De vaak onderschatte rol van netwerken in AI-infrastructuur

Organisaties investeren enorme bedragen in GPU’s, servers, modellen en de rekenkracht die nodig is om AI in productie te nemen. Maar agentische AI stelt andere eisen aan het netwerk.

Een chatbot wacht meestal tot iemand hem een vraag stelt, terwijl een agent een taak kan krijgen, met verschillende systemen en applicaties kan communiceren, beslissingen kan nemen en actie kan ondernemen. Naarmate agents meer werk binnen de onderneming op zich nemen, zal een groot deel van die activiteiten plaatsvinden zonder dat iemand achter een toetsenbord zit.

Volgens het rapport De staat van de infrastructuur in het tijdperk van agentische AI van Google Cloud zegt 83% van de organisaties dat ze hun infrastructuur moeten upgraden om autonome systemen van productiekwaliteit te ondersteunen. Hoewel rekenkracht daar deel van uitmaakt, moeten organisaties ook prioriteit geven aan hun netwerk, omdat dat activiteiten moet ondersteunen die niet het gebruikelijke patroon van een menselijke medewerker volgen.

Het einde van het 9-tot-5-netwerk

Decennialang zijn bedrijfsnetwerken grotendeels ontworpen rond de manier waarop mensen werken. Medewerkers maken gedurende de werkdag verbinding met applicaties, raadplegen gegevens en gebruiken clouddiensten. Dat zorgt voor relatief voorspelbare verkeerspatronen die de netwerkarchitectuur en het netwerkbeheer vormgeven.

AI en agentische systemen veranderen dat beeld. Agents kunnen op elk moment taken uitvoeren en communiceren met applicaties, API’s, gegevensbronnen en andere agents. Daardoor ontstaan continuere, dynamischere verkeersstromen binnen campusnetwerken, datacenters, cloudomgevingen en het WAN. Naarmate implementaties op grotere schaal plaatsvinden, moeten netwerken steeds complexere afhankelijkheden ondersteunen. Prestaties, latentie, veerkracht en beveiliging zijn daardoor van cruciaal belang voor een betrouwbare uitvoering.

Deze eisen leggen ook de beperkingen bloot van traditionele NetOps-modellen, die afhankelijk zijn van monitoringtools om problemen op te sporen en van menselijke operators om die te onderzoeken en op te lossen. De volgende generatie NetOps moet verder gaan dan het beheer van afzonderlijke apparaten en gebeurtenissen en in plaats daarvan de afhankelijkheden tussen applicaties en agents van begin tot eind begrijpen. Daarvoor zijn diepgaander inzicht, AI-gestuurde correlatie en analyse van de hoofdoorzaak, en intelligente automatisering nodig om problemen proactief te optimaliseren en te verhelpen.

De kans ligt in de overgang van netwerken die met hulp van AI worden beheerd naar netwerken die draaien op AI-gestuurde intelligentie en gecontroleerde autonomie. Netwerkteams kunnen minder tijd besteden aan het oplossen van terugkerende problemen en meer aan het vaststellen van beleid, het instellen van waarborgen en het optimaliseren van architecturen. Het einde van het 9-tot-5-netwerk betekent niet alleen dat netwerken 24/7 actief zijn; het weerspiegelt een fundamentele verschuiving in wat de vraag naar netwerkcapaciteit aandrijft en hoe netwerken moeten worden ontworpen, beveiligd en beheerd om een ecosysteem te ondersteunen waarin intelligente, autonome systemen altijd actief zijn.

Van enkele AI-tools naar hele zwermen agents

De meeste organisaties bevinden zich nog in een fase waarin AI eenvoudig te beheren is, met copilots, assistenten en AI-applicaties die op verschillende plekken binnen het bedrijf draaien.

Uit onderzoek van IBM bleek echter dat slechts 11% van de ondervraagde leiders volledig is voorbereid op de schaal van AI-agentimplementaties die de komende 12 maanden wordt verwacht. Naarmate implementaties groeien, krijgen netwerkteams meer activiteiten om inzichtelijk te maken en meer problemen om te onderzoeken, vaak zonder extra mensen om het werk uit te voeren.

Daarom is het belangrijk om de tijd te verkorten die engineers besteden aan het doorzoeken van dashboards, het verzamelen van informatie en het doorspelen van routinematige vragen. Door teams op het juiste moment relevante operationele informatie en richtlijnen voor probleemoplossing te bieden, kunnen ze kennis bovendien gemakkelijker met elkaar delen. Zo hoeven ze niet steeds terug te vallen op een klein aantal ervaren specialisten om elke vraag te beantwoorden. De expertise van medewerkers komt beter tot haar recht bij beslissingen die beoordelingsvermogen vereisen, zoals het vaststellen van beleid, het bepalen van grenzen en het inschatten van risico’s.

Netwerken horen aan tafel bij de AI-strategie

AI-planning begint vaak bij modellen, applicaties, gegevens en rekenkracht, maar netwerken moeten vanaf het begin deel uitmaken van die gesprekken. Agents hebben de juiste context nodig om bruikbare aanbevelingen te doen. Bij netwerkbeheer betekent dit dat ze moeten begrijpen hoe informatie over gebruikers, apparaten en applicaties met elkaar samenhangt, in plaats van alleen naar een geïsoleerde melding of meetwaarde te kijken.

Die context helpt teams sneller de oorzaak van een probleem te vinden en te bepalen wat ze vervolgens moeten doen. Menselijk toezicht blijft belangrijk, vooral wanneer agents autonomer worden. Dat vereist duidelijk afgebakende grenzen voor wat ze zelfstandig mogen doen en maatregelen om die grenzen te handhaven. Teams moeten ook kunnen zien waarom een aanbeveling is gedaan en op welke informatie die is gebaseerd, voordat ze besluiten ernaar te handelen.

Gartner voorspelt dat in 2029 minstens 70% van de organisaties die AI-agents inzetten voor hun IT-activiteiten ernstige problemen zal ondervinden met aanzienlijke gevolgen voor de dienstverlening, beveiliging of kosten, die ten minste gedeeltelijk te wijten zijn aan gebrekkige beheersmaatregelen. Daarom moeten inzicht, automatisering, betrouwbaarheid en controle vanaf het begin worden opgenomen in de plannen voor AI-infrastructuur.

Infrastructuur bouwen voor een onderneming waarin AI altijd actief is

Agentische AI verandert de manier waarop bedrijfsnetwerken worden gebruikt. De activiteiten zijn niet langer zo sterk gebonden aan de momenten waarop medewerkers online zijn. Netwerkteams moeten die verandering beheren zonder dat het werk dat nodig is om het netwerk te beheren in hetzelfde tempo toeneemt.

Bedrijven hoeven hun netwerken niet volledig te vernieuwen, maar naarmate ze AI vaker inzetten, moeten ze mogelijke zwakke plekken in hun huidige infrastructuur in kaart brengen. Dat geldt vooral wanneer teams onvoldoende inzicht hebben om problemen snel op te sporen, de responstijden beginnen terug te lopen of routinematige probleemoplossing nog veel handmatig werk vereist.

Een netwerk dat is ingericht op een werkdag van negen tot vijf, zal plaats moeten maken voor een netwerk dat mensen, applicaties en agents ondersteunt die naast elkaar werken, vaak volgens heel verschillende schema’s en op heel verschillende snelheden. Of die infrastructuur goed is ingericht, zal uiteindelijk blijken uit de maatstaven die bedrijven nu al belangrijk vinden: minder verstoringen, problemen sneller oplossen, betere gebruikerservaringen en minder tijd kwijt zijn aan het opsporen van problemen.