Paul Arends
Bedrijfsleiders vragen om AI-strategieën. Ze streven naar snellere inzichten, slimmere automatisering en meetbaar rendement. Veel experts uit de sector beweren dat het grootste obstakel voor de adoptie van AI het ontbreken van een duidelijk doel is, wat een strategieprobleem vormt. Maar zelfs de meest visionaire strategie zal falen als de fundamenten niet stevig zijn. Leiders op het gebied van infrastructuur merken dat, ondanks een duidelijk plan, de tekortkomingen van een slechte infrastructuur niet kunnen worden overwonnen. Het is geen kwestie van zichtbaarheid, maar van infrastructuur, en dit is beter op te lossen dan de meeste leiders zich realiseren.
Volgens de Cisco AI Readiness Index 2025 is er een aanzienlijke kloof tussen ambitie en infrastructuurgereedheid. Een gedwongen hardware-upgrade is voor de meeste organisaties onvermijdelijk. De echte vraag is of dit een reactieve kostenpost wordt of een strategische investering die het bedrijf positioneert voor de toekomst.
Als u meer dan twee van de onderstaande signalen herkent, loopt u niet achter, maar bevindt u zich precies op het punt waar het gesprek over AI-infrastructuur zou moeten beginnen.
Teken 1: Uw IT-bedrijfsmodel is te reactief om AI te ondersteunen
Als uw meest ervaren engineers het merendeel van hun tijd besteden aan het beheren van complexiteit, zullen ze niet kunnen bouwen aan de toekomst.
Reactieve bedrijfsmodellen vertonen meestal de volgende kenmerken:
- Verschillende tools die beleid op verschillende manieren toepassen
- Handmatige workflows voor implementatie, beveiliging en probleemoplossing in omgevingen
- Lange stappen om eenvoudige problemen te diagnosticeren
Dit gaat verder dan efficiëntie, het is een capaciteitsprobleem. Wanneer senior talent bezig is met dagelijkse oplossingen, blijft er weinig tijd over voor automatisering, optimalisatie of voorbereiding van platforms voor AI-workloads.
Volgens de AI Networking Spotlight van IDC is de overstap naar proactieve, geïntegreerde operaties de belangrijkste factor om wrijving met betrekking tot AI-implementatie te verminderen. AI-omgevingen vereisen stabiliteit en herhaalbaarheid. Wanneer de bedrijfsvoering proactief wordt, kunnen teams zich richten op het schalen van belangrijke zaken.
Teken 2: Dure AI-infrastructuur ligt stil
Organisaties investeren aanzienlijk in versnelde computing. Zoals opgemerkt in de ‘AI-strategie 2025-2028: het Ethernet-voordeel’ van Group 650, is het knelpunt voor AI zelden alleen rekenkracht: het vermogen van de infrastructuur om gegevens met GPU-snelheid te verplaatsen. GPU’s creëren echter alleen waarde als ze snel genoeg gegevens krijgen om te blijven draaien. Als het netwerk niet in staat is om gegevens met de snelheid die AI vereist te verplaatsen, blijven de GPU’s inactief.
Dit maakt ze tot een van de duurste presse-papiers in het datacenter.
Dit is geen bijzaak, maar een directe kwestie van het rendement op investeringen in AI. Een traag of complex netwerk kan waarde wegnemen uit elk AI-initiatief voordat de resultaten zelfs maar het bedrijf bereiken.
Teken 3: Beveiliging is niet ingebouwd in de stof
AI breidt het aanvalsoppervlak snel uit, maar de aard van dit verkeer verandert. Perimetergebaseerde verdedigingen zijn niet langer voldoende wanneer workloads cloud-, edge- en on-premise-omgevingen omvatten. Omdat gegevens voortdurend in beweging zijn, neemt het oost-westverkeer toe en vereisen steeds meer systemen consistente, altijd actieve bescherming.
Door beveiliging achteraf te implementeren, worden teams gedwongen tools samen te voegen die niet zijn ontworpen om als een geïntegreerd systeem te werken. Deze lappendekenbenadering leidt onvermijdelijk tot complexiteit, blinde vlekken en inconsistente beleidstoepassing.
Zoals benadrukt in het rapport ‘Neoclouds, The Race to Scale in the AI Era’ van Group 650, vereist de verschuiving naar gedistribueerde architecturen een fundamentele heroverweging van de manier waarop organisaties gegevens op grote schaal beschermen. Dit is vooral belangrijk omdat AI-agenten steeds meer verspreid raken:
- Autonome beweging: In tegenstelling tot traditionele toepassingen opereren autonome agenten vaak volledig binnen het netwerk, wat betekent dat ze mogelijk nooit de rand bereiken.
- Intern bestuur: Aangezien deze agenten zelfstandig handelen, moet beveiliging in de kern worden ingebouwd om hun acties te beheersen en ongeautoriseerde zijwaartse bewegingen te voorkomen.
- De ‘patchwork’-val: Wanneer beveiliging achteraf wordt geïmplementeerd, worden teams gedwongen tools samen te voegen die niet zijn ontworpen om als een geïntegreerd systeem te werken, wat leidt tot complexiteit en blinde vlekken.
De aanpak van Cisco is anders: Door beveiliging direct in de netwerkstructuur in te bouwen, beschermt u AI-workloads zonder ze te vertragen. Door het netwerk de controlerende autoriteit te maken, kunt u lateraal verkeer beschermen en bedreigingen in realtime isoleren, waardoor uw omgeving wordt beschermd zonder de operationele last van meerdere afzonderlijke beveiligingsapparaten.
Teken 4: Gefragmenteerde zichtbaarheid verhult AI-knelpunten
Wat niet zichtbaar is, kan niet worden geoptimaliseerd.
Veel organisaties houden technisch ‘alles bij’, maar hebben nog steeds moeite met het beantwoorden van eenvoudige vragen:
- Waar ontstaan de AI-prestatieproblemen?
- Ligt de vertraging in de applicatie, het netwerk of het pad daartussenin?
- Wie is verantwoordelijk voor het oplossen?
Onderzoek van IDC naar “Datacenter Scale-Across Networking Architectures” verduidelijkt het probleem. Naarmate AI-omgevingen groter worden, volstaat geïsoleerde zichtbaarheid niet meer. Zonder inzicht in netwerken, rekenkracht en applicaties kunnen kleine problemen snel escaleren tot grote AI-storingen.
Wat nodig is, is een gedeelde visie van begin tot eind. Applicatiegedrag, netwerkprestaties en gebruikerservaring moeten samen worden bekeken. Zonder deze context verspillen teams tijd en vervallen ze in de schuldvraag.
De observatiebenadering van Cisco brengt deze signalen samen in één weergave. Het verbindt applicatieprestaties, netwerkgezondheid en echte gebruikerservaring. Deze correlatie is van essentieel belang in het datacenter en nog meer aan de rand, waar AI-inferentie en gegevensverzameling vaak beginnen.
Teken 5: De AI lijkt nog steeds losgekoppeld van de updatecyclus
Dit is misschien wel het grootste waarschuwingssignaal van allemaal.
Als de AI-gereedheid niet synchroon loopt met hardware-upgrades, beveiligingsupdates of netwerkmodernisering, zal het altijd belangrijk lijken, maar nooit urgent.
Dit is een valkuil.
Updatecycli zijn niet alleen maar onderhoudsgebeurtenissen. Ze bieden strategische kansen om:
- Operaties te vereenvoudigen
- De efficiëntie van gegevensverplaatsing te verbeteren
- Specifieke AI-prestaties te ondersteunen (training, RAG, agenten of inferentie)
- Beveiliging in te bouwen vanaf het ontwerp
- End-to-end zichtbaarheid te verkrijgen
AI-gereedheid wordt zelden bereikt door één enkele initiatief. Het vereist slimme infrastructuurkeuzes tijdens reeds gefinancierde en geplande werkzaamheden.
U hoeft niet te wachten op het perfecte moment. U heeft toestemming om te beginnen waar u bent. In veel gevallen is het budget al beschikbaar. De uitdaging is om het strategisch te benutten.
Begin waar het bedrijf zich bevindt
AI-voorbereiding begint niet met hype, maar met operationele eerlijkheid.
Goed nieuws is dat u niet helemaal opnieuw hoeft te beginnen. Door slim gebruik te maken van lopende investeringen kan vooruitgang worden geboekt.
Dit is waarom de hardwarevernieuwingscyclus belangrijk is. Het gaat verder dan routineonderhoud. Het biedt een kans om kapitaalefficiëntie te verbeteren, risico’s te verminderen en de time-to-value voor AI te versnellen.
De organisaties die het snelst vooruitgang boeken, zullen niet altijd degenen zijn met de grootste nieuwe budgetten. Het zullen degenen zijn die de volgende update herkennen voor wat het werkelijk is: een kans om de kerninfrastructuur te transformeren in een AI-motor. En alleen Cisco kan helpen dit te waarborgen over de hele stapel: van silicium tot beveiliging tot zichtbaarheid.
