Ronak Desai, Oprichter en CEO van Ciroos – Interviewreeks

Ronak Desai, oprichter en CEO van Ciroos, leidt het bedrijf met een duidelijke missie om IT-toil uit te bannen en tijd terug te geven aan SRE, DevOps en operations engineers. Hij heeft een diepe overtuiging dat AI menselijke expertise op een betekenisvolle manier moet aanvullen in plaats van vervangen, vooral in high-stakes operationele omgevingen. Voordat hij Ciroos oprichtte, werkte Desai meer dan 20 jaar bij Cisco, waar hij verschillende senior leiderschapsrollen bekleedde, waaronder Senior Vice President en General Manager van Cisco Full-Stack Observability en AppDynamics. Gedurende zijn carrière heeft hij zich gericht op het bouwen van schaalbare, klantgerichte platforms, heeft hij meer dan 50 octrooien in actief gebruik en draagt hij de principes van innovatie en klantobsessie verder die zijn tijd bij Cisco hebben gevormd.

Ciroos bouwt een AI-native SRE-teamgenoot die de tijd die nodig is om complexe IT-incidenten te onderzoeken en op te lossen in moderne, multi-domeinomgevingen aanzienlijk kan verminderen. Het platform gebruikt native multi-agentic AI om redeneringen over signalen te maken, onderzoeken te automatiseren en automatisering, aanvulling en autonome operaties te ondersteunen, terwijl het ervoor zorgt dat mensen stevig in controle blijven. Door gegevens over tools en domeinen die traditioneel gescheiden zijn te correleren, maakt Ciroos het mogelijk voor teams om over te gaan van reactieve brandweeracties naar snellere, zelfverzekerde besluitvorming, waardoor engineers zich kunnen richten op hogere-impactwerk in plaats van repetitieve en uitputtende operationele toil.

U hebt meer dan twee decennia bij Cisco gewerkt en hebt geholpen bij het bouwen van enkele van de meest succesvolle netwerk- en observatieproducten. Wat heeft u geïnspireerd om de stap te nemen en Ciroos op te richten?

Tijdens mijn interacties met verschillende ondernemingsteams zag ik steeds hetzelfde verhaal zich herhalen. Operations teams werden overweldigd door dashboards, alarmen najoegen en vertrouwden op institutionele kennis om problemen op te lossen in meerdere systemen. Ondanks aanzienlijke kapitaaluitgaven aan observatie, hadden ze nog steeds geen manier om bewijs over domeinen in real-time te verbinden. Mijn mede-oprichters en ik wilden dat veranderen. We wilden een AI-systeem bouwen dat als een ervaren operator kon redeneren en vanaf het begin samen kon werken met SRE’s, waardoor teams zich konden richten op het verbeteren van veerkracht en betrouwbaarheid in plaats van tijd te besteden aan het zoeken naar inzichten of het bestrijden van problemen.

U hebt Ciroos beschreven als een reactie op een van de moeilijkste problemen in operaties – onderzoeken die meerdere domeinen omvatten. Hoe heeft uw ervaring bij het leiden van de AppDynamics- en Full-Stack Observability-business bij Cisco die realisatie gevormd en de architectuur van Ciroos beïnvloed?

Bij AppDynamics hebben we een hoog niveau van inzicht in applicatiegedrag bereikt. Echter, wanneer de oorzaak van een incident buiten de applicatie leefde (of het nu in cloudconfiguratie, netwerken of IAM was), was het hebben van zichtbaarheid op applicatieniveau alleen onvoldoende. De uitdaging was om context te creëren. Die ervaring heeft ons geholpen bij het ontwerpen van Ciroos. Ons platform brengt AI-redeneringen op schaal naar productieoperaties. Het kijkt naar signalen over domeinen, aligneert gebeurtenissen op een gemeenschappelijke tijdslijn en redeneert over domeingrenzen om de echte oorzaken van incidenten te bepalen.

Ciroos introduceert het concept van een “AI SRE-teamgenoot”. Hoe verschilt dit idee van AI als een teamgenoot van traditionele automatiserings- of observatiehulpmiddelen?

De AI SRE-teamgenoot functioneert meer als een nieuwe teamgenoot dan als een nieuw hulpmiddel. Het luistert eerst, krijgt een begrip van de omgeving, accepteert gedefinieerde taken en bouwt vertrouwen op over tijd. Terwijl traditionele automatisering regels uitvoert, past de teamgenoot redeneringen toe. Wanneer het een probleem identificeert, selecteert het de relevante domeinexperts, verzamelt het ondersteunend bewijs en presenteert het in context. Dit collaboratieve element maakt het mogelijk voor engineers om hun tijd te besteden aan validatie en probleemoplossing in plaats van handmatig correlaties af te leiden.

Uw platform gebruikt multi-agentic AI-redeneringen. Kunt u uitleggen hoe meerdere AI-agents samenwerken om de root cause-analyse te versnellen en de nauwkeurigheid te verbeteren in complexe systemen?

Elke agent heeft domeinexpertise – een in Kubernetes, een andere in cloud, een andere in netwerken enz. Wanneer een incident optreedt, werken deze agents samen als onderdeel van een centraal redeneringslaag die bevindingen in real-time correleert. Het systeem bepaalt welke agents te activeren, welke taken aan elke agent toe te wijzen, in welke volgorde en voor hoe lang. Deze coördinatie vermindert onderzoektijden en verbetert de nauwkeurigheid door ervoor te zorgen dat elke laag in context wordt geëvalueerd in plaats van in een silo.

Vanuit een technisch perspectief, hoe redeneert Ciroos dynamisch over uiteenlopende gegevensbronnen – zoals cloudtelemetrie, applicatielogboeken en infrastructuurmetingen – zonder gebruikers te overweldigen met ruis?

Ciroos beschouwt elke gegevensbron als een enkel lens in een groter beeld. Het aligneert observaties over gegevensbronnen op een verenigde tijdslijn en toont alleen de relevante oorzakelijke relaties. Bijvoorbeeld, als een pod-restartgebeurtenis optreedt na een kleine wijziging in IAM of netwerkbewerking, verbindt Ciroos automatisch die sequentie. Het gaat verder dan het bieden van raw dashboards en stelt in plaats daarvan een complete verhaal samen op basis van het bewijs dat engineers helpt te begrijpen waarom iets gebeurde.

Vertrouwen en uitlegbaarheid zijn centraal in uw ontwerpprincipes. Hoe zorgt u ervoor dat AI-gedreven aanbevelingen transparant blijven en dat menselijke engineers stevig in controle blijven?

Elke aanbeveling komt met het ondersteunende bewijs en de redenering die tot het leidde. Engineers kunnen elke conclusie traceren, hun aannamen testen en het niveau van autonomie van het systeem beheren, van assistent tot semi-autonoom. Het systeem behoudt contextuele kennis over tijd door middel van menselijke feedback, waardoor het de besluitkwaliteit kan verbeteren terwijl het volledig wordt bestuurd. Onze aanpak lijkt op de manier waarop een team nieuwe teamgenoten zou onboarden, met duidelijke richtlijnen, directe redenering en volledige menselijke toezicht. Vertrouwen groeit naarmate het systeem steeds betrouwbaarder presteert over tijd.

Vroege adoptanten melden dat Ciroos de onderzoektijd van uren naar minuten terugbrengt. Wat voor soort patronen of inzichten verbaasden u het meest toen teams begonnen met het gebruik van de AI SRE-teamgenoot in productie?

Er zijn twee aangename verrassingen – eerst, de snelheid waarmee zelfs grote ondernemingen positief op onze kernwaardepropositie hebben gereageerd, is bemoedigend. Ten tweede, onze klanten hebben onze technologie onder de loep genomen en zijn gekomen met enkele unieke use cases die verder gaan dan root cause-analyse. Deze use cases benadrukken de echte uitdagingen die grote ondernemingen vandaag in hun productieoperaties tegenkomen.

Het concept “AI als teamgenoot” suggereert samenwerking in plaats van vervanging. Hoe ziet u dit concept evolueren naarmate organisaties meer comfortabel worden met het werken naast intelligente systemen?

We zien dit als een reis die bestaat uit automatisering, aanvulling en uiteindelijk autopilot. Hoewel Ciroos alle drie de modi vandaag ondersteunt, zien we typisch dat de adoptie van AI door ondernemingen volgt een volwassenheidscurve. Om te beginnen, gebruiken ondernemingen ons AI-systeem om duidelijk gedefinieerde en herhaalbare taken te automatiseren, terwijl ze de cognitieve belasting voor mensen minimaliseren. In contrast, niet-AI-native systemen leggen te veel druk op de menselijke operator om parameters en regels te configureren voordat klanten waarde realiseren.

In de volgende fase gebruiken ondernemingen het AI-systeem om de redenering van een mens aan te vullen op schaal over meerdere domeinen, terwijl het systeem gedetailleerde verklaringen en aanbevelingen voor herstel biedt die de mens valideert en uitvoert. Dit is waar de meeste ondernemingen vandaag zijn.

Over tijd kan het AI-systeem volledige incidentworkflows autonoom beheren voor de onderneming, alleen escalerend naar een mens wanneer nodig. We verwachten dat dit geleidelijk zal worden geopend op basis van de taak. Die progressie is vergelijkbaar met hoe teams vertrouwen ontwikkelen met nieuwe medewerkers. Naarmate u meer vertrouwen krijgt, groeit de partnership dieper.

Veel ondernemingen vertrouwen al op gevestigde observatie- en incidentbeheersystemen. Hoe integreert Ciroos met deze bestaande ecosystemen zonder workflows te verstoren?

Vanaf het begin was integratie nooit een optie. We geloven dat een gefedereerd datamodel ondernemingen de snelste tijd-tot-waarde, de meeste opties en de laagste totale eigendomskosten biedt. De Ciroos AI SRE-teamgenoot integreert met zeven verschillende categorieën van ondernemingssystemen vandaag – observatie, incidentrespons, samenwerkingshulpmiddelen, cloudplatforms, ticketsystemen, CI/CD-hulpmiddelen en fysieke infrastructuur via open API’s en protocollen zoals MCP en A2A. Het integreert in bestaande workflows in plaats van te vereisen dat teams nieuwe workflows aannemen. Dit ontwerp heeft het gemakkelijk gemaakt voor ondernemingen om te adopteren. Teams krijgen snellere antwoorden zonder hun bestaande workflows te veranderen.

U hebt de nadruk gelegd op klantobsessie en innovatie gedurende uw carrière. Hoe leiden die waarden de cultuur van Ciroos en de langetermijnvisie voor het herdefiniëren van betrouwbaarheidsengineering?

Klantobsessie betekent dat we ons onvermoeibaar richten op de echte uitdagingen die ondernemingen in hun operaties tegenkomen, zoals lange uren, vermoeidheid, toil en de constante zoektocht naar antwoorden op vragen die opkomen in operaties. Innovatie gaat over het oplossen van die problemen op manieren die tijd en focus teruggeven. We zien voor ons dat alle operatieteams een AI-teamgenoot hebben die continu leert, schaalt met de vraag en helpt bij het waarborgen van betrouwbaarheid over systemen. Op de lange termijn zien we AI-service als software die standaard wordt over de hele ontwikkelings- tot productieoperatiecyclus – systemen die denken, handelen en verbeteren naast hun menselijke collega’s. Als we onze gebruikers kunnen voorzien van de duidelijkheid en de ademruimte die ze altijd nodig hebben gehad, hebben we onze taak goed gedaan. Deze gebruikers kunnen SRE’s, IT-operationspersoneel, productieoperationsingenieurs, cloudoperationsingenieurs of DevOps-teamleden zijn die productieoperaties uitvoeren.