عنوان: Cisco و AgenticOps؛ راهحل یکپارچه برای مدیریت پیچیدگیهای عملیات IT در عصر عاملهای هوش مصنوعی
شرکت Cisco میگوید ورود گسترده عاملهای هوش مصنوعی به محیطهای سازمانی مدلهای سنتی عملیات IT را میشکند و پیچیدگی، جزیرهای شدن دادهها و گردشکارهای پراکنده را تشدید میکند. دیجی سامپات، معاون ارشد نرمافزار و پلتفرمهای هوش مصنوعی در Cisco، در گفتوگویی با VentureBeat از پارادایم جدیدی به نام AgenticOps سخن گفت؛ مدلی عملیاتی که در آن انسانها و عاملهای هوش مصنوعی بهصورت همزمان و در یک محیط مشترک همکاری میکنند تا کارایی را افزایش، امنیت را تقویت و امکان نوآوریهای فناورانه را فراهم کنند.
چالش اصلی: خردشدگی دادهها و رشد نمایی پیچیدگی
سامپات مشکل اصلی مدیریت IT در سازمانها را «خردشدگی» یا fragmentation میداند: «بسیاری از دادهها در داخل سازمانها در چندین جزیره مختلف قرار گرفتهاند. برای شروع عیبیابی، اپراتورها باید بین داشبوردها و محصولات مختلف جابهجا شوند و زمان زیادی صرف پیدا کردن جای مشکل میشود.» با فراگیر شدن عاملها، این پیچیدگی بهصورت نمایی افزایش خواهد یافت: هر کاربر کاری از دهها عامل مختلف بهره خواهد برد و بدون یک چارچوب یکپارچه، مدیریت و عیبیابی به بحران تبدیل میشود.
سه اصل بنیادین AgenticOps از نگاه Cisco
برای حل این مشکل، Cisco قابلیتهای AgenticOps را حول سه اصل طراحی قرار داده که از دید سامپات ضروری است:
-
دسترسی یکپارچه به دادهها از تمام جزایر اطلاعاتی
پلتفرم باید منابع دادهای گوناگون—دادههای شبکه، امنیت، برنامهها و زیرساخت—را در یکجا گردآوری کند تا عاملها بتوانند بهصورت یکپارچه سیگنالها را همبستهسازی و علتهای ریشهای را تشخیص دهند. این دادهها شامل تلِمتری (telemetry) یا دادههای سنجی تولیدشده توسط تجهیزات و نرمافزارها میشود. -
طراحی «چندنفره» (multiplayer-first)
AgenticOps باید از پایه برای همکاری طراحی شود تا تیمهای IT Ops، SecOps و NetOps — و عاملها — بتوانند همزمان و بدون نیاز به کپیپیست کردن اطلاعات میان کانالها، با هم کار کنند. سامپات: «وقتی IT ops، SecOps و NetOps با هم جمع شوند، میتوان مسائل را خیلی سریعتر عیبیابی کرد.» -
مدلهای هوش مصنوعی ساختهشده برای حوزههای خاص
مدلهای عمومی تواناییهای عمده دارند، ولی عملیات تخصصی نیاز به مدلهایی دارد که برای دامنههای خاص مانند پیکربندی شبکه یا مدلهای تهدید آموزش دیده باشند تا بتوانند در سطح تخصصی استدلال کنند.
AI Canvas و مدل تخصصی Deep Network Model
رویکرد Cisco شامل تلفیق تلِمتری، هوش و همکاری در قالب یک پلتفرم واحد است. Cisco AI Canvas یک فضای کاری عملیاتی است که چندین داشبورد را با یک رابط تولیدی (generative UI) و تجربه همکاری یکپارچه جایگزین میکند. در این فضا اپراتورها میتوانند با زبان طبیعی به عاملها فرمان دهند؛ دادهها را جمعآوری، سیگنالها را همبستهسازی، فرضیهها را آزمون و تغییرات را اجرا کنند، در حالی که کنترل انسان در حلقه حفظ میشود.
توان استدلالی این پلتفرم از Deep Network Model بهدست میآید؛ مدلی که روی بیش از ۴۰ سال دادههای عملیاتی—از جمله تخصص CCIE، تلِمتری تولیدی، دادههای مرکز پشتیبانی فنی (TAC) و بینشهای تجربه مشتری—آموزش دیده است. این مدل تخصص دامنهای را فراهم میکند که مدلهای عمومی نمیتوانند جایگزین آن شوند.
یکپارچهسازی دادهها، ابزارها و سرعت ماشینی
پلتفرم Cisco نهادها را در سراسر محیطهای campus، branch، cloud و edge پوشش میدهد و توانایی مصرف تلِمتری در مقیاس ماشین را برای عاملها فراهم میکند؛ از جمله ادغام با Meraki، ThousandEyes و Splunk. سرورهای MCP در محصولات سیسکو، دسترسی استاندارد به ابزارها و دادهها را بدون نیاز به یکپارچهسازیهای سفارشی فراهم میکنند که باعث تسریع استقرار عاملها میشود.
حفظ زمینه و همکاری واقعی بهجای گسترش هرجومرج اطلاعات
روش سنتی عیبیابی شامل باز کردن تیکت و جمعآوری پراکنده اطلاعات است؛ اسکرینشاتها، یادداشتها و گفتگوها در کانالهای مختلف پخش میشوند. AI Canvas این مشکل را با ارائه یک فضای کاری اشتراکی و بلادرنگ حل میکند تا زمینه (context) کنار هم بماند: تیمها میتوانند بهصورت زنده همکاری، فوراً ارجاع، و محتوای مرتبط را کنار نمودارها و خروجیهای عامل اضافه کنند. وقتی عاملها به این نشستهای تعاملی ملحق میشوند، ماشینها از تعاملهای انسان-ماشین میآموزند و در مواجهه با تکرار مشکلات، پاسخها را سریعتر میکنند.
امنیت، حاکمیت داده و هویت بهعنوان پایههای پذیرفتهسازی
امنیت و حاکمیت دادهها نقش حیاتی در استقرار عاملهای هوش مصنوعی دارند. Cisco با تکیه بر اکتسابهای استراتژیک مانند Splunk، دادههای پراکنده را یکپارچه میکند؛ اما کنترل دسترسی به چه دادهای و توسط چه کسی مهمتر است. به همین دلیل، Duo—که پیشتر بهعنوان راهحل چندمرحلهای شناسایی شناخته میشد—بهسوی تبدیل شدن به یک ارائهدهنده هویت کامل با مدیریت هویت و دسترسی یکپارچه حرکت میکند. سامپات: «ما روی هویت بهعنوان یک ستون اصلی سرمایهگذاری میکنیم تا عاملها با مجوز درست بتوانند از منابع داده استفاده کنند.»
نقش انسان تغییر میکند، حذف نمیشود
همانطور که عاملها خودمختارتر میشوند، نقش انسان به سطوح تصمیمگیری بالاتر و نظارت تحول خواهد یافت؛ نه حذف کامل. سامپات میگوید: «همیشه انسان در حلقه حضور خواهد داشت. کارها پیچیدهتر میشود و انسانها روی تصمیمات سطحبالا تمرکز خواهند کرد.» قابلیت بازگردانی (rollback) تضمین میکند که حتی اقدامات خودکار قابل برگشت باشند.
پیام برای مدیران ارشد فناوری: تعلل نکنید
سامپات به مدیران ارشد فناوری توصیه میکند که در انتظار بمانند ریسک بزرگی است: «منتظر ماندن تا AI تثبیت شود، رویکرد درستی نیست.» مشارکت با تیمهای مناسب و انتخاب شرکای فناوری درست، سازمان را قادر میسازد سریعتر پیش برود و از فرصتهای بهرهوری و نوآوری بهرهمند شود.
نتیجهگیری
AgenticOps دیدگاهی کاربردی برای مدیریت افزایش پیچیدگیهای ناشی از گسترش عاملهای هوش مصنوعی ارائه میدهد: یکپارچهسازی دادهها، طراحی همکاری همزمان و مدلهای هوش مصنوعی حوزهمحور. راهکارهای Cisco مانند AI Canvas و Deep Network Model نمونهای از چگونگی تبدیل این چشمانداز به پلتفرمهای عملیاتی ملموس هستند که میتوانند کارایی، امنیت و سرعت پاسخدهی در عملیات IT سازمانها را بهطور چشمگیری بهبود دهند.