We zien de laatste tijd geregeld de term AgenticOps voorbijkomen. Cisco maakte er ook geregeld melding van tijdens Cisco Live. Tijd om er eens iets dieper in te duiken. Bij Cisco is het inmiddels namelijk meer dan alleen maar een hippe term.
De overkoepelende boodschap tijdens Cisco Live is eigenlijk niet veel anders dan we al enkele jaren horen van het bedrijf. Het platform en daarmee de volledige stack in de breedste zin van het woord is waar het om draait. Cisco integreert de onderdelen ervan steeds beter met elkaar. Of dat nu gaat over de integratie van Splunk en ThousandEyes voor security- en observability-doeleinden, het steeds verder samenvoegen van Catalyst en Meraki voor campusnetwerken of een Unified Nexus Dashboard voor datacenters, er zit een duidelijke rode draad in het verhaal van Cisco.
Betere integraties kunnen op zich interessant zijn, zowel voor Cisco als voor klanten. Zonder goed beheer haal je er echter nog altijd niet uit wat erin zit. Je hebt inzichten nodig, bij voorkeur in real time, om ervoor te zorgen dat alles goed blijft lopen. Uiteraard kan Cisco daar met ThousandEyes Assurance behoorlijk wat inzicht in bieden, zeker met de nieuwe koppeling met Splunk. Het is hiermee mogelijk om zowel op netwerkniveau als applicatieniveau inzichten te bieden. Dit past ook bij de al eerder genoemde overkoepelende boodschap dat Cisco stap voor stap de hele stack aan elkaar een het knopen is.
Van AIOps naar AgenticOps
Inzichten kunnen aanleveren is echter nog altijd niet waar het ophoudt. Er is ook een manier nodig om het geheel in de operationele workflow van een bedrijf mee te nemen. Tot voor kort ging het dan vaak over AIOps. Hierbij zet een platform AI in om telemetrie te analyseren, er inzichten uit te vissen en deze al dan niet geautomatiseerd door te zetten. AIOps is echter niet meer het nieuwste van het nieuwste op dit punt. We hebben sinds kort AgenticOps. Dat is de logische opvolger van AIOps, waarbij er meer autonomie mogelijk is en vooral ook betere analyses dankzij onderliggende modellen. Dat is althans het verhaal vanuit Cisco.
AgenticOps is onderdeel van een ander belangrijk onderdeel van de visie van Cisco. Dat is dat we richting een een wereld gaan waarin zaken niet langer volgens de menselijke maat verlopen, maar volgens die van machines. Dat houdt onder andere in dat er meer druk op de stacks van organisaties komt te liggen en daarmee ook op de mensen die ervoor moeten zorgen dat alles goed verloopt. Het tempo waarmee alles door de stack heengaat zal ook dermate hoog liggen dat mensen het simpelweg niet meer bij kunnen benen, is de aanname vanuit Cisco. Om alle door machines gegenereerde stromen in goede banen te leiden, moeten er aan de operationele kant dus ook machines komen. Dat is in essentie wat AgenticOps is.
Meer dan een hippe term
Bovenstaande visie klinkt allemaal nog wat vaag en ondoorzichtig. Maar de contouren zijn wat ons betreft wel duidelijk zichtbaar. Denk alleen maar aan hoe snel het Anthropic’s open-source Model Context Protocol (MCP) en Google’s Agent-to-Agent (A2A) aan populariteit winnen. Daarmee worden mensen grotendeels uit workflows gesneden (al zijn die nog wel altijd nodig om ervoor te zorgen dat AI Agents binnen de lijntjes blijven kleuren). Met AgenticOps wil Cisco AI Agents bieden voor IT operations. Het is verder geen product, maar een framework.
Deep Network Model
Cisco gaat niet over een nacht ijs als het gaat om AgenticOps. Er zit wel degelijk al behoorlijk wat meer achter dan alleen het napapegaaien van een hippe nieuwe term. Allereerst is er de LLM waar AgenticOps van Cisco gebruik van maakt. Dat is het Deep Network Model. Dit model is getraind op 40 jaar aan Cisco-data en -expertise.
Het Deep Network Model is dus een model dat vanaf de grond af is opgebouwd voor inzet in netwerkomgevingen. Dat is relevant, want dat betekent onherroepelijk dat het beter presteert dan een algemeen LLM. Anand Raghavan, VP Products, AI bij Cisco, een van de mensen achter de ontwikkeling van AgenticOps, claimt dat het Deep Network Model 20 procent accurater is dan een algemeen LLM als het gaat om troubleshooting, configuratie en automation.
Het helpt hierbij ook dat de data waarop het model is getraind als het goed is uitermate betrouwbaar is, want afkomstig van Cisco zelf. Het gaat hierbij niet alleen om de 40 miljoen tokens die Cisco gevoed heeft aan het model. Ook mensen hebben een wezenlijke bijdrage geleverd aan de training ervan. Cisco-experts hebben meer dan 3000 zogeheten reasoning traces toegevoegd aan het model. Die bestaan onder andere uit zeer fijnmazige annotaties om zodoende iedere stap en iedere laag van het logische redeneren van het model te kunnen valideren.
Het Deep Network Model is het tweede gespecialiseerde model dat Cisco aankondigt. Eerder dit jaar schreven we al over het open-source AI-model dat Foundation AI, een nieuw onderdeel van Cisco, op de markt bracht. Dat model richt zich op security. Het Deep Network Model is wel anders dan het security model, want is niet open-source. Dit is op dit moment ook niet echt relevant, omdat het alleen op Cisco-data en -expertise is getraind. Wellicht dat we ooit nog een echt open netwerklandschap krijgen, waarbij er een breder maar nog altijd gespecialiseerd model ontwikkeld kan worden. Er zijn immers voldoende organisaties die niet alles bij een enkele leverancier afnemen. Die moeten op termijn ook bediend kunnen worden.
AI Canvas
Met de term AgenticOps en het onderliggende Deep Network Model hebben we de basis voor wat Cisco wil bereiken te pakken. Het bedrijf laat deze echter ook meteen zien wat er mogelijk is binnen het AgenticOps framework. Dat doet het met AI Canvas. Dit kun je zien als de plek waar alle data vanuit alle onderdelen van Cisco samenkomt in een gedeelde omgeving: netwerk, cloud, security, observability, collaboration. Je ziet hier alles in real time. Het moet de interface zijn waar mensen en AI agents samen kunnen werken. Er is verder ook een integratie met de Cisco AI Assistant.
Het idee achter AI Canvas is dat je vanuit deze centrale werkplek alle data kun bevragen, bijvoorbeeld voor troubleshooting. Als er een ServiceNow-ticket is, plak je die in de AI Assistent. AI Canvas neemt het vanaf daar over. Het haalt data uit Meraki, ThousandEyes en Splunk en analyseert deze met behulp van het Deep Network Model. Je krijgt dan live, dus in real time, te zien wat er aan de hand is, nog voor iemand een vraag heeft gesteld via de AI Assistent. Het creëert ook de UI waarin de inzichten gepresenteerd worden. Per inzicht maakt AI Canvas een widget aan me de informatie die je nodig hebt. Het is vervolgens mogelijk om extra hulp in te roepen om er samen met iemand anders aan te werken.
De kracht van AI Canvas zit er niet zozeer in dat het heel veel verschillende databronnen samenbrengt. Natuurlijk is dat een pluspunt, want je hoeft nu niet meer tussen tien verschillende tools heen en weer te gaan. Op basis van wat wij hebben gezien tot nu toe, zit de echte kracht vooral in de naadloze en vooral actieve en pro-actieve samenwerking tussen AI agent en mens. Het is geen uitsluitend reactieve relatie waarbij de mens via de AI Assistent een vraag stelt en AI met een antwoord op de proppen komt. De AI agent denkt en werkt actief mee, ook als het gaat om het uiteindelijk oplossen van het probleem.
AI Canvas heeft veel potentie
AI Canvas is op dit moment in ieder geval niet bedoeld als vervanging voor IT operations medewerkers. Er is altijd een mens bij betrokken om ervoor te zorgen dat alles volgens de regels gebeurt. Cisco belooft transparantie bij iedere stap, bijvoorbeeld over waar specifieke data vandaan komt. Het idee is dat de menselijke medewerker de eindverantwoordelijkheid houdt terwijl AI Canvas het vervelende en zware werk doet.
Uiteindelijk zal er natuurlijk wel de nodige agentic automatisering gaan plaatsvinden. Dat moet haast wel, anders kun je niet snel genoeg reageren of pro-actief ingrijpen als er iets mis gaat of dreigt te gaan. De stappen die medewerkers moeten goedkeuren zullen in ieder geval groter worden, verwachten we, alvorens AI agents echt autonomie krijgen. Ook dan moet Cisco ervoor zorgen dat er mensen zijn die de controle blijven houden. Dat wordt nog een grote uitdaging. De eerste demo’s zien er in ieder geval erg goed uit, moeten we toegeven. Dat belooft wat voor de komende tijd, waarin Cisco ongetwijfeld hard door blijft werken aan AgenticOps in het algemeen en AI Canvas in het bijzonder.