Kris Beevers, CEO ve Kurucu Ortak, Netbox Labs – Röportaj Serisi

Kris Beevers, CEO ve Kurucu Ortak, NetBox Labs, ağ, bulut altyapısı ve otomasyona odaklanan şirketler ve platformlar kurma konusunda yirmiden fazla yıllık deneyime sahip bir teknoloji girişimcisi ve altyapı yazılımı veterandır. NetBox Labs’ı yönetmeden önce, Beevers 2013’te NS1’i kurdu ve neredeyse on yıl boyunca CEO olarak görev yaptı; şirketi ağ otomasyonu ve uygulama trafiği yönetimi teknolojisinin önde gelen sağlayıcısı haline getirdi ve 2023’te IBM tarafından satın alındı. Bu işlem kapsamında NetBox Labs, IBM’in yatırımcısı olduğu bağımsız bir şirket olarak NS1’den ayrıldı. Kariyerinin erken dönemlerinde Beevers, Internap Network Services ve Voxel’de kıdemli mühendislik ve mimari görevlerde bulundu ve ayrıca SolidJoint Research’ı kurdu.

NetBox Labs, giderek daha karmaşık ağlar ve BT altyapısını modellemeye, işletmeye, otomatikleştirmeye ve yönetişime yardımcı olmak için tasarlanmış bir altyapı zekâ platformu geliştirir. Şirket, 10.000’den fazla kuruluş tarafından kullanılan yaygın açık kaynaklı ağ ve altyapı kayıt sistemi NetBox’ın ticari sorumluluğunu üstlenir. Platformu, altyapı grafiği ve gerçek kaynak bilgisini operasyonel zekâ, otomasyon, yapay zekâ destekli orkestrasyon ve yönetişim yetenekleriyle birleştirir; bu sayede mühendisler ve yapay zekâ ajanları altyapıyla güvenli bir şekilde etkileşim kurabilir. NetBox Labs, bulut, kendi kendine yönetilen kurumsal, hibrit ve air‑gapped dağıtımları destekler ve Ansible, Terraform, Nornir ve sürekli entegrasyon ve dağıtım (CI/CD) boru hatları gibi araçlarla bütünleşir.

2013’te NS1’i kurdunuz ve şirketi IBM tarafından satın alınmadan önce neredeyse on yıl boyunca inşa ettiniz; ardından NetBox Labs bağımsız bir şirket olarak ortaya çıktı. NS1’i inşa ederken edindiğiniz dersler NetBox Labs’ı kurma nedeninizi nasıl etkiledi ve çözmeye çalıştığınız altyapı sorunu AI çağında nasıl değişti?

NS1’i inşa ederken öğrendiğim bir şey, altyapı problemlerinin nadiren düzenli bir şekilde sınırlı kalmasıdır. DNS bizim yığınımızdaki bir parçaydı, ancak müşterilerimiz ağların, veri merkezlerinin, uygulamaların ve otomasyonun birbirine bağımlı olduğu son derece karmaşık ortamlar işletiyordu. Bu ekiplerle ne kadar çok zaman geçirdikçe, altyapının kendisini anlamanın çok daha büyük bir sorun olduğu daha da netleşti.

Bu, beni NetBox’a çeken büyük bir parçaydı. Zaten yaygın olarak benimsenmiş bir açık kaynak projesi ve mühendislerin sahip olduklarını, nasıl bağlandıklarını ve nasıl görünmesi gerektiğini modellemek için kullandıkları bir topluluk vardı. Bu temelin üzerine bir şeyler inşa etme fırsatı gördük.

AI ile değişen şey çoğunlukla hız ve ölçektir. Altyapı ekiplerinden muazzam ortamları inanılmaz hızlı bir şekilde inşa etmeleri isteniyor, aynı zamanda temel teknoloji de aynı hızda değişiyor. Aynı zamanda altyapının operasyonunun daha fazla kısmını otomatikleştirmeye başlıyoruz; bu heyecan verici bir gelecek temsil ediyor. AI altyapıya uygulandıkça, BT ekipleri altyapılarını otomatikleştirebilmeleri için iyi, gerçek zamanlı verilere sahip olmaları gerektiğini fark ediyor ve amaçlanan durumun nasıl göründüğünü bilmeleri gerekiyor; böylece AI, operasyonel altyapının plandan sapmasını tespit etmelerine yardımcı olabiliyor.

Bu nedenle NS1’den alınan ders hâlâ geçerli. Altyapıyı iyi otomatikleştirebilmek için önce onu anlamalısınız. AI, bunu doğru yapmak zorunluluğunu çok daha acil hale getiriyor.

Son on yılın büyük bir kısmında, bulut bilişim geliştiricilere ve altyapı ekiplerine uygulamalarının altındaki fiziksel donanımı soyutlama imkanı sağladı. AI neden bu eğilimi tersine çeviriyor ve DevOps, Site Reliability Engineering (SRE) ve ağ mühendislerini yeniden güç, soğutma, raf, kablolama ve fiziksel ağ hakkında düşünmeye zorluyor?

Bulut, birçoğumuza altyapıyı etkili bir şekilde sınırsız olarak davranmayı öğretti. Hesaplama talep ettiniz ve ortaya çıktı. Sunucunun nerede olduğu, nasıl beslendiği, nasıl soğutulduğu ya da altındaki tüm fiziksel parçaların nasıl bir araya geldiği konusunda mutlaka endişelenmek zorunda değildiniz.

AI altyapısı gerçekten bunu yapmanıza izin vermiyor.

Bu ortamları inşa ederken, oldukça fiziksel sorularla başlarsınız. Ne kadar araziye sahibim? Ne kadar güç elde edebilirim? Hangi tür soğutmayı destekleyebilirim? Buradan raflara, GPU sunucularına, anahtarlara, fiber optik kablolamaya ve sonunda mantıksal katmana, IP adreslerine, yapılandırmalara ve yazılıma geçersiniz.

Bu unsurlar birbirine bağlıdır. Güç ve soğutma yoğunluğunu anlamadan kaç raf dağıtacağınızı belirleyemezsiniz. GPU’ları, onları bağlayan ağdan bağımsız düşünemezsiniz.

Bu, yıllarca fiziksel katmandan uzaklaşan disiplinleri tekrar onunla etkileşime zorlıyor. Soyutlama ortadan kalkmadı, ancak altındaki fiziksel kısıtlamalar aniden çok daha fazla önem kazandı.

AI veri merkezleri giderek gigawatt ölçeğinde tartışılıyor. Altyapı, geleneksel kurumsal ya da bulut ortamlarından muazzam GPU kümeleri etrafında tasarlanmış tesislere geçtiğinde operasyonel olarak temelde ne değişiyor?

Gigawatt ölçeği kesinlikle astronomiktir. Ölçek açıkça farklı olsa da, bence daha ilginç fark, gereken koordinasyon miktarıdır.

300 megavatlık bir veri merkezini faaliyete geçirmek için neler olması gerektiğini düşünün. Arazi ve enerji gerekir. Sonra tesisi tasarlamalı, rafları, GPU sunucularını, anahtarları, fiberi, enerji altyapısını ve soğutma ekipmanını, genellikle tamamen farklı satıcıların ve ürünlerini temsil etme şekilleri farklı olan tedarikçilerden temin etmelisiniz. Tüm bu ekipmanların gelmesi, alınması, rafa yerleştirilmesi, kablolanması, yapılandırılması, test edilmesi ve nihayetinde eğitim ya da çıkarım için devredilmesi gerekir.

Ve siz bunu yaparken zeminin altı da hareket ediyor. GPU mimarileri değişiyor. Ağ teknolojileri değişiyor. Soğutma gereksinimleri değişiyor. Şu andan altı ay sonra mevcut olacak bileşenler, bugün tasarladıklarınızla aynı olmayabilir.

Bu yüzden küçük verimsizlikler çok hızlı birikiyor. Yakın zamanda dünyanın en büyük fiber optik kablo üreticilerinden biriyle zaman geçirdim ve bana en büyük iş problemlerinden birinin, müşterilerin yanlış kablo uzunlukları sipariş etmesi nedeniyle geri iadeler olduğunu söyledi. Bu, yüz binlerce kablo sipariş ederken neredeyse önemsiz gibi görünebilir.

Bu ölçekle altyapı operasyonları devasa bir lojistik ve kısıt‑tatmini problemi haline geliyor. Bunu iyi yapan şirketler, tasarım verilerini tedarik, dağıtım ve operasyon aşamalarının tamamına doğru taşıma konusunda çok başarılı oluyor.

Bu ölçekte altyapıyı işletmek için etkili bir oyun kitabı ya da yetenek havuzu olmadığını söylemiştiniz. Hangi beceriler şu anda bulunması en zor ve AI altyapısı genişledikçe en büyük yetenek eksikliği nerede ortaya çıkacak?

Şu anda dünyada bu tür bir altyapıyı bu hız ve ölçekte inşa etmeyi gerçekten bilen sadece birkaç yüz kişi var. Ve çoğu zaten bunu yaparak oldukça meşgul.

Bu durumun bu anı olağanüstü kılan da bu. Çalışabileceğiniz olgun bir bilgi birikimi yok; bu işi yapanlar birbirlerinden öğreniyor ve anlık olarak çözümler üretiyor. Teknoloji bu kadar çabuk değiştiği için bu derslerin bir kısmı da oldukça hızlı bir şekilde güncelliğini yitiriyor.

Bence eksiklik tek bir iş unvanından daha büyük. Ağ, bilgi işlem ve otomasyonu anlayan insanlara ihtiyacımız var, ancak giderek bu sistemlerin bulunduğu fiziksel ortamı da kavramaları gerekiyor. Güç, soğutma, tesis tasarımı, tedarik zinciri ve saha operasyonları aynı sohbetin parçası hâline geliyor.

Bu sınırların bir kısmını aşabilen kişiler son derece değerli olacak. Ancak henüz bu rollerin tam olarak nasıl görüneceği konusunda bir uzlaşıya varmadık. Yetenek modeli, altyapı ile paralel olarak inşa ediliyor.

Yazılım, ağ, tesis, enerji ve veri merkezi mühendisliği arasındaki sınırlar bulanıklaşmaya başladıkça, hangi yeni teknik roller ya da karma beceri setleri ortaya çıkacak?

Henüz bu rollerin nasıl şekilleneceğini tam olarak bilmiyoruz. Bildiğimiz şey, bu altyapıyı inşa eden kişilerin daha önceki zamana göre çok daha geniş bir problem yelpazesi üzerinde düşünmek zorunda olmaları.

Sadece bilgi işlem ya da ağı izole bir şekilde düşünmüyorsunuz. Güç, soğutma, fiziksel tasarım, tedarik zinciri, ağ ve otomasyon, bu ortamları faaliyete geçirmek ve çalışır durumda tutmak için bir araya gelmek zorunda.

Her bir alanda derin uzmanlığa sahip insanlara hâlâ ihtiyacımız olacağını düşünüyorum. Ancak giderek, kendi alanlarındaki kararların altyapının geri kalanını nasıl etkilediğini de anlamaları gerekecek. Ve bu işlerin çoğu daha hızlı yapılmak zorunda olduğundan, otomasyon yeteneği bu disiplinlerin daha fazlasında kritik hâle gelecek.

AI ajanları sorunları teşhis etmeye, yapılandırmalar üretmeye ve altyapı operasyonlarının bazı bölümlerini otomatikleştirmeye başladı. Hangi sorumlulukların AI tarafından gerçekçi bir şekilde altyapı mühendislerinden devralacağını ve hangilerinin daha da derin insan uzmanlığına bağımlı kalacağını düşünüyorsunuz?

Girdi, istenen sonuç ve sınırlar net olduğunda, bu işlerin büyük bir kısmının giderek AI tarafından yürütüleceğini düşünüyorum. Yapılandırma üretmek bariz bir örnek. Ortak sorunları teşhis etmek, altyapının tasarıma uygun olup olmadığını kontrol etmek ya da neyin yanlış gittiği ve güvenli yanıtın ne olduğu konusunda yeterli güven olduğunda belirli sorunları düzeltmek de aynı şekilde AI’nın yapabileceği işler.

İnsanın daha önemli hâle geldiği nokta, cevabın açık olmadığı durumlar.

Altyapı garip şekillerde arızalanıyor. Bir fiber kesiliyor. Bir cihaz, tasarımın öngördüğünden farklı davranmaya başlıyor. Bir değişiklik, ortamın başka bir yerinde beklenmedik bir etki yaratıyor. AI, bir mühendisin bu durumları çok daha hızlı kavramasına yardımcı olabilir, ancak neyin yapılması gerektiğine karar verecek kadar sistemi derinlemesine anlayan insanlara hâlâ ihtiyaç var.

Bence bu ilginç bir kayma. Mühendisler muhtemelen tekrarlayan yapılandırma ve sorun giderme işlerine daha az, niyet tanımlamaya, sistem tasarlamaya, otomasyon sınırlarını belirlemeye ve gerçekten yeni problemleri ele almaya daha çok zaman harcayacak. Tüm bu çalışmalar AI tarafından desteklenecek, ancak yönlendiren yine insanlar olacak.

Bu, uzmanlığı daha az değil, daha değerli kılıyor. Altyapının neden bu şekilde çalıştığını gerçekten anlayan mühendis, otomasyonun açık bir yanıtı olmadığında son derece kritik bir role sahip olacak.

NetBox Labs, altyapıyı yöneten AI sistemlerinin cihazlar, bağlantılar, bağımlılıklar ve diğer fiziksel ve mantıksal ilişkiler için otoriter bir modele ihtiyaç duyduğunu savunmuştur. Bu tür altyapı bağlamının, öneri sunan AI asistanlarından gerçekten eylem gerçekleştirebilen ajanlara geçişte neden bu kadar önemli olduğunu açıklayabilir misiniz?

Büyük fark, bir ajan hareket edebildiğinde hatalı olmanın gerçek sonuçları olmasıdır.

Bir altyapı ajanı, bir cihazın şu anda ne yaptığının anlık görüntüsünden daha fazlasına ihtiyaç duyar. Çevresindeki ortamı anlaması gerekir: neler mevcut, şeyler nasıl bağlanmış, son zamanlarda ne değişmiş ve özellikle altyapının nasıl olması gerektiği.

Bağlantı sorununu gidermeye bir örnek verelim. Bir cihazın erişilemez olduğunu bilmek yeterli değildir. Ajandan kablo yolunu izleyebilmesini, o cihazın çevresindeki bağımlılıkları anlamasını, son değişikliklere bakmasını ve bir sonraki adımı önermeden önce başka nelerin etkilenebileceğini belirlemesini istersiniz.

Bu, NetBox Labs’ta yıllarca inşa etmeye çalıştığımız temel gerçekten budur; ekiplerine hem fiziksel hem de mantıksal altyapının doğru bir modelini ve nasıl çalışması gerektiği konusundaki niyeti sunar.

Ancak yalnızca veri yeterli değildir. Ajana neyin kendi başına yapmasına izin verileceğine, neyin bir kişinin onayını gerektirdiğine ve her eylemin nasıl izlenip doğrulandığına da karar vermeniz gerekir.

Altyapı, hatalı bir değişikliğin her zaman temiz bir şekilde geri alınabildiği kod gibi değildir. Kötü bir değişiklik bir operasyonu durdurabilir. Bu nedenle, bir mühendise ne düşündüğünü söyleyen AI’dan işi gerçekten yapabilen AI’a geçerken, bağlam ve kontrol çok daha önemli hale gelir.

Sizin son CIO makalesi, “Neden CEO olarak AI stratejimizi şahsen inşa ediyorum,” diyerek AI’nın şirket liderlerinin sadece devretmesi için çok önemli olduğunu savundunuz ve AI araçlarıyla kişisel prototipleme yaptığınızı anlattınız. Bu sistemlerle doğrudan çalışmak, altyapı operasyonlarında AI’nın gerçekte neyi otomatikleştirebileceği konusundaki düşüncenizi nasıl değiştirdi?

Pratik olmak, sizi teorik tartışmalara çok daha az ilgi duymanıza neden olur.

Bu araçlarla gerçekten inşa etmek için çok zaman harcadım; günümüzde en yaygın olarak Claude Code ile prototipleme ya da hatta tam ürünler geliştirmek. Hızlı bir şekilde öğrenirsiniz ki etkileyici bir demo görmek ile gerçekten işe yarayan bir şeyi inşa etmek arasında büyük bir fark vardır.

Ayrıca teknolojinin nereye doğru ilerlediğini, sadece okuyarak elde edebileceğinizden çok daha hızlı bir şekilde hissedersiniz. Altı ay önce otomatikleştirmenin zor olduğunu düşündüğüm şeyler birdenbire oldukça basit hale gelebilir. Aynı zamanda, bağlam, yargı ve yapının hâlâ eksik olduğu noktaları çok net görürsünüz.

Bu, altyapı operasyonları hakkındaki düşüncelerimi etkiledi. Operasyonel işlerin ne kadarını otomatikleştirebileceğimiz konusunda çok iyimserim, ancak nihai hedef olarak saf özerklikten hâlâ uzaktayız.

Benim ilgilendiğim soru çok daha temel. Bu, altyapıyı daha hızlı, daha güvenilir ya da daha etkili bir şekilde işletmemize yardımcı oluyor mu? Eğer yardımcı oluyorsa, harika. Yardımcı olmuyorsa, arkasındaki AI ne kadar sofistike olursa olsun bir önemi yok.

AI veri merkezleri elektrik bulunabilirliği ve soğutma gereksinimleriyle giderek daha fazla kısıtlandıkça, altyapı mühendisliği yalnızca bilişim kaynaklarını yönetmekten, iş yüklerini enerji ve fiziksel kapasiteyle aktif olarak koordine etmeye evrilebilir mi?

Evet, ve bunu zaten görmeye başladık. İçeride kullandığımız bir ifade var, “otoparktaki türbinler,” bu, hiper ölçekli AI altyapısı inşa eden ekiplerden biriyle gerçek bir konuşmadan çıktı. Altyapıyı o kadar hızlı devreye alıyorlardı ki şebeke yeterli hızda ayak uyduramıyordu; bu yüzden gerçekten türbinler satın alıp otoparka koyarak yeterli gücü hızlıca elde ediyorlardı.

Bu, bu ekiplerin çalıştığı ortamın tipik bir örneğidir. Güç, temel kısıtlamalarınızdan biri haline geldiğinde, mevcut kaynakları nasıl kullandığınız konusunda çok daha akıllı olmanız gerekir. Elektrik şebekesindeki değişimlere yanıt olarak operatörlerin AI iş yüklerini aktif olarak koordine ettiği talep tarafı yanıtı zaten gerçekleşiyor ve enerji‑açgözlü altyapıyı yöneten ekipler için giderek daha önemli bir yetenek haline geliyor.

Her iş yükünün aynı gereksinimleri yoktur. Gecikmeye duyarlı çıkarım çevrim içi kalmak zorunda olabilirken, bazı eğitim veya toplu iş yükleri güç kısıtlaması olduğunda kaydırılabilir veya duraklatılabilir. Bence altyapı ekiplerinin hesaplama, güç ve fiziksel kapasiteyi aynı operasyonel problemin parçaları olarak yönetmesini giderek daha fazla göreceğiz.

İleriye baktığımızda, AI ölçeklendirmedeki en büyük darboğazın nihayetinde GPU’lar ve model geliştirme mi yoksa yeterli güç, fiziksel altyapı, ağ kapasitesi, otomasyon ve bunların arkasındaki her şeyi çalıştıracak yetkin mühendisleri bulma gibi çok daha geniş bir zorluk mu olacağını düşünüyorsunuz?

Tek bir darboğaz olacağını düşünmüyorum.

AI altyapısını şu anda pazarın istediği hız ve ölçekle inşa etmek temelde bir kısıtlama‑tatmin problemi. Her an, bir şey birincil kısıtlama olur.

Bir süre boyunca herkes GPU’lardan bahsediyordu. Güç şu anda açıkça büyük bir darboğaz. Ancak bu, ağ ekipmanları, soğutma, arazi, fiber, tedarik, inşaat ya da sadece tüm bunları bir araya getirebilecek yeterli sayıda kişiyi bulmak da olabilir.

Bir kısıtlamayı çözdüğünüzde, bir diğeri daha belirgin hale gelir. Talebin arzdan çok daha fazla olduğu durumlarda bu gerçekleşir.

Bu yüzden tek bir kalıcı darboğaza bahis yapmazdım. Daha önemli yetenek, kısıtlama değiştikçe uyum sağlayabilmek olduğunu düşünüyorum.

Bu aynı zamanda şu anda kimsenin AI altyapısı için kesin bir oyun kitabına sahip olduğunu düşünmememin sebebidir. Bunu inşa eden kişiler ölçeklendirirken bunu çözüyorlar ve ikisini de inanılmaz hızlı bir şekilde yapıyorlar.

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular NetBox Labs adresini ziyaret etmelidir.