Presentato da Cisco
Gli agenti IA stanno rivoluzionando i tradizionali modelli operativi IT, aggiungendo complessità, silos di dati e flussi di lavoro frammentati. DJ Sampath, vicepresidente senior del software program e della piattaforma AI di Cisco, ritiene che AgenticOps sia la soluzione: un nuovo paradigma operativo in cui esseri umani e intelligenza artificiale collaborano in tempo reale per creare efficienza, aumentare la sicurezza e consentire applicazioni tecnologiche modern.
In una recente conversazione con VentureBeat, Sampath ha spiegato perché l’attuale gestione IT aziendale è fondamentalmente rivoluzionaria e cosa rende AgenticOps non solo utile, ma necessario per il futuro delle operazioni IT.
Il punto di rottura delle operazioni IT tradizionali
Il problema principale che affligge l’IT aziendale oggi è la frammentazione, ha affermato Sampath.
“Molto spesso all’interno di queste aziende, i dati si trovano in più silos diversi”, ha spiegato. “Affinché un operatore possa intervenire e iniziare a risolvere un problema, deve passare attraverso molte dashboard numerous, molti prodotti diversi e ciò si traduce in una quantità crescente di tempo speso cercando di capire dove si trova prima di poter effettivamente arrivare alla causa principale di un problema.”
Questa sfida sta per intensificarsi drammaticamente. Man mano che gli agenti di intelligenza artificiale diventano onnipresenti all’interno delle imprese, la complessità si moltiplicherà in modo esponenziale.
“Ogni singola persona avrà almeno 10 o più agenti che lavorano per suo conto facendo diversi tipi di cose”, ha detto Sampath. “Questo problema sarà solo dieci volte, se non cento volte peggiore, quando inizierai a pensare a cosa sta realmente accadendo con l’inclusione degli agenti.”
Tre principi fondamentali di AgenticOps
Per affrontare queste sfide, Cisco ha sviluppato le proprie capacità AgenticOps attorno a tre principi di progettazione fondamentali che Sampath ritiene debbano essere veri affinché questo nuovo modello operativo abbia successo.
Innanzitutto, l’accesso unificato ai dati attraverso i silos. La piattaforma deve riunire fonti di dati disparate: dati di rete, dati di sicurezza, dati applicativi e dati infrastrutturali.
“Riunire tutte queste cose insieme sarà incredibilmente importante in modo che gli agenti che stai distribuendo per lavorare per tuo conto possano collegare senza problemi i punti su tutta la linea”, ha affermato Sampath.
In secondo luogo, il design incentrato sul multiplayer. AgenticOps deve essere fondamentalmente collaborativo fin dalle fondamenta, consentendo alle operazioni IT, alle operazioni di sicurezza, ai crew delle operazioni di rete (e agli agenti) di lavorare insieme senza problemi.
“Quando riunisci la persona delle operazioni IT, la persona di SecOps, la persona di NetOps tutti insieme, puoi risolvere i problemi ed eseguire il debug dei problemi molto più velocemente che se lavori in silos e fai copia e incolla le cose avanti e indietro”, ha spiegato. “Sono esseri umani e agenti che lavorano insieme in un ambiente sincrono.”
In terzo luogo, modelli di intelligenza artificiale appositamente realizzati. Mentre i modelli di intelligenza artificiale generica eccellono in compiti ampi, le operazioni specializzate richiedono modelli addestrati per domini specifici.
“Quando inizi advert approfondire le specializzazioni, diventa davvero importante per questi modelli comprendere cose molto specifiche come la configurazione di rete o i modelli di thread che ti interessano e su cui devi essere in grado di ragionare”, ha affermato.
In che modo Cisco rende operativo AgenticOps nello stack aziendale
L’approccio di Cisco unisce telemetria, intelligence e collaborazione in un’unica piattaforma coerente. Cisco AI Canvas è uno spazio di lavoro operativo che sostituisce più dashboard con un’interfaccia utente generativa e un’esperienza collaborativa unificata. All’interno di AI Canvas, gli operatori possono utilizzare il linguaggio naturale per delegare azioni agli agenti (estrazione di telemetria, correlazione di segnali, take a look at di ipotesi ed esecuzione di modifiche) mantenendo il controllo human-in-the-loop.
Le capacità di ragionamento provengono dal Deep Community Mannequin di Cisco, formato su oltre 40 anni di dati operativi tra cui competenze CCIE, telemetria di produzione, Centro di assistenza tecnica (TAC) di Cisco e approfondimenti sull’esperienza del cliente (CX). Questo modello appositamente creato fornisce intelligence specifica per il dominio che i modelli generici non possono eguagliare.
La piattaforma di Cisco si estende su ambienti campus, filiali, cloud ed edge, consentendo agli agenti di utilizzare la telemetria nell’intero ecosistema alla velocità della macchina, inclusi Meraki, ThousandEyes e Splunk. Con i server MCP implementati nei prodotti Cisco, gli agenti ottengono un accesso standardizzato a strumenti e dati senza operazioni di integrazione personalizzata.
In che modo i dati di reporting frammentati compromettono la risoluzione dei problemi IT
L’approccio tradizionale alla risoluzione dei problemi IT prevede la creazione di ticket e la raccolta di informazioni frammentate su più sistemi.
“Le persone fanno screenshot. A volte sono nei post-it”, ha detto Sampath. “Tutte queste informazioni rimangono in canali completamente diversi, quindi diventa davvero difficile per qualcuno iniziare a raccoglierle insieme.”
Cisco AI Canvas risolve questo problema offrendo ai crew uno spazio di lavoro condiviso e in tempo reale per il lavoro da svolgere, in modo che il contesto non venga disperso tra chat, ticket e condivisioni dello schermo. I crew possono collaborare in tempo reale, procedere all’escalation istantanea e fornire contesto (come screenshot e be aware) insieme ai diagrammi e ai grafici generati dall’agente. Ma il vero potere emerge quando gli agenti dell’intelligenza artificiale si uniscono a queste sessioni collaborative.
“Le macchine imparano costantemente da queste interazioni uomo-macchina”, ha spiegato Sampath. “Quando vedi che lo stesso problema si ripresenta, sei molto più veloce nel rispondere perché le macchine possono aiutarti.”
Ciò crea un circolo virtuoso di miglioramento continuo, in cui l’agente ti chiede se desideri continuare a utilizzare lo stesso approccio dell’ultima volta, advert esempio, e puoi affidare più lavoro all’agente. Inoltre, il tempo dedicato al debug viene compresso man mano che il sistema apprende e accelera le risposte future.
La sicurezza come acceleratore dell’intelligenza artificiale
Storicamente la sicurezza è stata considerata un ostacolo all’adozione e persino all’innovazione. Ma con i giusti guardrail, le organizzazioni possono tranquillamente implementare l’intelligenza artificiale su larga scala e persino accelerarla.
I dipendenti hanno già sperimentato i guadagni di produttività di strumenti come ChatGPT e desiderano funzionalità simili nei loro ambienti aziendali. Quando le organizzazioni riescono a rilevare informazioni di identificazione personale, prevenire attacchi di injection tempestivi e mantenere un’adeguata governance dei dati, possono sbloccare e liberare l’adozione dell’intelligenza artificiale all’interno dell’azienda in un modo fondamentalmente diverso.
Il livello di identità richiesto per AgenticOps tra domini
L’accesso ai dati tra domini rappresenta una delle sfide più complesse nell’implementazione di AgenticOps. Le acquisizioni strategiche di Cisco, in particolare Splunk, consentono all’azienda di affrontare questo problema, unificando i dati attraverso sistemi tradizionalmente disconnessi. Ma mettere insieme i dati è solo metà dell’opera, poiché chi ha accesso a quali dati diventa di vitale importanza.
Cisco sta evolvendo la sua piattaforma Duo oltre l’autenticazione a più fattori per fungere da fornitore di identità completo, con una solida gestione dell’identità e degli accessi integrata nella piattaforma fin dall’inizio, non integrata come ripensamento.
“Stiamo investendo nell’identità come pilastro fondamentale del modo in cui questi agenti saranno in grado di estrarre dati da numerous origini dati con la giusta autorizzazione in mente”, spiega Sampath. “Questo agente dovrebbe avere accesso a questo tipo di dati? Dovresti correlare insieme questi tipi di dati per poter risolvere un problema?”
Gli esseri umani sono nel giro, ma a un livello più alto
Man mano che gli agenti dell’intelligenza artificiale diventeranno più autonomi, il ruolo degli esseri umani si evolverà anziché scomparire.
“Avremo sempre gli esseri umani coinvolti”, ha detto Sampath. “Quello che vedrete è che la complessità dei compiti che verranno eseguiti sarà molto più complessa.”
Prendiamo advert esempio la codifica, che oggi può essere interamente agentica. Il ruolo umano si è spostato dalla codifica manuale, o anche dal completamento tramite scheda, al chiedere a un agente di creare il codice all’ingrosso e quindi di verificare che soddisfi i requisiti prima di unirlo nella base di codice. Questo modello si ripeterà in tutte le operazioni IT, con gli esseri umani che si concentreranno sul processo decisionale di livello superiore mentre gli agenti gestiranno l’esecuzione. È importante sottolineare che le funzionalità di rollback garantiscono che anche le azioni autonome possano essere annullate, se necessario.
Perché aspettare che l’IA si “stabilizzi” è la mossa sbagliata
Per CIO e CTO il messaggio è chiaro: non aspettare.
“Molte persone seguono questo schema di attesa e osservazione”, ha detto Sampath. “Stanno aspettando che l’intelligenza artificiale si stabilizzi prima di prendere alcune delle loro decisioni. E penso che sia il modo sbagliato di pensare a questo. Una partnership con i giusti gruppi di persone, con i giusti gruppi di fornitori, ti aiuterà advert andare molto più veloce, invece di cercare di rimanere semplicemente sul recinto, cercando di capire cosa è giusto e cosa è sbagliato.”
Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che paga per il publish o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Per ulteriori informazioni, contattare gross sales@venturebeat.com.
