Slik kan agentisk AI effektivisere nettverksdriften
Når nettet går ned, kan AI-agenten allerede ha samlet loggene, tolket alarmene og pekt på en sannsynlig årsak før teknikeren åpner saken. Det kan gi raskere tiltak, høyere oppetid og mer tid til krevende oppgaver. Men agentene trenger tilgang til virksomhetens data og systemer. Da blir kontroll på identitet, rettigheter og automasjon avgjørende.
Conscia utvikler AI-agenter som kan gjøre mer av forarbeidet i nettverksdriften, men advarer mot å gi dem frie tøyler i kritisk infrastruktur.
– Når feilmeldingen bare er «internett virker ikke», må noen først finne ut hvilken bruker, maskin og lokasjon det gjelder, og om feilen faktisk ligger i nettverket. Agenten kan hente denne informasjonen automatisk, slik at teknikeren slipper å bruke tiden på det manuelle forarbeidet, sier Kent Heide, Technical Solutions Architect i Conscia Norge.
Fra generativ AI til agentisk NetOps
Generativ AI svarer på spørsmål og produserer innhold. kan også forstå mål, planlegge flere steg og bruke verktøy og data. Spesialiserte agenter kan hente data fra flere systemer og presentere en samlet vurdering. I nettverksdrift kalles dette .
Standardiserte protokoller og god dokumentasjon gjør nettverksdrift til et naturlig utgangspunkt for agentisk AI.
– Nettverket er bærebjelken for alt det andre. Har du et dårlig fundament, bygger du et dårlig hus. Skal AI brukes til å drifte kritisk infrastruktur, må du være sikker på at både nettverket og modellen er tilgjengelige, sier Merete Asak, CTO og Head of Systems Engineering i Cisco Norge.
I et kaotisk marked mener Conscia at virksomheter ikke bør starte med modellvalget. Verdien oppstår når AI får relevant kontekst, tilgang til virksomhetens kunnskap og en tydelig oppgave.
– Det finnes ikke ett produkt som passer alle. Hver virksomhet må ta utgangspunkt i sin egen drift og finne ut hvilket problem den faktisk ønsker å løse, sier Asak.
Kan gi høyere oppetid og mer robust drift
Conscia arbeider med agentisk NetOps hos flere kunder. Ett bruksområde er å berike saker som kommer inn til servicedesken.
Når en feil registreres, kan en agent tolke beskrivelsen og hente data fra kunnskapsbaser, , alarmer og overvåkingsverktøy. Teknikeren kan dermed åpne en klassifisert sak med en sannsynlig årsak.
– Sikkert 80 prosent av tidsbruken i en hendelse går med til å få klarhet i hva som faktisk foregår. Hvis dette kan skje automatisk før noen åpner saken, er vi langt på vei, sier Heide.
Agentene kan også reagere før brukerne melder fra. Ved å overvåke alarmer, finne tilbakevendende feil og hente kontekst kan de varsle riktig fagmiljø tidligere. Det kan gi kortere nedetid og mer robust drift.
– I England har vi et eksempel der en lokasjon gikk ned. Systemet viste både hvem driftssenteret skulle kontakte, og at dette var et tilbakevendende problem som normalt løste seg innen en time. Dermed kunne de avklare med kunden om de skulle avvente eller sette i gang tiltak, sier Heide.
Den samme evnen har verdi innen sikkerhet, der flere små signaler til sammen kan avdekke et mønster.
– I sikkerhetsfaget har mantraet lenge vært «logg, logg, logg». Problemet er at mennesker, selv med gode verktøy, bare klarer å analysere en brøkdel. En språkmodell kan gå gjennom dataene, finne mønstre og hente inn mer informasjon når den oppdager noe, sier Lars Erik Braatveit, CTO i Conscia Norge.
AI skal lese, automasjonen skal drifte
AI-agentene bør likevel ikke få frie tøyler i infrastrukturen. De er gode til å hente, tolke og presentere data, men endringer i kritiske systemer krever langt mer kontroll.
En av Conscias kunder bruker prinsippet «AI skal lese, tyde og tolke. Automasjon skal drifte». Agenten kan analysere situasjonen og foreslå en løsning, mens endringen gjennomføres av et etablert .
– Å la en AI-agent opptre som et menneske, logge seg inn på en terminal og skrive konfigurasjon, er en lite egnet løsning. Virksomheter som vil ta steget mot agentisk drift, bør starte med et automasjonsprosjekt, sier Braatveit.
Et slikt rammeverk samler informasjon om adresser, utstyr og konfigurasjon. Når endringer håndteres som kode, blir de enklere å teste, dokumentere og rulle tilbake. Det gir et tryggere grunnlag for agentisk drift.
AI-agenten må også ha en identitet
En generell språkmodell kjenner verken nettverket eller rutinene. Agentene må derfor kobles til interne data og systemer. Det er en flaskehals i mange prosjekter.
Virksomheten må vite hvem som ber om informasjon, hvilke rettigheter som gjelder, og hvem som har ansvaret når en agent handler.
– Vi må kunne gi agentene egne identiteter, slik at de kan kommunisere sikkert. Samtidig må brukeren kunne ta med sin identitet og sine rettigheter gjennom hele det agentiske systemet. Dette er en utfordring bransjen fortsatt arbeider med å løse, sier Heide.
Også driftsdata kan være sensitive. IP-adresser, nodenavn og konfigurasjoner kan gi uvedkommende detaljert kunnskap om virksomheten. Tilganger må derfor avgrenses, handlinger spores og kritiske endringer kunne godkjennes og tilbakestilles.
Dette bør være på plass før AI-agenten får tilgang:
Et konkret problem: Start med en avgrenset oppgave der nytten kan måles.
Kontroll på datagrunnlaget: Avklar hvilke systemer og opplysninger agenten faktisk trenger.
Identitet og rettigheter: Gi agenten en tydelig identitet og bare tilgangene som er nødvendige.
Sikker automasjon: Bruk etablerte arbeidsflyter for endringer, med logging, godkjenning og mulighet for tilbakestilling.
Riktig driftsmodell: Vurder hva som kan ligge i skyen, og hva som bør behandles lokalt på grunn av sikkerhet og krav til tilgjengelighet.
Kritiske AI-løsninger kan høre hjemme lokalt
Conscia venter økt interesse for mindre, spesialiserte modeller som kan kjøres lokalt.
– Hver agent kan bruke én eller flere språkmodeller. Da kan man velge store eller små modeller ut fra oppgaven, og la agentene sammenholde vurderingene før de kommer frem til et svar, sier Braatveit.
Et natt til 3. august gjorde flere av Digdirs fellesløsninger helt eller delvis utilgjengelige. Angrepet rammet ID-porten og skapte problemer med innlogging til blant annet Helsenorge, der innbyggerne kan se og fornye resepter.
– Angrepet i seg selv var kanskje ikke skadelig, men konsekvensen var at svært mange ikke fikk gjort det de skulle. Når kritisk infrastruktur blir utilgjengelig, kan det lamme veldig mange, sier Asak.
Risikoen er den samme når sentrale arbeidsprosesser avhenger av en ekstern språkmodell. Angrep, driftsavbrudd eller bortfall av tilgang kan sette både ansatte og viktige funksjoner ut av spill.
– Vi er absolutt ikke redde for on-prem. Tvert imot. Når AI skal brukes til kritiske oppgaver, anbefaler vi at deler av løsningen kjøres lokalt, sier Heide.
Lokal drift er ingen snarvei. Virksomheten får ansvar for regnekraft, oppdateringer, tilgangsstyring, overvåking og beredskap.
For mange er en hybridarkitektur best. Generelle tjenester kan brukes i skyen, mens sensitive data, identiteter og kritiske funksjoner behandles lokalt.
Conscia kombinerer kunnskap om nettverk og sikkerhet med erfaring fra kundeprosjekter. Gjennom samarbeidet med Cisco og kontakten med -prosjektet er Heide tett på ledende internasjonale utviklingsmiljøer for agentisk AI.
Det gir tidlig innsikt i nye standarder og sikkerhetsutfordringer. Conscia har utviklet en arkitektur som kan tilpasses virksomheten, men anbefaler å begynne avgrenset.
– Start i det små, løs et konkret problem og bygg videre derfra, avslutter Heide.
