Ronak Desai, grunnlegger og CEO av Ciroos – Intervju-serie

Ronak Desai, grunnlegger og CEO av Ciroos, leder selskapet med en tydelig misjon om å eliminere IT-tilgang og gi tid tilbake til SRE, DevOps og operasjonsingeniører. Han bringer en dyp overbevisning om at AI bør meningsfullt supplere menneskelig ekspertise i stedet for å erstatte den, spesielt i høyrisikomiljøer. Før han grunnla Ciroos, tilbrakte Desai mer enn 20 år i Cisco, hvor han hadde flere ledende roller, inkludert Senior Vice President og General Manager of Cisco Full-Stack Observability og AppDynamics. Gjennom sin karriere har han fokusert på å bygge skalerbare, kundeorienterte plattformer, har mer enn 50 patenter i aktiv bruk i dag og fører videre prinsippene om innovasjon og kundeobsession som preget hans tid i Cisco.

Ciroos bygger en AI-nativ SRE-kollega designet for å dramatisk reducere tiden det tar å etterforske og løse komplekse IT-hendelser i moderne, multi-dominante miljøer. Plattformen bruker naturlig multi-agentic AI til å granske signaler, automatisere etterforskninger og støtte automatisering, forbedring og autonom drift – samtidig som mennesker forblir fast i kontrollen. Ved å korrelere data over verktøy og domener som tradisjonelt er adskilte, muliggjør Ciroos at teamene kan gå fra reaktiv brannslukking til raskere og mer selvbevisst beslutningstaking, og frigjør ingeniører til å fokusere på høyere-impaktarbeid i stedet for repetitiv og utmattende operasjonsarbeid.

Hva inspirerte deg til å ta spranget og grunnlegge Ciroos etter å ha tilbrakt mer enn to tiår i Cisco?

Gjennom mine samhandlinger med ulike bedriftsteam, så jeg den samme historien spille ut om og om igjen. Operasjonslag var overveldet av dashboards, jaget varslinger og avhengig av institusjonell kunnskap for å feilsøke problemer over flere systemer. Til tross for betydelig kapital som ble brukt på overvåkning, manglet de en måte å koble bevis over domener i sanntid. Mine medgrunnleggere og jeg ønsket å endre dette. Vi satte oss fore å bygge et AI-system som kunne granske som en erfaren operatør og arbeide i samarbeid med SRE fra starten av, og muliggjøre at teamene kunne fokusere på å forbedre robusthet og pålitelighet i stedet for å bruke tid på å søke etter innsikt eller slukke branner.

Hvordan har din erfaring med å lede AppDynamics og Full-Stack Observability i Cisco påvirket din forståelse av problemet og arkitekturen til Ciroos?

I AppDynamics oppnådde vi et høyt nivå av innsikt i applikasjonsatferd. Men når årsaken til en hendelse bodde utenfor applikasjonen (enten i skykonfigurasjon, nettverk eller IAM), var å ha innsikt på applikasjonsnivå alene utilstrekkelig. Utfordringen var å etablere kontekst. Den erfaringen har guidet hvordan vi designet Ciroos. Vår plattform bringer AI-granskning til skala produksjonsdrift. Den ser på signaler over domener, aligner hendelser på en felles tidsplan og gransker over domene-grenser for å bestemme de virkelige årsakene til hendelser.

Ciroos innfører begrepet “AI SRE-kollega”. Hvordan forskjeller denne idéen om AI som en samarbeidspartner fra tradisjonelle automatiserings- eller overvåkingsverktøy?

AI SRE-kollega fungerer mer som en ny kollega enn et nytt verktøy. Den lytter først, tilegner seg en forståelse av miljøet, aksepterer definerte oppgaver og bygger tillit over tid. Mens tradisjonell automatisering utfører regler, anvender kollegaen granskning. Når den identifiserer et problem, velger den relevante domene-ekspertagenter å spørre, samler støttende bevis og presenterer det i kontekst. Dette samarbeidselementet frigjør ingeniørers tid til å validere og løse problemer i stedet for å manuelt avlede korrelasjoner.

Hvordan koordinerer flere AI-agenter seg for å akselerere årsak-analyse og forbedre nøyaktighet over komplekse systemer?

Hver agent har domene-ekspertise – en i Kubernetes, en annen i sky, en annen i nettverk og så videre. Når en hendelse skjer, arbeider disse agentene sammen som en del av en sentral granskningslag som korrelerer funn i sanntid. Systemet bestemmer hvilke agenter som skal aktiveres, hva oppgavene som skal tildeles hver agent, i hvilken rekkefølge og for hvor lenge. Denne koordineringen reduserer etterforskningstid og forbedrer nøyaktighet ved å sikre at hver lag blir evaluert i kontekst i stedet for i en silo.

Hvordan gransker Ciroos dynamisk over uensartede datakilder – som sky-telemetri, applikasjonslogger og infrastruktur-målinger – uten å overvelde brukerne med støy?

Ciroos betrakter hver datakilde som ett enkelt linse i et større bilde. Den aligner observasjoner over datakilder på en felles tidsplan og presenterer bare de relevante årsaksforholdene. For eksempel, hvis en pod-restart-hendelse skjer etter en liten endring i IAM eller nettverkskonfigurasjon, kobler Ciroos automatisk sammen den sekvensen. Den går ut over å gi rå dashboards og setter i stedet sammen en fullstendig historie basert på bevis som hjelper ingeniører å forstå hvorfor noe skjedde.

Tillit og forklarbarhet er sentrale i din designfilosofi. Hvordan sikrer du at AI-drevne anbefalinger forblir gjennomsiktige og at menneskelige ingeniører forblir fast i kontrollen?

Hver anbefaling kommer med støttende bevis og granskning som ledet til den. Ingenicører kan spore hver konklusjon, teste sine antagelser og kontrollere systemets nivå av autonomi, fra assistive til semi-autonome. Systemet beholder kontekstuell kunnskap over tid gjennom menneskelig tilbakemelding, og tillater det å forbedre beslutningskvalitet mens det forblir fullstendig styrt. Vår tilnærming ligner måten en team ville påmelding nye teammedlemmer, med tydelige retningslinjer, direkte granskning og full menneskelig tilsyn. Tillit bygges når systemet viser stadig mer pålitelig ytelse over tid.

Tidlige brukere rapporterer at Ciroos reduserer etterforskningstid fra timer til minutter. Hvilke mønster eller innsikt overrasket deg mest når teamene begynte å bruke AI SRE-kollega i produksjon?

Det har vært to behagelige overraskelser – først, hastigheten som selv store bedrifter har respondert positivt på vår kjerneverdi-proposisjon har vært hjertelig. For det andre, våre kunder har tett blikk på vår teknologi og har kommet opp med noen svært unike brukstilfeller som går langt utenfor årsak-analyse. Disse brukstilfellene understreker de virkelige utfordringene som store bedrifter møter i dag i sine produksjonsdrift.

Begrepet “AI som en kollega” antyder samarbeid i stedet for erstatning. Hvordan ser du på denne idéen utvikle seg når organisasjoner blir mer komfortable med å arbeide sammen med intelligente systemer?

Vi ser på dette som en reise som involverer automatisering, forbedring og til slutt autopilot. Selv om Ciroos støtter alle tre moduser i dag, ser vi vanligvis organisatorisk tilpasning av AI følge en modenhet-kurve. For å begynne, bruker bedrifter vårt AI-system til å automatisere tydelig definerte og gjentakende oppgaver mens de minimiserer kognitivt overbelastning for mennesker. I kontrast, ikke-AI-naturlige systemer legger for mye byrde på den menneskelige operatøren til å konfigurere mange parametre og regler før kundene realiserer verdi.

I den neste fasen, utnytter bedrifter AI-systemet til å forbedre en menneskelig granskning i skala over flere domener, selv om systemet gir detaljerte forklaringer og anbefalinger for å løse problemer som mennesket validerer og utfører. Dette er der de fleste bedrifter er i dag.

Over tid, kan AI-systemet håndtere fullstendige hendelsesflyter autonomt for bedriften, bare eskalerer til et menneske når nødvendig. Vi forventer at dette vil åpnes opp gradvis basert på oppgaven. Denne fremgangen ligner måten team utvikler tillit med nye ansatte. Etterhvert som du får mer tillit, vokser partnerskapet.

Hvordan integrerer Ciroos med eksisterende overvåkings- og hendelseshåndteringssystemer uten å forstyrre arbeidsflyt?

Fra starten av, var integrasjon aldri et valg. Vi tror at en føderal data-modell gir bedrifter den raskeste tid-til-verdi, mest valgmuligheter og lavest total eierkostnad. Ciroos AI SRE-kollega integrerer med syv forskjellige kategorier av bedriftssystemer i dag – overvåkning, hendelseshåndtering, samarbeidsverktøy, sky-plattformer, billettsystemer, CI/CD-verktøy og fysisk infrastruktur via åpne API-er og protokoller som MCP og A2A. Den integrerer i etablerte arbeidsflyt i stedet for å kreve at teamene adopterer nye. Dette designet har hjulpet å gjøre det enkelt for bedrifter å adoptere. Teamene får raskere svar uten å endre sine eksisterende arbeidsflyt.

Hvordan guidere verdier som kunde-obsession og innovasjon Ciroos’ kultur og langtidsvisjon for å gjendefinere pålitelighetsingeniør?

Å være kunde-obsedert betyr å være ubøydelig fokusert på de virkelige utfordringene som møtes av våre kunders operasjonslag, som lange timer, utmattelse, tilgang og den konstante søken etter svar på spørsmål som kommer opp i operasjoner. Innovasjon handler om å løse disse problemene på måter som meningsfullt returnerer tid og fokus. Vi forestiller oss at alle operasjonslag har en AI-kollega som lærer kontinuerlig, skalerer med etterspørsel og hjelper med å sikre pålitelighet over systemer. På lang sikt, ser vi AI-tjeneste som programvare bli standard over hele utvikling-til-produksjonsdrift-syklusen – systemer som tenker, handler og forbedrer sammen med deres menneskelige kolleger. Hvis vi kan gi våre brukere den klarheten og pusten de alltid har trengt, har vi gjort jobben vår riktig. Disse brukerne kunne være SRE, IT-operasjonslag, produksjonsdrift-ingeniører, sky-operasjonsingeniører eller DevOps-teammedlemmer som utfører produksjonsdrift.