Van logs naar actie: hoe AI agents de kennis van zes experts samenvoegt

In dit artikel:

• IT Ops en AI: wat verandert er in de praktijk?
• Hoe leidde een performance probleem bij een klant tot een AI-doorbraak?
• Jullie bouwden een CMDB-chatbot. Waarom?
• De techniek is er. Waarom aarzelen klanten dan toch?
• Hoe ziet dit er over twaalf maanden uit?

IT Ops en AI: wat verandert er in de praktijk?

Jordy: IT Operations, kort IT Ops, gaat over hoe je een complexe IT-omgeving runt en beheert. Die complexiteit groeit alleen maar. Meer cloud, meer lagen, meer specialistische kennis die je nodig hebt. En het liefst wil je het voorspelbaar maken. Dat is de kern.

Het voordeel binnen IT Ops is dat we beschikken over heel veel goede, gestructureerde data. Monitoring tooling levert die al jaren aan. AI Ops, het toepassen van AI op die operationele data, is geen nieuwe term. Maar met grote taalmodellen kom je er nu veel verder mee.

Cees: Elastic, het observability- en zoekplatform waarmee wij werken, begrijpt steeds beter de intentie achter een vraag. Je stelt een zoekopdracht en Elastic haalt er context uit via vector search. Wat vroeger drie, vier, vijf engineers deden op hun eigen gebied, doet Elastic nu in een keer. Consistent, op dezelfde manier, elke keer.

Hoe leidde een performance probleem bij een klant tot een AI-doorbraak?

Jordy: We werkten aan een complexe webapplicatie met meerdere lagen. We hadden al server metrics verzameld en begonnen een AI agent in Elastic op te zetten als performance expert voor dat platform. Die agent vertelde ons al snel: ik mis de webserver access logs. Het bleek dat in de integratie het verkeerde pad stond. De logs stonden op een andere schijf. Dus die agent hielp ons meteen gaten in de data te vinden.

Dat ging iteratief verder, totdat die agent de gecombineerde kennis had van meerdere experts: infra, webserver, SQL en domeinspecifieke applicatiekennis. Normaal zit die kennis verdeeld over vier, vijf, zes consultants of teams. Nu kon je een vraag stellen. Die agent gaf binnen tien minuten een gedegen antwoord waar je normaal dagen over zou doen. We gingen van een paar honderdduizend log records per uur naar anderhalf miljoen. Als mens kom je daar niet meer doorheen.

Jordy: Een concreet ander voorbeeld is Entra ID, de identity-oplossing van Microsoft. De logs daarvan zijn makkelijk door te sturen naar Elastic. We hebben daar een sign-in log agent op gebouwd die gewoon kijkt naar inlogproblemen. Geef hem een gebruikersnaam en hij komt terug met: deze gebruiker heeft vandaag inlogproblemen op deze applicaties, dit zijn de foutmeldingen, hoogstwaarschijnlijk ligt het aan deze instelling. Dat is een use case die herkenbaar is voor elke IT-afdeling. En als je dat eenmaal gedaan hebt, is het van daaruit veel makkelijker om uit te breiden naar complexere situaties.

Jullie bouwden een CMDB-chatbot. Waarom?

Jordy: Een CMDB, een Configuration Management Database, is de plek waar een organisatie bijhoudt welke IT-assets ze heeft: servers, applicaties, licenties, configuraties. We hadden al een propositie opgebouwd rondom CMDB-data en Elastic. Je kan vragen stellen over je assets: welke systemen draaien dit OS, welke applicaties zitten op welke locaties. En je kan die data combineren met andere bronnen.

Cees: Wat ik mooi vond: de chatbot is via Semantic Search toegankelijk voor veel meer mensen dan alleen de system engineers. Bij een eerste presentatie aan een klant kreeg ik meteen de vraag: kan ik ook zien welke licenties al verlopen zijn? Betaal ik voor services die al jaren out of support zijn? Mensen hoeven niet meer een verzoek in te dienen bij een system engineer. Ze zoeken het zelf op. Dat geeft meer controle en een effectievere organisatie. Bij een audit weet je wat je hebt. Geen schijnzekerheid meer, maar feitelijk aantoonbaar in orde.

De techniek is er. Waarom aarzelen klanten dan toch?

Cees: Bij IT Ops kom je echt weerstand tegen. Mensen die er al jaren werken en angst hebben om dingen uit handen te geven. Je brengt een organisatorische verandering mee, naast een technologische. Je hebt iemand nodig bij die klant die ervan overtuigd is dat het moet werken. Als die er niet is, lukt het niet.

Jordy: Veel organisaties hebben als het ware een grote mist voor zich. Ze dragen wel verantwoording, maar weten niet precies wat er draait. Wat ik probeer is samen met die organisatie keuzes te maken over richting: dit zijn de uitkomsten die we willen. Hoeft geen vastomlijnd project te zijn. Maar besef wel dat AI in IT Ops ook consequenties heeft voor hoe je omgaat met leveranciers en externen. Die gesprekken moet je voeren.

Cees: Je hebt een kartrekker nodig, intern en bij de klant. Iemand die de technologie volgt en de rest meeneemt. Als die er niet is, blijf je sudderen.

Hoe ziet dit er over twaalf maanden uit?

Jordy: Je ziet nu al dat grote organisaties bezig zijn met het volledige agentic verhaal aan de operations kant. Kleinere organisaties volgen snel. Maar het zit hem vooral in een mindset. De technologie is er. Het deployen van een nieuwe workload in een complexe cloud-omgeving kan vandaag nog maanden duren: designs reviewen, changes doorvoeren, afhankelijkheden tussen teams afstemmen.

Agentic AI maakt dat terugbrengen naar dagen. Kleine wijzigingen naar uren. Dezelfde versnelling die je aan de software development kant al ziet, gaat ook aan de operations kant plaatsvinden.

Cees: Observeer eerst. Dan ga je automatiseren. Als observability goed staat, heb je de data om agents te instrueren voor remediation: agents die problemen detecteren en oplossen. Binnen split seconds, zonder tussenkomst van een engineer. Met consistent dezelfde interpretatie, elke keer.

Luister of kijk de hele aflevering van Blis Bytes op YouTube en Spotify.