Kris Beevers, الرئيس التنفيذي والمؤسس المشارك، Netbox Labs – سلسلة المقابلات

Kris Beevers، الرئيس التنفيذي والمؤسس المشارك لشركة NetBox Labs، هو رائد أعمال تقني ومخضرم في برمجيات البنية التحتية يمتلك أكثر من عقدين من الخبرة في بناء الشركات والمنصات التي تركز على الشبكات، وبنية السحابة التحتية، والأتمتة. قبل توليه قيادة NetBox Labs، شارك Beevers في تأسيس NS1 عام 2013 وشغل منصب الرئيس التنفيذي لها تقريبًا عقدًا من الزمن، حيث حول الشركة إلى مزود بارز لتقنيات أتمتة الشبكات وإدارة حركة مرور التطبيقات قبل أن تستحوذ عليها IBM في عام 2023. كجزء من تلك الصفقة، تم فصل NetBox Labs عن NS1 لتصبح شركة مستقلة مع IBM كمستثمر. في مراحل سابقة من مسيرته، شغل Beevers مناصب هندسية وإرشادية عليا في Internap Network Services وVoxel، كما شارك في تأسيس SolidJoint Research.

NetBox Labs تطور منصة ذكاء البنية التحتية المصممة لمساعدة المؤسسات على نمذجة وتشغيل وأتمتة وحكم الشبكات والبنية التحتية لتكنولوجيا المعلومات المتزايدة التعقيد. الشركة هي المسؤول التجاري عن NetBox، نظام السجلات المفتوح المصدر للشبكات والبنية التحتية الذي يستخدمه أكثر من 10,000 مؤسسة. تجمع منصتها بين رسم بياني للبنية التحتية ومصدر الحقيقة مع الذكاء التشغيلي، والأتمتة، والتنسيق المدعوم بالذكاء الاصطناعي، وإمكانات الحوكمة التي تسمح لكل من المهندسين وعوامل الذكاء الاصطناعي بالتفاعل بأمان مع البنية التحتية. تدعم NetBox Labs عمليات النشر السحابية، والمؤسسات ذات الإدارة الذاتية، والبيئات المختلطة، والبيئات المعزولة، مع التكامل مع أدوات مثل Ansible وTerraform وNornir وخطوط أنابيب التكامل المستمر والنشر.

قمت بتأسيس NS1 في عام 2013 وقضيت ما يقرب من عقد من الزمن في بناء الشركة قبل أن تستحوذ عليها IBM، وبعد ذلك ظهرت NetBox Labs كشركة مستقلة. ما الدروس المستفادة من بناء NS1 التي أثرت على سبب تأسيسك لـ NetBox Labs، وكيف تغيرت مشكلة البنية التحتية التي تحاول حلها في عصر الذكاء الاصطناعي؟

شيء واحد تعلمته أثناء بناء NS1 هو أن مشاكل البنية التحتية نادرًا ما تظل محصورة بشكل منظم. كان DNS هو جزءنا من المكدس، لكن عملائنا كانوا يديرون بيئات معقدة للغاية حيث تعتمد الشبكات ومراكز البيانات والتطبيقات والأتمتة على بعضها البعض. كلما قضيت وقتًا أطول مع تلك الفرق، أصبح واضحًا أن فهم البنية التحتية نفسها يمثل مشكلة أكبر بكثير.

كان ذلك جزءًا كبيرًا مما جذبني إلى NetBox. كان هناك بالفعل هذا المشروع المفتوح المصدر واسع الانتشار ومجتمع من المهندسين يستخدمونه لنمذجة ما لديهم، وكيفية ارتباطه وما يُفترض أن يبدو عليه. رأينا فرصة للبناء على هذا الأساس.

ما تغير مع الذكاء الاصطناعي هو في الأساس السرعة والحجم. يُطلب من فرق البنية التحتية بناء بيئات هائلة بسرعة هائلة، بينما تتغير التكنولوجيا الأساسية بنفس السرعة. في الوقت نفسه، نبدأ في أتمتة المزيد من عمليات تلك البنية التحتية مما يمثل مستقبلًا مثيرًا. عندما يُطبق الذكاء الاصطناعي على البنية التحتية، تدرك فرق تكنولوجيا المعلومات أنها بحاجة إلى بيانات جيدة وفي الوقت الحقيقي حول بنيتها التحتية لتتمكن من الأتمتة، وتحتاج إلى معرفة الشكل المقصود للحالة حتى يتمكن الذكاء الاصطناعي من مساعدتهم في تحديد متى تنحرف البنية التحتية التشغيلية عن الخطة.

إذن لا يزال الدرس المستفاد من NS1 ساريًا. قبل أن تتمكن من أتمتة البنية التحتية بشكل جيد، عليك أن تفهمها. الذكاء الاصطناعي يجعل الحصول على ذلك صحيحًا أكثر إلحاحًا.

على مدار معظم العقد الماضي، سمح الحوسبة السحابية للمطورين وفرق البنية التحتية بتجريد الأجهزة المادية التي تحت تطبيقاتهم. لماذا يعكس الذكاء الاصطناعي هذا الاتجاه ويجبر DevOps وSite Reliability Engineering (SRE) ومهندسي الشبكات على التفكير مرة أخرى في الطاقة، والتبريد، والرفوف، والأسلاك، والشبكات المادية؟

علمتنا السحابة كثيرًا أن نتعامل مع البنية التحتية كأنها لا نهائية فعليًا. طلبت حوسبة وظهرت. لم يكن من الضروري أن تهتم بمكان وجود الخادم، أو كيفية تزويده بالطاقة، أو تبريده، أو كيف تتجمع جميع القطع المادية تحته.

البنية التحتية للذكاء الاصطناعي لا تسمح لك فعليًا بفعل ذلك.

عند بناء هذه البيئات، تبدأ ببعض الأسئلة المادية إلى حد ما. كم من الأرض أمتلك؟ كم من الطاقة يمكنني الحصول عليها؟ أي نوع من التبريد يمكنني دعمه؟ من هناك تنتقل إلى الرفوف، وخوادم GPU، والمفاتيح، وكابلات الألياف الضوئية، وفي النهاية إلى الطبقة المنطقية، عناوين IP، التكوينات والبرمجيات.

كل هذه الأشياء تعتمد على بعضها البعض. لا يمكنك تحديد عدد الرفوف التي ستنشرها دون فهم كثافة الطاقة والتبريد. لا يمكنك التفكير في وحدات GPU بشكل مستقل عن الشبكة التي تربطها.

هذا يجبر التخصصات التي قضت سنوات في الابتعاد عن الطبقة المادية على التفاعل معها مرة أخرى. التجريد لم يختفِ، لكن القيود الفيزيائية تحته أصبحت فجأة ذات أهمية أكبر بكثير.

تُناقش مراكز بيانات الذكاء الاصطناعي بشكل متزايد على نطاق الجيجاواط. ما الذي يتغير جوهريًا من الناحية التشغيلية عندما تنتقل البنية التحتية من بيئات المؤسسات التقليدية أو السحابة إلى مرافق مصممة حول مجموعات هائلة من وحدات GPU؟

نطاق الجيجاواط هو أمر فلكي تمامًا. لكن بينما يختلف النطاق بوضوح، أعتقد أن الفرق الأكثر إثارة هو مقدار التنسيق المطلوب.

فكّر في ما يلزم لجعل مركز بيانات بقدرة 300 ميجاواط يعمل. تحتاج إلى أرض وطاقة. ثم عليك تصميم المرفق وتوريد الرفوف، خوادم GPU، المفاتيح، الألياف، بنية الطاقة ومعدات التبريد، غالبًا من بائعين مختلفين تمامًا وبطرق تمثيل منتجاتهم مختلفة تمامًا. يجب أن تصل كل هذه المعدات، تُستلم، تُركّب على الرفوف، تُوصّل بالأسلاك، تُكوّن، تُختبر وفي النهاية تُسلم للتدريب أو الاستدلال.

والأرض تتحرك تحتك بينما تقوم بذلك. تتغيّر بنى GPU. تتغيّر الشبكات. تتغيّر متطلبات التبريد. قد لا تكون المكوّنات المتاحة بعد ستة أشهر هي نفسها التي صممت حولها اليوم.

لذا فإن الكفاءات الصغيرة تتراكم بسرعة كبيرة. قضيت مؤخرًا وقتًا مع أحد أكبر مصنّعي كابلات الألياف الضوئية في العالم، وأخبروني أن إحدى أكبر مشكلات أعمالهم هي الإرجاع لأن العملاء يطلبون أطوال كابلات غير صحيحة. يبدو ذلك شبه تافه حتى تبدأ بطلب مئات الآلاف من الكابلات.

على هذا النطاق، تصبح عمليات البنية التحتية مشكلة لوجستية ضخمة ومشكلة إشباع قيود. الشركات التي تنجح في ذلك هي التي تتقن حمل بيانات التصميم الدقيقة طوال عملية الشراء والنشر والتشغيل.

لقد قلت إن لا دليل تشغيل موحد أو مسار موهبة قائم لتشغيل البنية التحتية على هذا النطاق. ما هي المهارات التي يصعب العثور عليها حاليًا، وأين تتوقع ظهور أكبر نقص في المواهب مع توسّع بنية الذكاء الاصطناعي التحتية؟

ربما لا يوجد سوى بضع مئات من الأشخاص في العالم الآن الذين يعرفون حقًا كيف يبنون هذا النوع من البنية التحتية بهذه السرعة والنطاق. ومعظمهم مشغولون فعليًا بالقيام بذلك.

هذا جزء مما يجعل هذه اللحظة غير عادية. لا توجد مجموعة معرفة ناضجة يمكنك مجرد دراستها. الأشخاص الذين يقومون بذلك يتعلمون من بعضهم البعض ويكتشفون الأمور في الوقت الحقيقي. وبما أن التكنولوجيا تتغيّر بسرعة، فإن بعض هذه الدروس تصبح قديمة بسرعة كبيرة.

أعتقد أن النقص أكبر من أي مسمى وظيفي واحد. نحتاج إلى أشخاص يفهمون الشبكات والحوسبة والأتمتة، لكنهم يفهمون أيضًا البيئة المادية التي تعيش فيها هذه الأنظمة. الطاقة، التبريد، تصميم المرافق، سلسلة الإمداد والعمليات الميدانية أصبحت جزءًا من نفس الحوار.

الأشخاص الذين يستطيعون عبور بعض هذه الحدود سيكونون ذوي قيمة هائلة. لكن لا أظن أننا حتى الآن حددنا ما ستبدو عليه جميع هذه الأدوار. يتم بناء نموذج المواهب جنبًا إلى جنب مع البنية التحتية.

مع تلاشي الحدود بين البرمجيات، الشبكات، المرافق، الطاقة، والهندسة في مراكز البيانات، ما هي الأدوار التقنية الجديدة أو مجموعات المهارات الهجينة التي تتوقع ظهورها؟

لا أظن أننا نعرف بعد ما ستبدو عليه جميع هذه الأدوار. ما نعرفه هو أن الأشخاص الذين يبنون هذه البنية التحتية يجب أن يفكروا عبر مجموعة أوسع بكثير من المشكلات مقارنةً بما كانوا يفعلونه سابقًا.

أنت لا تفكر فقط في الحوسبة أو الشبكات بمعزل عن غيرها. يجب أن تتكامل الطاقة، التبريد، التصميم المادي، سلسلة الإمداد، الشبكات والأتمتة لجعل هذه البيئات تعمل وتستمر في العمل.

ما زلت أعتقد أننا سنحتاج إلى أشخاص ذوي خبرة عميقة في كل من هذه المجالات. لكن بشكل متزايد، سيحتاجون أيضًا إلى فهم كيف تؤثر القرارات في مجالهم على باقي البنية التحتية. وبما أن الكثير من هذا العمل يجب أن يتم بسرعة أكبر، فإن القدرة على الأتمتة ستصبح مهمة عبر المزيد من هذه التخصصات.

بدأت وكلات الذكاء الاصطناعي تشخص المشكلات، وتولّد التكوينات، وتؤتمت أجزاء من عمليات البنية التحتية. ما هي المسؤوليات التي تعتقد أن الذكاء الاصطناعي سيتولى بشكل واقعي من مهندسي البنية التحتية، وأيها ستصبح أكثر اعتمادًا على الخبرة البشرية العميقة؟

أعتقد أن الكثير من الأعمال التي تكون المدخلات والنتيجة المرجوة والحدود واضحة فيها ستُعالج بشكل متزايد بواسطة الذكاء الاصطناعي. توليد التكوينات مثال واضح. وكذلك تشخيص المشكلات الشائعة، والتحقق مما إذا كانت البنية التحتية تتطابق مع التصميم المقصود، أو في النهاية إصلاح بعض القضايا عندما يكون هناك ثقة كافية بما حدث وما هو الرد الآمن.

حيث يصبح البشر أكثر أهمية هو عندما لا يكون الجواب واضحًا.

تفشل البنية التحتية بطرق غريبة. تُقطع ألياف. يبدأ جهاز في التصرف بشكل مختلف عما يحدده التصميم. يحدث تغيير تأثيرًا غير متوقع في مكان آخر من البيئة. يمكن للذكاء الاصطناعي مساعدة المهندس على فهم تلك الحالات أسرع بكثير، لكن لا يزال هناك حاجة إلى أشخاص يفهمون النظام بعمق بما يكفي لتحديد ما يجب أن يحدث بعد ذلك.

أعتقد أن هذا هو التحول المثير. ربما سيقضي المهندسون وقتًا أقل في التكوين المتكرر واستكشاف الأخطاء، ويقضون وقتًا أكثر في تعريف النوايا، وتصميم الأنظمة، وتحديد حدود الأتمتة، ومعالجة المشكلات الجديدة حقًا. كل هذا العمل سيُعزز بالذكاء الاصطناعي، لكنه سيقوده الناس.

هذا يجعل الخبرة أكثر قيمة، لا أقل. المهندس الذي يفهم حقًا لماذا تعمل البنية التحتية كما هي سيكون ذا أهمية هائلة عندما لا يكون للآلية الأوتوماتيكية إجابة واضحة.

جَدَّت NetBox Labs أن أنظمة الذكاء الاصطناعي التي تدير البنية التحتية تحتاج إلى نموذج موثوق للأجهزة والاتصالات والاعتمادات والعلاقات المادية والمنطقية الأخرى. لماذا يُعَدُّ هذا النوع من سياق البنية التحتية مهمًا جدًا عند الانتقال من مساعدين ذكاء اصطناعي يقدمون توصيات إلى وكلاء يمكنهم اتخاذ إجراءات فعلية؟

الفرق الكبير هو أنه بمجرد أن يتمكن الوكيل من الفعل، فإن الخطأ يصبح له عواقب حقيقية.

يحتاج وكيل البنية التحتية إلى أكثر من لقطة لحظية لما يفعله الجهاز الآن. فهو يحتاج إلى فهم البيئة المحيطة به: ما هو موجود، كيف تتصل الأشياء ببعضها، ما الذي تغير مؤخرًا، والأهم، كيف يُفترض أن تبدو البنية التحتية.

خذ مثالًا مثل استكشاف مشكلة اتصال. ليس كافيًا معرفة أن الجهاز غير قابل للوصول. تريد أن يكون الوكيل قادرًا على تتبع مسار الكابل، وفهم الاعتمادات حول ذلك الجهاز، والنظر في التغييرات الأخيرة وتحديد ما قد يتأثر أيضًا قبل أن يقترح ما يجب فعله لاحقًا.

هذا هو الأساس الذي قضينا سنوات في بنائه في NetBox Labs، حيث نوفر للفرق نموذجًا دقيقًا لكل من البنية التحتية المادية والمنطقية، إلى جانب النية وراء كيفية تشغيلها.

لكن البيانات وحدها لا تكفي. عليك أيضًا تحديد ما يُسمح للوكيل بفعله بمفرده، وما يتطلب موافقة شخص، وكيف يتم تتبع كل إجراء والتحقق منه.

البنية التحتية ليست كالكود حيث يمكن دائمًا التراجع عن تغيير سيء بنظافة. يمكن لتغيير سيء أن يوقف عملية تشغيل. لذا عندما ننتقل من الذكاء الاصطناعي الذي يخبر المهندس بما يعتقده إلى الذكاء الاصطناعي القادر على تنفيذ العمل فعليًا، يصبح كل من السياق والتحكم أكثر أهمية بكثير.

في مقال CIO الأخير، “لماذا أنا، الرئيس التنفيذي، أبني استراتيجيتنا للذكاء الاصطناعي شخصيًا”، جادلت بأن الذكاء الاصطناعي مهم جدًا لدرجة أن قادة الشركات لا يمكنهم تفويضه ببساطة، ووصفتم تجربة النمذجة الشخصية باستخدام أدوات الذكاء الاصطناعي. كيف غيّر كونك متورطًا عمليًا مع هذه الأنظمة تفكيرك حول ما يمكن للذكاء الاصطناعي أن ي automatisه واقعيًا في عمليات البنية التحتية؟

التعامل العملي يجعلك أقل اهتمامًا بالمناقشة النظرية.

قضيت الكثير من الوقت في بناء هذه الأدوات فعليًا، وغالبًا ما يكون ذلك في هذه الأيام نمذجة أو حتى بناء منتجات كاملة باستخدام Claude Code. تتعلم بسرعة كبيرة أن هناك فرقًا هائلًا بين مشاهدة عرض توضيحي مبهر وبناء شيء تثق فعليًا بأنه سيؤدي عملًا مفيدًا.

كما تطور إحساسًا بالمكان الذي تتجه إليه التكنولوجيا أسرع مما يمكنك الحصول عليه من القراءة عنها. الأشياء التي كنت أعتبرها صعبة الأتمتة قبل ستة أشهر يمكن أن تصبح فجأة بسيطة إلى حد ما. وفي الوقت نفسه، ترى بوضوح أين لا يزال السياق والحكم والبنية مفقودة.

هذا أثر على طريقة تفكيري في عمليات البنية التحتية. أنا متفائل جدًا بشأن مقدار العمل التشغيلي الذي يمكننا أتمتته، لكنني أعتقد أننا ما زلنا بعيدين عن الاستقلالية الكاملة كهدف نهائي.

السؤال الذي يهمني هو أبسط بكثير. هل يساعدنا هذا على تشغيل البنية التحتية بشكل أسرع أو أكثر موثوقية أو أكثر فاعلية؟ إذا كان الجواب نعم، فهذا رائع. إذا كان الجواب لا، فلا يهم مدى تعقيد الذكاء الاصطناعي وراءه.

مع تزايد قيود مراكز بيانات الذكاء الاصطناعي بسبب توفر الكهرباء ومتطلبات التبريد، هل يمكن أن يتطور هندسة البنية التحتية من إدارة الموارد الحاسوبية أساسًا إلى تنسيق الأحمال مع الطاقة والسعة المادية بنشاط؟

نعم، ونحن نبدأ بالفعل في رؤية ذلك. لدينا عبارة داخلية، “التوربينات في موقف السيارات”، جاءت من محادثة حقيقية مع أحد الفرق التي تبني بنية تحتية للذكاء الاصطناعي على نطاق واسع. كانوا يضيفون بنية تحتية بسرعة لدرجة أن الشبكة لم تستطع مواكبة الطلب، لذا كانوا يشتريون توربينات فعليًا ويضعونها في موقف السيارات للحصول على طاقة كافية بسرعة.

هذا هو نوع البيئة التي تعمل فيها هذه الفرق. عندما تصبح الطاقة أحد القيود الأساسية لديك، عليك أن تكون أكثر ذكاءً في كيفية استخدام ما هو متاح. استجابة الطلب الجانبي، حيث يقوم المشغلون بتنسيق أحمال الذكاء الاصطناعي استجابةً لتقلبات شبكة الكهرباء، تحدث بالفعل وتصبح قدرة متزايدة الأهمية للفرق التي تدير بنية تحتية مستهلكة للطاقة.

ليس كل عبء عمل له نفس المتطلبات. قد تحتاج الاستدلال الحساس للزمن إلى البقاء متصلاً، بينما يمكن نقل أو إيقاف بعض أعباء التدريب أو الدفعات عندما تكون الطاقة محدودة. أعتقد أننا سنشهد بشكل متزايد فرق البنية التحتية تدير الحوسبة والطاقة والسعة المادية كجزء من نفس المشكلة التشغيلية.

نظرة إلى المستقبل، هل تعتقد أن أكبر عائق أمام توسيع نطاق الذكاء الاصطناعي سيكون في النهاية وحدات معالجة الرسوميات وتطوير النماذج، أم التحدي الأوسع بكثير المتمثل في العثور على طاقة كافية، وبنية تحتية مادية، وسعة شبكات، وأتمتة، ومهندسين مهرة لتشغيل كل ما وراءها؟

لا أعتقد أن هناك عائقًا واحدًا فقط.

إن بناء بنية تحتية للذكاء الاصطناعي بالسرعة والحجم الذي يريده السوق الآن هو في الأساس مشكلة إرضاء القيود. في أي لحظة معينة، يكون شيء ما هو القيد الأساسي.

لفترة من الوقت، كان الجميع يتحدث عن وحدات معالجة الرسومات. الطاقة تُعد بلا شك عنق زجاجة كبير الآن. لكنها قد تكون أيضًا معدات الشبكات، أو التبريد، أو الأرض، أو الألياف، أو الشراء، أو البناء، أو ببساطة العثور على عدد كافٍ من الأشخاص الذين يعرفون كيفية تجميع كل ذلك معًا.

وبمجرد أن تحل أحد القيود، يصبح قيد آخر أكثر وضوحًا. هذا ما يحدث عندما يكون الطلب أكبر بكثير من العرض.

لذا لن أراهن على وجود عنق زجاجة دائم واحد. أعتقد أن القدرة الأكثر أهمية هي القدرة على التكيف مع تحرك القيد.

هذا هو السبب أيضًا في أنني لا أعتقد أن أي شخص يمتلك دليلًا نهائيًا للبنية التحتية للذكاء الاصطناعي في الوقت الحالي. الأشخاص الذين يبنونها يكتشفون ذلك أثناء توسيع نطاقها، وهم يفعلون ذلك بسرعة هائلة.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا NetBox Labs.