Presentato da Splunk
Le organizzazioni di ogni settore si stanno affrettando a trarre vantaggio dall’intelligenza artificiale delle agenzie. Questa promessa è interessante in termini di flessibilità digitale; vale a dire, il potenziale per spostare le organizzazioni da operazioni reattive a operazioni preventive.
Ma c’è un difetto fondamentale nel modo in cui la maggior parte delle organizzazioni affronta questa trasformazione.
Stiamo costruendo cervelli senza sensi
Entra in qualsiasi sala riunioni in cui si discute della strategia dell’intelligenza artificiale e ascolterai infinite discussioni su master, motori di ragionamento e cluster GPU. maestro della parola "cervello" (quali modelli utilizzare) e "corpo" (su quale infrastruttura li eseguiranno).
Cosa manca notevolmente? C’è un dibattito serio su questo argomento sensi — Dati operativi di cui gli agenti IA hanno bisogno per percepire e navigare nei loro ambienti.
Questa non è una svista da poco. Questo è un errore di categoria che determinerà quali organizzazioni stanno implementando con successo l’intelligenza artificiale delle agenzie e quali stanno creando un caos costoso e pericoloso.
Consideriamo l’analogia dell’auto senza conducente. Potresti avere l’intelligenza artificiale per la guida autonoma più avanzata al mondo, ma senza LiDAR, telecamere, radar e feed di sensori in tempo reale, quell’intelligenza artificiale non vale nulla. Peggio che inutile, è pericoloso.
Lo stesso principio si applica all’IA dell’agente aziendale. Un agente AI incaricato di rispondere agli incidenti di sicurezza, di ottimizzare l’infrastruttura o di orchestrare il servizio clienti ha bisogno di dati macchina continui, contestuali e di alta qualità per funzionare. Senza questo, stai essenzialmente chiedendo agli agenti di prendere decisioni critiche bendati.
Tre sensi critici di cui gli agenti hanno bisogno
Affinché l’intelligenza artificiale delle agenzie possa operare con successo negli ambienti aziendali, sono necessarie tre capacità sensoriali fondamentali:
1. Consapevolezza operativa in tempo reale: gli agenti necessitano di un flusso costante di telemetria, log, eventi e metriche nell’intero stack tecnologico. Questo non è un processo batch; Si tratta di dati in tempo reale che fluiscono da applicazioni, infrastrutture, strumenti di sicurezza e piattaforme cloud. Quando un agente di sicurezza rileva un comportamento anomalo, deve vedere cosa sta succedendo Proprio adessonon quello che è successo un’ora fa
2. Comprensione contestuale: I flussi di dati grezzi non sono sufficienti. Gli agenti devono essere in grado di correlare istantaneamente le informazioni tra i domini. Un improvviso aumento dei tentativi di accesso falliti non significa nulla di per sé. Ma quando si collega questo a un recente cambiamento dell’infrastruttura e a un traffico di rete insolito, all’improvviso si ha un incidente di sicurezza confermato. Questo contesto separa il segnale dal rumore.
3. Memoria storica: I rappresentanti efficaci comprendono modelli, linee di base e anomalie nel tempo. Hanno bisogno di accedere a dati storici che forniscano il contesto: Che aspetto ha la normalità? È già successo prima? Questa memoria consente agli agenti di distinguere tra fluttuazioni di routine e problemi reali che richiedono un intervento.
Il costo nascosto del debito dei dati
È qui che le cose si fanno scomode per la maggior parte delle organizzazioni: l’infrastruttura dati necessaria per un’intelligenza artificiale di successo è diventata disponibile. "dovremmo farlo un giorno" E’ elencato da anni.
Nell’analisi tradizionale, la scarsa qualità dei dati porta a insight più lenti. Frustrante ma non disastroso. Negli ambienti dei perpetratori, questi problemi diventano immediatamente operativi:
-
Decisioni incoerenti: Poiché le origini dati frammentate entrano in conflitto tra loro, gli agenti oscillano tra il non fare nulla e l’attivazione di failover non necessari.
-
Automazione interrotta: I flussi di lavoro vengono interrotti a metà flusso perché l’agente non ha visibilità sulle dipendenze o sulla proprietà del sistema.
-
Recupero manuale: Quando le cose vanno male, i team passano giorni a ricostruire gli eventi perché non esiste una chiara provenienza dei dati per spiegare le azioni dell’agente.
La velocità dell’intelligenza artificiale dell’agenzia non nasconde questi problemi relativi ai dati; li rivela e li rafforza alla velocità della macchina. Quella che era un’iniziativa di igiene dei dati di tre mesi è ora diventata un rischio operativo esistenziale.
Cosa stanno costruendo le organizzazioni vincitrici?
Le organizzazioni che domineranno nell’era del brokeraggio non sono quelle che impiegano il maggior numero di broker o utilizzano i modelli più appariscenti. Sono stati loro a capire che l’infrastruttura di rilevamento delle agenzie era il vero elemento di differenziazione competitiva.
Questi vincitori investono in quattro funzionalità critiche, tutte al centro di Cisco Data Fabric:
1. Dati aggregati su scala infinita e costo finito: È imperativo trasformare gli strumenti di monitoraggio disconnessi in una piattaforma dati operativa unificata. Per supportare operazioni autonome in tempo reale, le organizzazioni necessitano di infrastrutture dati in grado di scalare in modo efficiente per gestire set di dati a livello di petabyte. Ancora più importante, ciò deve essere fatto in modo economicamente vantaggioso attraverso strategie come la stratificazione, la fusione e l’automazione dell’intelligenza artificiale. Le vere operazioni autonome sono possibili solo se le piattaforme di dati unificate forniscono sia prestazioni elevate che sostenibilità economica.
2. Contesto e correlazione incorporati: Le organizzazioni avanzate stanno andando oltre la raccolta di dati grezzi per fornire dati arricchiti di contesto. Le relazioni tra i sistemi, le dipendenze tra i servizi e l’impatto dei componenti tecnici sull’azienda dovrebbero essere inclusi nel flusso di lavoro dei dati. Ciò consente agli agenti di dedicare meno tempo all’esplorazione del contesto e più tempo ad agire in base ad esso.
3. Origine tracciabile e governance: Reattività in un mondo in cui gli agenti IA prendono decisioni importanti "Perché l’agente ha fatto questo?" È obbligatorio. Le organizzazioni necessitano di una derivazione completa dei dati che mostri esattamente quali informazioni informano ciascuna decisione. Questo non è solo per il debug; È necessario stabilire la compatibilità, la verificabilità e la fiducia nei sistemi autonomi.
4. Standard aperti e interoperabili: Gli agenti non funzionano nei vuoti di un unico fornitore. Devono eseguire il rilevamento su piattaforme, provider cloud e sistemi locali. Ciò richiede l’impegno verso standard aperti e integrazioni API. Le organizzazioni che si vincolano a formati di dati proprietari vedranno i loro rappresentanti operare con parziale cecità.
Domanda sulla concorrenza reale
Mentre ci avviciniamo al 2026, la questione strategica non è: "Quanti agenti IA possiamo schierare?"
Questo: "I nostri agenti sono in grado di percepire in modo accurato, coerente e con un contesto completo ciò che sta realmente accadendo intorno a noi?"
Se la tua risposta è no, preparati al caos dell’agenzia.
La buona notizia è che questa infrastruttura è preziosa non solo per gli agenti IA. Migliora istantaneamente le operazioni umane, l’automazione tradizionale e la business intelligence. Le organizzazioni che trattano i dati operativi come infrastrutture critiche scopriranno che gli agenti IA funzionano meglio in modo autonomo, affidabile e su larga scala.
Nel 2026 e oltre, il fossato competitivo non è la complessità dei modelli di intelligenza artificiale, ma i dati operativi che forniscono agli agenti gli insight per ottenere il giusto risultato.
Basato sulla piattaforma Splunk, Cisco Data Fabric fornisce un’architettura data fabric unificata per l’era dell’intelligenza artificiale delle agenzie. Scopri di più su Tessuto dati Cisco.
Mangesh Pimpalkhare è Vicepresidente senior e Direttore generale della piattaforma Splunk.
Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che ha pagato per il post o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Contatta per maggiori informazioni sales@venturebeat.com.
