Ronak Desai, grundlægger og administrerende direktør for Ciroos – Interviewserie

Ronak Desai, grundlægger og administrerende direktør for Ciroos, leder virksomheden med en klar mission om at eliminere IT-arbejdet og give tid tilbage til SRE, DevOps og driftsingeniører. Han har en dyb overbevisning om, at AI bør forbedre menneskelig ekspertise på en meningsfuld måde snarere end at erstatte den, især i driftsmiljøer med høj indsats. Før han grundlagde Ciroos, tilbragte Desai mere end 20 år hos Cisco, hvor han havde flere ledende stillinger, herunder Senior Vice President og General Manager for Cisco Full-Stack Observability og AppDynamics. I løbet af sin karriere har han fokuseret på at bygge skalerbare, kundecentrerede platforme, har mere end 50 patenter i aktiv brug i dag og viderefører principperne om innovation og kundefokus, der formede hans tid hos Cisco.

Ciroos bygger et AI-native SRE-teammedlem, der er designet til dramatisk at reducere den tid, det tager at undersøge og løse komplekse IT-hændelser på tværs af moderne miljøer med flere domæner. Platformen bruger native multi-agent AI til at ræsonnere på tværs af signaler, automatisere undersøgelser og understøtte automatisering, augmentation og autonome operationer – samtidig med at det sikres, at mennesker bevarer fuld kontrol. Ved at korrelere data på tværs af værktøjer og domæner, der traditionelt er isolerede, gør Ciroos det muligt for teams at bevæge sig fra reaktiv brandbekæmpelse til hurtigere og mere sikker beslutningstagning, hvilket frigør ingeniører til at fokusere på arbejde med større effekt i stedet for repetitivt og udmattende operationelt slid.

Du har arbejdet hos Cisco i mere end to årtier, hvor du har hjulpet med at opbygge nogle af virksomhedens mest succesfulde netværks- og observerbarhedsprodukter. Hvad inspirerede dig til at tage springet og grundlægge Ciroos?

Gennem mine interaktioner med forskellige virksomhedsteams oplevede jeg den samme historie gentagne gange. Driftsteams var overvældet af dashboards, jagtede advarsler og var afhængige af institutionel viden for at fejlfinde problemer på tværs af flere systemer. Selvom der blev brugt betydelig kapital på observerbarhed, manglede de stadig en måde at forbinde beviser på tværs af domæner i realtid. Mine medstiftere og jeg ville ændre det. Vi satte os for at bygge et AI-system, der kunne ræsonnere som en erfaren operatør og arbejde i samspil med SRE'er fra starten, hvilket gjorde det muligt for teams at fokusere på at forbedre robusthed og pålidelighed i stedet for at bruge tid på at søge efter indsigt eller bekæmpe brandproblemer.

Du har beskrevet Ciroos som et svar på et af de vanskeligste problemer inden for drift – undersøgelser, der spænder over flere domæner. Hvordan har din erfaring med at lede AppDynamics- og Full-Stack Observability-forretningen hos Cisco formet denne erkendelse og påvirket Ciroos arkitektur?

Hos AppDynamics opnåede vi en høj grad af indsigt i applikationsadfærd. Men når årsagen til en hændelse lå uden for applikationen (uanset om det var i cloudkonfiguration, netværk eller IAM), var det ikke tilstrækkeligt at have synlighed på applikationslaget alene. Udfordringen lå i at etablere kontekst. Den erfaring styrede, hvordan vi designede Ciroos. Vores platform bringer AI-ræsonnement til at skalere produktionsoperationer. Den ser på signaler på tværs af domæner, justerer begivenheder på en fælles tidslinje og ræsonnerer på tværs af domænegrænser for at bestemme de sande årsager til hændelser.

Ciroos introducerer konceptet om en "AI SRE-teammedlem". Hvordan adskiller denne idé om AI som samarbejdspartner sig fra traditionelle automatiserings- eller observerbarhedsværktøjer?

AI SRE Teammate fungerer mere som en ny teamkammerat end et nyt værktøj. Den lytter først, opnår en forståelse af miljøet, accepterer definerede opgaver og fremmer tillid over tid. Mens traditionel automatisering udfører regler, anvender teamkammeraten ræsonnement. Når den identificerer et problem, vælger den de relevante domæneekspertagenter at forespørge, indsamler understøttende beviser og præsenterer dem i kontekst. Dette samarbejdselement frigør ingeniørers tid til at validere og løse problemer i stedet for manuelt at udlede korrelationer.

Jeres platform bruger multi-agent AI-ræsonnement. Kan I forklare, hvordan flere AI-agenter koordinerer for at accelerere rodårsagsanalyse og forbedre nøjagtigheden på tværs af komplekse systemer?

Hver agent har domæneekspertise – én i Kubernetes, én i cloud, én i netværk og så videre. Når en hændelse opstår, arbejder disse agenter sammen som en del af et centralt ræsonnementslag, der korrelerer fund i realtid. Systemet bestemmer, hvilke agenter der skal aktiveres, hvilke opgaver der skal tildeles hver agent, i hvilken rækkefølge og hvor længe. Denne koordinering reducerer undersøgelsestiden og forbedrer nøjagtigheden ved at sikre, at hvert lag evalueres i kontekst snarere end i en silo.

Hvordan kan Ciroos, fra et teknisk perspektiv, dynamisk ræsonnere på tværs af forskellige datakilder – såsom cloud-telemetri, applikationslogfiler og infrastrukturmålinger – uden at overvælde brugerne med støj?

Ciroos betragter hver datakilde som en samlet linse i et større billede. Den justerer observationer på tværs af datakilder på en samlet tidslinje og viser kun de relevante årsagssammenhænge. Hvis en pod-genstartshændelse f.eks. indtræffer efter en lille ændring i IAM eller netværkspolitikken, forbinder Ciroos automatisk denne sekvens. Den går ud over at levere rå dashboards og sammensætter i stedet en komplet historie baseret på beviser, der hjælper ingeniører med at forstå, hvorfor noget skete.

Tillid og forklarlighed er centralt for jeres designfilosofi. Hvordan sikrer I, at AI-drevne anbefalinger forbliver transparente, og at menneskelige ingeniører bevarer fuld kontrol?

Hver anbefaling leveres med den understøttende dokumentation og den begrundelse, der har ført til den. Ingeniører kan spore hver konklusion, teste deres antagelser og styre systemets niveau af autonomi, fra assisterende til semi-autonomt. Systemet bevarer kontekstuel viden over tid gennem menneskelig feedback, hvilket gør det muligt at forbedre beslutningskvaliteten, samtidig med at det forbliver fuldt styret. Vores tilgang minder om den måde, et team ville onboarde nye holdkammerater på, med klare rækværk, direkte ræsonnement og fuldt menneskeligt tilsyn. Tillid opbygges, efterhånden som systemet viser stadig mere pålidelig ydeevne over tid.

Tidlige brugere rapporterer, at Ciroos reducerer undersøgelsestiden fra timer til minutter. Hvilke typer mønstre eller indsigter overraskede jer mest, da teams begyndte at bruge AI SRE Teammate i produktionen?

Der har været to behagelige overraskelser – for det første har den hastighed, hvormed selv store virksomheder har reageret positivt på vores kerneværditilbud, været opmuntrende. For det andet har vores kunder set nærmere på vores teknologi og er kommet frem til nogle meget unikke use cases, der går langt ud over rodårsagsanalyse. Disse use cases fremhæver de virkelige udfordringer, som store virksomheder står over for i dag i deres produktionsdrift.

Udtrykket "AI som holdkammerat" antyder samarbejde snarere end erstatning. Hvordan ser du dette koncept udvikle sig i takt med at organisationer bliver mere komfortable med at arbejde sammen med intelligente systemer?

Vi ser dette som en rejse, der involverer automatisering, augmentation og i sidste ende autopilot. Selvom Ciroos understøtter alle tre tilstande i dag, ser vi typisk organisatorisk adoption af AI efter en modenhedskurve. Til at begynde med bruger virksomheder vores AI-system til at automatisere klart definerede og gentagelige opgaver, samtidig med at de minimerer kognitiv overbelastning for mennesker. I modsætning hertil lægger skræddersyede ikke-AI-native systemer for stor byrde på den menneskelige operatør til at konfigurere mange parametre og regler, før kunderne realiserer værdien.

I den næste fase udnytter virksomheder AI-systemet til at forbedre et menneskes ræsonnement i stor skala på tværs af flere domæner, selvom systemet giver detaljerede forklaringer og anbefalinger til afhjælpning, som mennesket validerer og udfører. Det er her, de fleste virksomheder befinder sig i dag.

Med tiden kan AI'en styre komplette hændelsesarbejdsgange autonomt for virksomheden og kun eskalere til et menneske, når det er nødvendigt. Vi forventer, at dette gradvist åbnes op baseret på opgaven. Denne udvikling minder om, hvordan teams udvikler tillid til nyansatte. Efterhånden som I får mere selvtillid, bliver partnerskabet dybere.

Mange virksomheder er allerede afhængige af etablerede platforme til observation og hændelsesstyring. Hvordan integrerer Ciroos med disse eksisterende økosystemer uden at forstyrre arbejdsgange?

Fra starten var integration aldrig valgfri. Vi mener, at en samlet datamodel giver virksomheder den hurtigste time-to-value, mest valgfrihed og laveste samlede ejeromkostninger. Ciroos AI SRE Teammate integrerer med syv forskellige kategorier af virksomhedssystemer i dag - observerbarhed, incident response, samarbejdsværktøjer, cloudplatforme, ticketing-systemer, CI/CD-værktøjer og fysisk infrastruktur via åbne API'er og protokoller som MCP og A2A. Den integreres i etablerede arbejdsgange i stedet for at kræve, at teams implementerer nye. Dette design har gjort det nemt for virksomheder at implementere den. Teams får hurtigere svar uden at ændre deres eksisterende arbejdsgange.

Du har lagt vægt på kundefokus og innovation gennem hele din karriere. Hvordan styrer disse værdier Ciroos' kultur og virksomhedens langsigtede vision for at omdefinere pålidelighedsteknik?

At være kundefokuseret betyder at være utrætteligt fokuseret på de virkelige udfordringer, som vores kunders driftsteams står over for, såsom lange arbejdsdage, træthed, slid og den konstante søgen efter svar på spørgsmål, der opstår i driften. Innovation handler om at løse disse problemer på måder, der giver mening for dem tid og fokus. Vi forestiller os, at alle driftsteams har en AI-teamkammerat, der lærer kontinuerligt, skalerer med efterspørgslen og hjælper med at sikre pålidelighed på tværs af systemer. På lang sigt ser vi AI-tjenester som software, der bliver standard på tværs af hele udviklings- til produktionscyklussen - systemer, der tænker, handler og forbedrer sig sammen med deres menneskelige ligemænd. Hvis vi kan give vores brugere den klarhed og det pusterum, de altid har haft brug for, har vi gjort vores arbejde rigtigt. Disse brugere kan være SRE'er, IT-driftspersonale, produktionsdriftsingeniører, cloud-driftsingeniører eller DevOps-teammedlemmer, der udfører produktionsoperationer.