Gepresenteerd door Cisco
AI-agents ontwrichten traditionele IT-operationele modellen en voegen complexiteit, datasilo’s en gefragmenteerde workflows toe. DJ Sampath, Cisco’s SVP Software en AI Platforms, gelooft dat AgenticOps de oplossing is: een nieuw operationeel paradigma waarin mensen en AI in realtime samenwerken om efficiëntie te creëren, de beveiliging te verbeteren en innovatieve technologie-implementaties mogelijk te maken.
In een recent gesprek met VentureBeat schetste Sampath waarom het IT-beheer van vandaag de dag fundamenteel kapot is en wat AgenticOps niet alleen nuttig, maar ook noodzakelijk maakt voor toekomstige IT-activiteiten.
Het breekpunt van de traditionele IT-operatie
Het kernprobleem waar enterprise IT vandaag de dag mee kampt, is fragmentatie, zegt Sampath.
“Binnen deze bedrijven worden gegevens vaak op verschillende plekken opgeslagen”, legt hij uit. “Om een operator binnen te laten komen en een probleem op te lossen, moeten ze veel verschillende dashboards en veel verschillende producten doorlopen, en dit resulteert erin dat er steeds meer tijd wordt besteed aan het uitzoeken wat er aan de hand is voordat ze daadwerkelijk de oorzaak van een probleem kunnen achterhalen.”
Deze uitdaging zal dramatisch toenemen. Wanneer AI-agenten alomtegenwoordig worden in de onderneming, zal de complexiteit exponentieel toenemen.
“Iedereen zal minstens tien of meer agenten hebben die namens hen werken om verschillende soorten dingen te doen,” zei Sampath. “Dit probleem wordt tien keer zo groot, zelfs honderd keer erger als je begint na te denken over wat er feitelijk gebeurt met de toestroom van agenten.”
Drie kernprincipes van AgenticOps
Om deze uitdagingen het hoofd te bieden, heeft Cisco AgenticOps-mogelijkheden ontwikkeld op basis van drie basisontwerpprincipes waarvan Sampath gelooft dat ze waar moeten zijn om dit nieuwe operationele model succesvol te laten zijn.
Ten eerste: uniforme gegevenstoegang tussen silo’s. Het platform moet ongelijksoortige gegevensbronnen verenigen: netwerkgegevens, beveiligingsgegevens, applicatiegegevens en infrastructuurgegevens.
“Het samenbrengen van al deze dingen is van cruciaal belang, zodat de agenten die u inhuurt om het werk namens u te doen de punten over de hele linie naadloos met elkaar kunnen verbinden”, zegt Sampath.
Ten tweede een ontwerp dat prioriteit geeft aan multiplayer. AgenticOps moet vanaf het begin van nature collaboratief zijn, waardoor IT-operaties, beveiligingsoperaties, netwerkoperatieteams (en agenten) naadloos kunnen samenwerken.
“Als je IT-personeel, SecOps-personeel en NetOps samenbrengt, kun je problemen veel sneller oplossen en debuggen dan wanneer je in silo’s zou werken en dingen zou kopiëren en plakken”, legt hij uit. “Mensen en agenten werken samen in een synchrone omgeving.”
Ten derde, op maat gemaakte 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 specialiseren, wordt het heel belangrijk dat het model heel specifieke zaken begrijpt, zoals netwerkconfiguraties of threadmodellen waarin je geïnteresseerd bent, en daar rekening mee moet kunnen houden”, zegt 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. In AI Canvas kunnen operators natuurlijke taal gebruiken om acties aan agenten te delegeren – telemetrie ophalen, signalen verbinden, hypothesen testen en wijzigingen uitvoeren – terwijl ze de menselijke controle behouden.
Dit redeneervermogen komt voort uit het Cisco Deep Network Model, dat is getraind op meer dan 40 jaar aan operationele gegevens, waaronder CCIE-expertise, productietelemetrie, Cisco Technical Assistance Center (TAC) en Customer Experience (CX)-inzichten. Deze op maat gemaakte modellen bieden domeinspecifieke intelligentie die modellen voor algemene doeleinden niet kunnen evenaren.
Het Cisco-platform omvat campus-, filiaal-, cloud- en edge-omgevingen, waardoor agenten telemetrie kunnen gebruiken in ecosystemen met machinesnelheid, waaronder Meraki, ThousandEyes en Splunk. Met MCP-servers die in Cisco-producten worden geïmplementeerd, krijgen agenten standaardtoegang tot tools en gegevens zonder dat er speciale integraties nodig zijn.
Hoe gefragmenteerde rapportagegegevens het oplossen van IT-problemen ondermijnen
De traditionele aanpak voor het oplossen van IT-problemen omvat het verzamelen van tickets en het samenvoegen van gefragmenteerde informatie over verschillende systemen.
“Mensen maken screenshots. Soms op post-it-briefjes”, zei Sampath. “Al deze informatie bevindt zich in verschillende kanalen, dus het wordt voor iemand erg moeilijk om deze te verzamelen.”
Cisco AI Canvas lost dit op door teams één enkele, gedeelde, realtime werkruimte te geven voor het werk dat ze moeten doen, zodat de context niet verspreid raakt over chat, tickets en scherm delen. Teams kunnen rechtstreeks samenwerken, direct escaleren en context (zoals schermafbeeldingen en notities) toevoegen naast door agenten gegenereerde diagrammen en grafieken. Maar de echte kracht komt wanneer AI-agenten deelnemen aan deze samenwerkingssessies.
“Machines leren voortdurend van mens-machine-interacties”, legt Sampath uit. “Als je hetzelfde probleem ziet terugkomen, reageer je sneller omdat de machine je kan helpen.”
Hierdoor ontstaat een positieve spiraal van voortdurende verbetering. De agent vraagt bijvoorbeeld of u dezelfde aanpak wilt blijven gebruiken als voorheen, en u kunt meer werk aan de agent overdragen. En de tijd die aan het debuggen wordt besteed, zal korter worden naarmate het systeem leert en toekomstige reacties versnellen.
Beveiliging als AI-versneller
Historisch gezien werd beveiliging beschouwd als een barrière voor adoptie en zelfs innovatie. Maar met de juiste beperkingen kunnen organisaties AI vol vertrouwen op grote schaal inzetten en zelfs versnellen.
Werknemers hebben een hogere productiviteit ervaren door tools als ChatGPT en willen vergelijkbare mogelijkheden in hun bedrijfsomgevingen. Wanneer organisaties persoonlijk identificeerbare informatie kunnen detecteren, snelle injectie-aanvallen kunnen voorkomen en een goed databeheer kunnen handhaven, kunnen ze de adoptie van AI binnen de onderneming op een fundamenteel andere manier ontsluiten en lanceren.
Voor cross-domein AgenticOps is een identiteitslaag vereist
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 verenigen van data is slechts het halve werk, want wie toegang heeft tot de data wordt cruciaal.
Cisco evolueert zijn Duo-platform verder dan alleen multi-factor authenticatie om te dienen als een allesomvattende identiteitsprovider, met robuust identiteits- en toegangsbeheer vanaf het begin in het platform ingebakken, in plaats van slechts een bijzaak.
“We investeren in identiteit als een kernpijler van de manier waarop deze agenten gegevens uit meerdere 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 het probleem op te lossen?”
Mensen zijn op de hoogte, maar op een hoger niveau
Naarmate AI-agenten autonomer worden, zal de rol van mensen eerder toenemen dan verdwijnen.
“We zullen er altijd mensen bij betrekken”, zei Sampath. “Wat je zult zien is dat de complexiteit van de taken die worden uitgevoerd complexer zal worden.”
Neem bijvoorbeeld codering, die tegenwoordig volledig agentisch kan zijn. De menselijke rol is verschoven van handmatig coderen, of zelfs het invullen van tabbladen, naar het laten genereren van code door agenten en vervolgens verifiëren of de code aan de vereisten voldoet voordat deze in de codebase wordt samengevoegd. Dit patroon zal zich herhalen in alle IT-activiteiten, waarbij mensen zich richten 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 ‘kalmert’ de verkeerde zet is
Voor CIO’s en CTO’s is de boodschap duidelijk: wacht niet.
“Veel mensen zitten in een afwachtend patroon”, zegt Sampath. “Ze wachten tot de AI zich aanpast voordat ze beslissingen nemen. En ik denk dat dat de verkeerde manier is om erover na te denken. Partnerschappen met de juiste groep mensen, met de juiste leveranciers, zullen je helpen veel sneller actie te ondernemen, in plaats van alleen maar te blijven zitten en te proberen uit te zoeken wat goed en wat fout is.”
Gesponsorde artikelen zijn inhoud die is geproduceerd door bedrijven die voor de post hebben betaald of die een zakelijke relatie hebben met VentureBeat, en worden altijd duidelijk als zodanig gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
