gegevenstoegang tussen silo’s. Het platform moet ongelijksoortige gegevensbronnen samenbrengen: netwerkgegevens, beveiligingsgegevens, applicatiegegevens en infrastructuurgegevens.
“Het samenbrengen van al die dingen zal ongelooflijk belangrijk zijn, zodat de agenten die u inzet om namens u werk te doen, de punten over de hele linie naadloos met elkaar kunnen verbinden”, aldus Sampath.
Ten tweede: multiplayer-eerst ontwerp. AgenticOps moet vanaf de basis fundamenteel samenwerken, waardoor IT-operaties, beveiligingsoperaties, netwerkoperatieteams (en agenten) naadloos kunnen samenwerken.
“Als je de IT-ops-persoon, de SecOps-persoon en de NetOps-persoon allemaal samenbrengt, kun je problemen veel sneller oplossen en debuggen dan wanneer je in silo’s werkt en dingen heen en weer kopieert en plakt”, legt hij uit. “Het zijn mensen en agenten die samenwerken in een synchrone omgeving.”
Ten derde: speciaal gebouwde AI-modellen. Hoewel AI-modellen voor algemene doeleinden uitblinken in brede taken, vereisen gespecialiseerde operaties modellen die zijn getraind voor specifieke domeinen.
“Als je je gaat verdiepen in specialisaties, wordt het heel belangrijk dat deze modellen heel specifieke zaken begrijpen, zoals netwerkconfiguratie of threadmodellen die je belangrijk vindt en waarover je moet kunnen redeneren”, zei hij.
Hoe Cisco AgenticOps in de hele onderneming implementeert
De aanpak van Cisco verenigt telemetrie, intelligentie en samenwerking in één samenhangend platform. Cisco AI Canvas is een operationele werkruimte die meerdere dashboards vervangt door een generatieve gebruikersinterface en een uniforme samenwerkingservaring. Binnen AI Canvas kunnen operators natuurlijke taal gebruiken om acties aan agenten te delegeren – telemetrie opvragen, signalen correleren, hypothesen testen en wijzigingen uitvoeren – terwijl ze de menselijke controle behouden.
De redeneermogelijkheden zijn afkomstig van Cisco’s Deep Network Model, getraind op meer dan 40 jaar aan operationele gegevens, waaronder CCIE-expertise, productietelemetrie, Cisco’s Technical Assistance Center (TAC) en inzichten in de klantervaring (CX). Dit speciaal gebouwde model levert domeinspecifieke intelligentie die modellen voor algemene doeleinden niet kunnen evenaren.
Het platform van Cisco omvat campus-, filiaal-, cloud- en edge-omgevingen, waardoor agenten telemetrie in het hele ecosysteem op machinesnelheid kunnen gebruiken, inclusief Meraki, ThousandEyes en Splunk. Met MCP-servers die in Cisco-producten zijn geïmplementeerd, krijgen agenten gestandaardiseerde toegang tot tools en gegevens zonder aangepast integratiewerk.
Hoe gefragmenteerde rapportagegegevens IT-probleemoplossing ondermijnen
De traditionele benadering van IT-probleemoplossing omvat het genereren van tickets en het samenvoegen van fragmenterende informatie over meerdere systemen.
“Mensen maken screenshots. Soms staan die in Post-it-notities”, zegt Sampath. “Al deze informatie blijft in totaal verschillende kanalen, dus het wordt erg moeilijk voor iemand om ze samen te verzamelen.”
Cisco AI Canvas lost dit op door teams één gedeelde, realtime werkruimte te geven voor het werk dat ze moeten doen, zodat de context niet verspreid raakt over chats, tickets en schermshares. Teams kunnen live samenwerken, direct escaleren en context (zoals schermafbeeldingen en notities) toevoegen naast de door de agent gegenereerde diagrammen en grafieken. Maar de echte kracht komt naar voren wanneer AI-agenten deelnemen aan deze samenwerkingssessies.
“De machines leren voortdurend van deze interacties tussen mens en machine”, legt Sampath uit. “Als je hetzelfde probleem opnieuw ziet gebeuren, kun je veel sneller reageren omdat de machines je kunnen helpen.”
Hierdoor ontstaat een positieve spiraal van voortdurende verbetering, waarbij de agent vraagt of u bijvoorbeeld dezelfde aanpak wilt blijven gebruiken als de vorige keer, en u meer werk aan de agent kunt overdragen. En de tijd die aan het debuggen wordt besteed, wordt gecomprimeerd naarmate het systeem leert en toekomstige reacties versnelt.
Beveiliging als AI-versneller
Historisch gezien werd beveiliging beschouwd als een wegversperring voor adoptie en zelfs innovatie. Maar met de juiste vangrails kunnen organisaties AI vol vertrouwen op grote schaal inzetten en zelfs versnellen.
Werknemers hebben de productiviteitswinst van tools als ChatGPT al ervaren en willen vergelijkbare mogelijkheden binnen hun bedrijfsomgevingen. Wanneer organisaties persoonlijk identificeerbare informatie kunnen detecteren, snelle injectie-aanvallen kunnen voorkomen en een goed databeheer kunnen handhaven, kunnen ze de AI-adoptie binnen de onderneming op een fundamenteel andere manier ontsluiten en ontketenen.
De identiteitslaag die vereist is voor AgenticOps tussen domeinen
Gegevenstoegang tussen domeinen vormt een van de meest complexe uitdagingen bij de implementatie van AgenticOps. De strategische overnames van Cisco, met name Splunk, positioneren het bedrijf om dit aan te pakken en gegevens over traditioneel losgekoppelde systemen te verenigen. Maar het samenbrengen van data is slechts het halve werk, want wie toegang heeft tot welke data wordt van cruciaal belang.
Cisco evolueert zijn Duo-platform verder dan multi-factor authenticatie om te dienen als een allesomvattende identiteitsprovider, waarbij robuust identiteits- en toegangsbeheer vanaf het begin in het platform is ingebakken en niet als een soort bijzaak is vastgeschroefd.
“We investeren in identiteit als een kernpijler van de manier waarop deze agenten gegevens uit verschillende gegevensbronnen kunnen halen met de juiste autorisatie in gedachten”, legt Sampath uit. “Moet deze agent toegang hebben tot dit soort gegevens? Moet je dit soort gegevens met elkaar in verband brengen om een probleem op te kunnen lossen?”
Mensen op de hoogte, maar op een hoger niveau
Naarmate AI-agenten autonomer worden, zal de rol van de mens eerder evolueren dan verdwijnen.
“Er zullen altijd mensen op de hoogte zijn”, zei Sampath. “Wat je gaat zien is dat de complexiteit van de taken die worden uitgevoerd een stuk ingewikkelder zal zijn.”
Neem als voorbeeld codering, die tegenwoordig volledig agentisch kan zijn. De menselijke rol is verschoven van handmatig coderen, of zelfs het invullen van tabbladen, naar het vragen aan een agent om codegroothandel te creëren, en vervolgens te verifiëren dat deze aan de vereisten voldoet voordat deze in de codebase wordt samengevoegd. Dit patroon zal zich herhalen in alle IT-activiteiten, waarbij mensen zich concentreren op besluitvorming op een hoger niveau, terwijl agenten de uitvoering verzorgen. Belangrijk is dat de terugdraaimogelijkheden ervoor zorgen dat zelfs autonome acties indien nodig kunnen worden teruggedraaid.
Waarom wachten tot AI ’tot rust komt’ de verkeerde zet is
Voor CIO’s en CTO’s is de boodschap duidelijk: wacht niet.
“Veel mensen zitten in een vast patroon van wachten en kijken”, zei Sampath. “Ze wachten tot de AI tot rust is gekomen voordat ze een aantal van hun beslissingen nemen. En ik denk dat dit de verkeerde manier is om hierover na te denken. Een partnerschap met de juiste groepen mensen, met de juiste reeks leveranciers, zal je helpen een stuk sneller te gaan, in plaats van te proberen alleen maar op het hek te blijven en te proberen uit te vinden wat goed en wat fout is.”
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en deze is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
