ראיונות
רונאק דסאי, מייסד ומנכ"ל Ciroos - סדרת ראיונות
רונאק דסאידסאי, מייסד ומנכ"ל Ciroos, מוביל את החברה עם משימה ברורה לחסל את מאמץ ה-IT ולהחזיר זמן למהנדסי SRE, DevOps ותפעול. הוא מביא איתו אמונה עמוקה שבינה מלאכותית צריכה להגביר באופן משמעותי את המומחיות האנושית ולא להחליף אותה, במיוחד בסביבות תפעוליות בעלות סיכון גבוה. לפני שייסד את Ciroos, דסאי בילה יותר מ-20 שנה בסיסקו, שם מילא מספר תפקידי מנהיגות בכירים, כולל סגן נשיא בכיר ומנכ"ל Cisco Full-Stack Observability ו-AppDynamics. לאורך הקריירה שלו, הוא התמקד בבניית פלטפורמות ניתנות להרחבה וממוקדות לקוח, מחזיק ביותר מ-50 פטנטים הנמצאים בשימוש פעיל כיום, וממשיך את עקרונות החדשנות והאובססיה ללקוחות שעיצבו את כהונתו בסיסקו.
סירוס בונה צוות SRE מבוסס בינה מלאכותית, שנועד להפחית באופן דרמטי את הזמן שלוקח לחקור ולפתור אירועי IT מורכבים בסביבות מודרניות מרובות תחומים. הפלטפורמה משתמשת בבינה מלאכותית מרובת סוכנים מקורית כדי להסיק מסקנות על פני אותות, להפוך חקירות לאוטומטיות ולתמוך באוטומציה, הרחבה ופעולות אוטונומיות - תוך הבטחה שבני אדם יישארו בשליטה איתנה. על ידי מתאם נתונים בין כלים ותחומים שבאופן מסורתי מופרדים, Ciroos מאפשרת לצוותים לעבור מכיבוי אש תגובתי לקבלת החלטות מהירה ובטוחה יותר, ומשחררת את המהנדסים להתמקד בעבודה בעלת השפעה רבה יותר במקום בעבודה תפעולית חוזרת ונשנית ומתישה.
בילית יותר משני עשורים בסיסקו, וסייעה בבניית כמה ממוצרי הרשתות והתצפיות המצליחים ביותר שלה. מה נתן לך השראה לעשות את הצעד ולהקים את Ciroos?
לאורך האינטראקציות שלי עם צוותים שונים בארגון, ראיתי את אותה עלילה חוזרת על עצמה שוב ושוב. צוותי תפעול היו מוצפים בלוחות מחוונים, מרדף אחר התראות והסתמכות על ידע מוסדי כדי לפתור בעיות במערכות מרובות. למרות שהושקעה הון משמעותי בתצפיות, עדיין חסרה להם דרך לחבר ראיות בין תחומים שונים בזמן אמת. שותפי המייסדים ואני רצינו לשנות זאת. יצאנו לבנות מערכת בינה מלאכותית שתוכל לחשוב כמו מפעיל מנוסה ולעבוד בשיתוף פעולה עם מומחים בתחום התקשורת מההתחלה, מה שיאפשר לצוותים להתמקד בשיפור החוסן והאמינות במקום לבזבז זמן בחיפוש אחר תובנות או בעיות כיבוי אש.
תיארת את Ciroos כתגובה לאחת הבעיות הקשות ביותר בתפעול - חקירות המשתרעות על פני תחומים מרובים. כיצד עיצב הניסיון שלך בניהול עסקי AppDynamics ו-Full-Stack Observability בסיסקו את ההבנה הזו והשפיע על הארכיטקטורה של Ciroos?
ב-AppDynamics, השגנו רמה גבוהה של תובנה לגבי התנהגות יישומים. עם זאת, כאשר הגורם לאירוע היה מחוץ לאפליקציה (בין אם בתצורת הענן, ברשת או ב-IAM), נראות בשכבת האפליקציה לבדה לא הייתה מספקת. האתגר היה ביצירת הקשר. ניסיון זה הדריך את האופן שבו עיצבנו את Ciroos. הפלטפורמה שלנו מביאה חשיבה מבוססת בינה מלאכותית להרחבת פעולות הייצור. היא בוחנת אותות בין תחומים, מיישרת אירועים על ציר זמן משותף ומסבירת את הסיבות האמיתיות לאירועים.
Ciroos מציג את המושג "חבר צוות SRE של בינה מלאכותית". במה שונה רעיון זה של בינה מלאכותית כמשתף פעולה מכלי אוטומציה או תצפית מסורתיים?
חבר הצוות מבוסס הבינה המלאכותית SRE מתפקד יותר כמו חבר צוות חדש מאשר ככלי חדש. הוא מקשיב תחילה, רוכש הבנה של הסביבה, מקבל משימות מוגדרות ומטפח אמון לאורך זמן. בעוד שאוטומציה מסורתית מבצעת כללים, חבר הצוות מיישם חשיבה. כאשר הוא מזהה בעיה, הוא בוחר את סוכני המומחים הרלוונטיים בתחום לחקירה, אוסף ראיות תומכות ומציג אותן בהקשר. אלמנט שיתופי זה מפנה את זמנם של המהנדסים לאימות ופתרון בעיות במקום לגזור קורלציות באופן ידני.
הפלטפורמה שלכם משתמשת בהיגיון רב-סוכני מבוסס בינה מלאכותית. האם תוכלו להסביר כיצד סוכני בינה מלאכותית מרובים מתואמים כדי להאיץ את ניתוח גורמי השורש ולשפר את הדיוק במערכות מורכבות?
לכל סוכן יש מומחיות בתחום - אחד בקוברנטס, אחר בענן, אחר ברשתות וכן הלאה. כאשר מתרחשת תקרית, סוכנים אלה פועלים יחד כחלק משכבת חשיבה מרכזית שמקשרת בין ממצאים בזמן אמת. המערכת קובעת אילו סוכנים להפעיל, אילו משימות להקצות לכל סוכן, באיזה סדר ולמשך כמה זמן. תיאום זה מקצר את זמני החקירה ומשפר את הדיוק על ידי הבטחה שכל שכבה מוערכת בהקשר ולא באופן מבודד.
מנקודת מבט טכנית, כיצד Ciroos מצליחה לבצע הסקה דינמית על פני מקורות נתונים שונים - כגון טלמטריה בענן, יומני יישומים ומדדי תשתית - מבלי להעמיס על המשתמשים רעש?
Ciroos רואה בכל מקור נתונים כעדשה אחת בתמונה רחבה יותר. היא מיישרת תצפיות בין מקורות נתונים על ציר זמן מאוחד ומציגה רק את הקשרים הסיבתיים הרלוונטיים. לדוגמה, אם אירוע הפעלה מחדש של פוד מתרחש לאחר שינוי קטן ב-IAM או במדיניות הרשת, Ciroos מחברת אוטומטית את הרצף הזה. היא חורגת מלספק לוחות מחוונים גולמיים ובמקום זאת מרכיבה סיפור שלם המבוסס על הראיות המסייעות למהנדסים להבין מדוע משהו קרה.
אמון והסבר הם מרכזיים בפילוסופיית העיצוב שלכם. כיצד אתם מבטיחים שהמלצות המונעות על ידי בינה מלאכותית יישארו שקופות ושהמהנדסים האנושיים יישארו בשליטה איתנה?
כל המלצה מגיעה עם ראיות תומכות והנימוק שהובילו אליה. מהנדסים יכולים לעקוב אחר כל מסקנה, לבחון את הנחותיהם ולנהל את רמת האוטונומיה של המערכת, החל מסיוע ועד חצי-אוטונומי. המערכת שומרת ידע הקשרי לאורך זמן באמצעות משוב אנושי, מה שמאפשר לה לשפר את איכות ההחלטות תוך שמירה על שליטה מלאה. הגישה שלנו דומה לאופן שבו צוות היה מכניס חברי צוות חדשים, עם מעקות בטיחות ברורים, נימוק ישיר ופיקוח אנושי מלא. האמון נבנה ככל שהמערכת מציגה ביצועים אמינים יותר ויותר לאורך זמן.
מאמצים מוקדמים מדווחים ש-Ciroos מקצר את זמן החקירה משעות לדקות. אילו סוגי דפוסים או תובנות הפתיעו אתכם ביותר כאשר צוותים החלו להשתמש ב-AI SRE Teammate בייצור?
היו שתי הפתעות נעימות - ראשית, המהירות שבה אפילו ארגונים גדולים הגיבו בחיוב להצעת הערך המרכזית שלנו הייתה מעודדת. שנית, הלקוחות שלנו בחנו מקרוב את הטכנולוגיה שלנו והציגו כמה מקרי שימוש ייחודיים מאוד החורגים הרבה מעבר לניתוח גורם שורש. מקרי שימוש אלה מדגישים את האתגרים האמיתיים שעומדים בפני ארגונים גדולים כיום בפעילות הייצור שלהם.
המונח "בינה מלאכותית כחבר צוות" מרמז על שיתוף פעולה ולא על החלפה. כיצד אתה רואה את התפיסה הזו מתפתחת ככל שארגונים מרגישים בנוח יותר לעבוד לצד מערכות חכמות?
אנו רואים זאת כמסע הכרוך באוטומציה, הרחבת אפשרויות ובסופו של דבר, טייס אוטומטי. למרות ש-Ciroos תומכת בכל שלושת המצבים כיום, אנו בדרך כלל רואים אימוץ ארגוני של בינה מלאכותית בעקבות עקומת בגרות. ראשית, ארגונים משתמשים במערכת הבינה המלאכותית שלנו כדי להפוך משימות מוגדרות בבירור וחוזרות על עצמן לאוטומטיות, תוך מזעור עומס יתר קוגניטיבי על בני אדם. לעומת זאת, מערכות מותאמות אישית שאינן מבוססות בינה מלאכותית מטילות עומס רב מדי על המפעיל האנושי כדי להגדיר פרמטרים וכללים רבים לפני שהלקוחות מבינים את הערך.
בשלב הבא, ארגונים ממנפים את מערכת הבינה המלאכותית כדי לשפר את החשיבה האנושית בקנה מידה גדול בתחומים מרובים, אפילו כאשר המערכת מספקת הסברים מפורטים והמלצות לתיקון שהאדם מאמת ומבצע. זה המקום שבו נמצאים רוב הארגונים כיום.
עם הזמן, הבינה המלאכותית יכולה לנהל זרימות עבודה של אירועים מלאים באופן אוטונומי עבור הארגון, ולהעביר את הטיפול לאדם רק בעת הצורך. אנו צופים שזה ייפתח בהדרגה בהתאם למשימה. התקדמות זו דומה לאופן שבו צוותים מפתחים אמון עם עובדים חדשים. ככל שצוברים ביטחון רב יותר, השותפות מעמיקה.
ארגונים רבים כבר מסתמכים על פלטפורמות מבוססות של תצפיות וניהול אירועים. כיצד Ciroos משתלבת עם מערכות אקולוגיות קיימות מבלי לשבש זרימות עבודה?
מההתחלה, אינטגרציה מעולם לא הייתה אופציונלית. אנו מאמינים שמודל נתונים מאוחד מספק לארגונים את זמן הרווח המהיר ביותר, את האופציונליות הרבה ביותר ואת עלות הבעלות הכוללת הנמוכה ביותר. מערכת Ciroos AI SRE Teammate משתלבת עם שבע קטגוריות שונות של מערכות ארגוניות כיום - תצפית, תגובה לאירועים, כלי שיתוף פעולה, פלטפורמות ענן, מערכות כרטיסים, כלי CI/CD ותשתית פיזית באמצעות ממשקי API ופרוטוקולים פתוחים כגון MCP ו-A2A. היא משתלבת בזרימות עבודה קיימות במקום לדרוש מצוותים לאמץ חדשות. עיצוב זה עזר להקל על ארגונים לאמץ. צוותים מקבלים תשובות מהירות יותר מבלי לשנות את זרימות העבודה הקיימות שלהם.
לאורך כל הקריירה שלך הדגשת אובססיה ללקוח וחדשנות. כיצד ערכים אלה מנחים את התרבות של Ciroos ואת החזון ארוך הטווח שלה להגדרה מחדש של הנדסת אמינות?
אובססיה ללקוח פירושה התמקדות בלתי פוסקת באתגרים האמיתיים העומדים בפני צוותי התפעול של לקוחותינו, כגון שעות עבודה ארוכות, עייפות, עמל וחיפוש מתמיד אחר תשובות לשאלות שעולות בתפעול. חדשנות היא פתרון בעיות אלו בדרכים שמחזירות באופן משמעותי את הזמן והריכוז. אנו מדמיינים שלכל צוותי התפעול יהיה חבר צוות של בינה מלאכותית שלומד באופן רציף, משתנה בהתאם לביקוש ועוזר להבטיח אמינות בין מערכות. בטווח הארוך, אנו רואים שירותי בינה מלאכותית כתוכנה שהופכת לסטנדרט לאורך כל מחזור התפעול של הפיתוח ועד לייצור - מערכות שחושבות, פועלות ומשתפרות לצד עמיתיהן האנושיים. אם נוכל לספק למשתמשים שלנו את הבהירות ומרחב הנשימה שתמיד היו זקוקים להם, עשינו את עבודתנו נכון. משתמשים אלה יכולים להיות אנשי מקצוע בתחום השיווק, צוות תפעול IT, מהנדסי תפעול ייצור, מהנדסי תפעול ענן או חברי צוות DevOps המבצעים פעולות ייצור.
