Cisco's AI Canvas gaat verder waar SaaS en AIOps blijven steken
In dit artikel:
Cisco introduceert AI Canvas: een dynamische interface bedoeld als ontmoetingsplek voor mens en AI in netwerkomgevingen. Anand Raghavan (VP Products, AI bij Cisco) legt uit dat het initiatief inspeelt op de gefragmenteerde werkelijkheid van tientallen dashboards in SaaS-omgevingen en de behoefte aan natuurlijke taalinteractie en fijngetunede, domeinspecifieke modellen.
Wat is AI Canvas?
- Geen statisch dashboard, maar een leeg, adaptief canvas dat door AI‑agents en mensen samen wordt gevuld met relevante widgets en data voor het actuele probleem.
- Agents werken autonoom binnen grenzen: ze redeneren meerdere stappen vooruit, slaan reasoning traces op (in Splunk) en kunnen acties terugdraaien of toelichten, zodat beslissingen controleerbaar blijven.
- Het systeem is gebouwd als onderdeel van Cisco’s visie op AgenticOps, een evolutie van traditionele AIOps met meer dynamiek en autonomie voor agents.
Architectuur en hoe het werkt
- AI Canvas draait bovenop een set gedistribueerde MCP‑servers (per domein), die toegang bieden tot tools en API’s van diverse bronnen (bijv. Meraki, ThousandEyes, Webex). De agentic orkestratielaag bepaalt op basis van intent welke MCP‑servers moet worden aangesproken.
- Door deze decentrale opzet worden duizenden API’s beter beheersbaar en vermindert het risico op veel false positives dat bij één centrale orchestration engine kan ontstaan.
- Het platform is open en multi‑vendor: zowel Cisco- als niet‑Cisco‑bronnen kunnen worden aangesloten, en data kan lokaal blijven (on‑prem/air‑gapped) zodat organisaties controle houden over training en privacy. Cisco biedt hiervoor ook AI PODs in datacenters om kleinere, gespecialiseerde modellen lokaal te draaien.
Waarom anders dan bestaande oplossingen?
- In plaats van één statisch samenvoegd dashboard, levert AI Canvas per casus een dynamisch, contextspecifiek ‘dashboard’ dat vragen verder volgt dan enkel de eerste stap van troubleshooting.
- Het wil het mislukte data‑lake‑model en de beperkingen van enkele centraliserende platforms overstijgen door een gedistribueerde, intentgestuurde aanpak.
Beperkingen en adoptie
- Succes hangt sterk af van beschikbaarheid van MCP‑servers; zonder die servers is alle functionaliteit minder efficiënt (wel zijn er fallback-opties via API’s naar bijvoorbeeld Splunk). Verwacht wordt dat leveranciers MCP‑ondersteuning gaan afdwingen zodra het ecosysteem groeit.
- Cisco ziet AI Canvas als prioriteit: een alfa‑versie staat gepland voor eind september, waarna bredere testen en demos volgen.
In essentie wil Cisco met AI Canvas een praktischer, transparanter en multi‑vendorvriendelijk alternatief bieden voor de wirwar aan dashboards, door autonomie en redeneervermogen van AI‑agents te combineren met menselijke sturing en decentrale datacontrole.