Blogg

När AI i drift tar steget från passiv till aktiv

Artificiell intelligens har gått från att vara en hjälpsam assistent till att bli en aktiv medarbetare. Vi ser hur AI börjar agera i IT-infrastrukturen, inte bara svara på frågor i webbläsaren. Men är vi redo att låta AI hantera vår kritiska infrastruktur?

Drift och förvaltning av IT-miljön är ofta manuell och reaktiv. Problem upptäcks först när de påverkar användarna eller när verksamheten drabbas av störningar. Något som ökar risken för långa lösningstider. Men med ett teknologiskifte inom AI öppnas möjligheten upp från att enbart reagera på problem till att AI autonomt övervakar, åtgärdar fel, och förbättrar infrastrukturen. Men är vi redo?

AI-assistenter vs. AI-agenter – vad är skillnaden?

Det är lätt att blanda ihop AI-assistenter och AI-agenter, men skillnaderna är stora.

En AI-assistent fungerar som en kunnig kollega. Den svarar på frågor, analyserar data och sammanfattar information, Men den tar inga egna initiativ. Den är reaktiv och beroende av mänskliga instruktioner.

En AI-agent, å andra sidan är målstyrd och självständig. Den får uppdrag. Till exempel att optimera nätverksprestanda. Agenten kan analysera, fatta beslut, utföra åtgärder och lära sig av tidigare erfarenheter. Tänk dig en medarbetare som aldrig sover, alltid är uppdaterad och kan agera omedelbart när något händer.

Nu ska vi lansera ett nytt begrepp: AgenticOPs det vill säga hur agenter jobbar i driftsmiljöer med infrastruktur. Se det som vår nya kollega som aldrig behöver vila, som ser och vet allt och kan utföra ändringar.

Den största utmaningen med AI-agenter är att de kräver tydliga ramar för säkerhet och kontroll. Ju mer självständig AI blir, desto viktigare är det att ha strukturer på plats som säkerställer att agenterna agerar på ett förutsägbart och säkert sätt. En AI-agent behöver inkluderas i er Zero Trust-strategi.

Whitepaper

Guide: Cybersäker 2026 – Effektiv & framtidssäker AI

Läs

Plattformar & MCP – grunden för AI i drift

För att AI ska kunna agera effektivt behövs en stabil grund. Här kommer plattformar och Model Context Protocol (MCP) in i bilden. Plattformar, som de Cisco erbjuder, standardiserar hur företag hanterar nätverk och säkerhet. Istället för att integrera enskilda produkter skapar plattformar en helhetslösning med tydlig överblick som stödjer AI-integrationen.

MCP fungerar som ett ”USB-C för AI”. Det vill säga ett gemensamt språk och regelverk som gör att AI kan kommunicera med olika system på ett standardiserat sätt. Detta gör att AI kan hämta rätt information, använda godkända verktyg och agera säkert i olika miljöer. Allt på ett kontrollerat sätt.

Cisco AI Canvas & språkmodeller

Cisco leder utvecklingen inom AI för drift och förvaltning av infrastruktur med två centrala innovationer. En egen språkmodell (LLM) för nätverk och AI Canvas, ett verktyg som revolutionerar felsökning. Ciscos språkmodell är tränad på 40 år av branscherfarenhet och ackumulerad data. Den förstår nätverksrelaterade frågor på djupet och kan ge precisa svar.

Cisco AI Canvas tar felsökning till en ny nivå. Om ett larm kommer in om att en applikation går långsamt, kan en operatör ställa en enkel fråga: ”Varför går den här applikationen dåligt?” AI-agenter samlar då in data från olika källor i infrastrukturen. Sedan resonerar den tillsammans med operatören fram möjliga orsaker. När ett problem är åtgärdat kan AI Canvas sammanfatta vad som hände och hur det löste. Allt i en lättillgänglig rapport.

AI Canvas kommer att lanseras i Ciscos molnplattformar och förväntas vara tillgängligt i Europa efter sommaren 2026.

Risker & utmaningar med AI i infrastrukturen

Trots alla fördelar finns det risker med att låta AI agera autonomt i kritisk infrastruktur. Det kan jämföras med självkörande bilar. Än är vi inte helt redo att låta dem köra utan mänsklig övervakning. På samma sätt bör AI-agenter ha mänsklig översyn för att säkerställa att de agerar korrekt.

En av de största riskerna är att AI kan göra förändringar som påverkar andra delar av infrastrukturen på oönskade sätt. Det finns också risk att vi förlorar förståelse för vad som egentligen hände om AI åtgärdar problem utan att vi ser processen. Därför är det viktigt att ha tydliga processer för change management och att allt AI gör dokumenteras noggrant.

Framtida kompetensutveckling – Hur blir vi bra på AI-drift?

AI förändrar inte bara hur vi arbetar, utan också hur vi lär oss. Traditionellt har kompetens inom IT-drift byggts upp genom praktisk erfarenhet. Men hur ser detta ut i en värld där AI tar över många av de repetitiva uppgifterna?

Troligen och rimligen handlar det om att kombinera traditionell utbildning med praktisk användning av AI-verktyg:

• Förstå grunderna i hur AI fungerar och hur integreringar byggs.
• Börja använda AI-assistenter för att se hur de kan stödja ditt arbete.
• Lär av AI genom att använda den som ett komplement till din egen kunskap.
• Bygg förtroende genom att gradvis introducera AI i små, kontrollerade projekt.

Suveränitet & on-prem-lösningar

Många företag vill ha kontroll över sina data och infrastruktur. Cisco arbetar med on-prem-lösningar för AI, så att företag kan välja att köra sina AI-agenter lokalt istället för i molnet. Detta är särskilt viktigt i Europa, där dataskyddsregler som GDPR ställer höga krav.

Det pågår även arbete med små språkmodeller som kan placeras längre ut i nätverket. Dessa modeller skulle kunna hantera lokala problem utan att behöva kommunicera med en central molntjänst.

En evolution & revolution med AI i drift i infrastrukturen

AI kommer att förändra hur vi driver och förvaltar IT-infrastruktur. Genom att kombinera AI-assistenter och AI-agenter kan vi automatisera repetitiva uppgifter, förbättra lösningstider och skapa en mer proaktiv drift. Men för att lyckas krävs det att vi:

• Bygger förtroende genom att gradvis introducera AI.
• Investerar i utbildning så att våra medarbetare kan arbeta tillsammans med AI.
• Väljer lösningar som passar våra behov, oavsett om det är moln, hybrid eller on-prem.

AI kommer att revolutionera IT-branschen. Frågan är inte om, utan när och hur vi väljer att vara en del av den förändringen. Har du en roadmap mot praktisk AI-styrning?

Om författaren