Ik wil geen AI oppas zijn

Ik word elke dag enthousiaster naarmate ik iets nieuws leer. Toch heb ik ook mijn deel zorgen over de toekomst – specifiek over het onderwerp AI en hoe het de rol van netwerkingenieurs zal beïnvloeden. Oké… Ik heb waarschijnlijk meer dan mijn eerlijke deel zorgen. (Dat zal geen verrassing zijn als je de laatste paar jaar van mijn reis hebt gevolgd, waarin ik de “AI TOEKOMST!!!” heb verkend)

Allereerst wil ik heel duidelijk zijn. Ik ben enthousiast over de toekomst van netwerkingenieurs, netwerkautomatisering en mijn plek in deze prachtige wereld en gemeenschap. Sterker nog, mijn recente blog, Navigating the AI Era as a CCIE, bespreekt hoe geweldig het is om op dit moment een CCIE te zijn.

Meestal richt ik me op de positieve mogelijkheden die ik zie. Hoe AI ons leven en werk als netwerkingenieurs beter kan maken.

Maar vandaag wil ik praten over iets dat me zorgen baart: hoe de AI-toekomst wordt besproken en beschreven. Ik hoop dat door hierover te praten, we de ergste mogelijke dystopische visie op die toekomst kunnen vermijden. Hoewel ik graag boeken lees of films kijk over deze dystopische toekomsten (een van mijn guilty pleasures), wil ik niet leven in een van die werelden. Ik hoop ook dat jullie, mijn gemeenschap, me kunnen helpen begrijpen of mijn zorgen over de toekomst van AI overdreven zijn. Dus laten we erin duiken, zullen we?

Ik wil geen AI oppasser zijn…

Hank catches some shut-eye while Birdie takes over.

Er is een zin die opduikt in presentaties, blogs, artikelen, video’s, persberichten, overheidsdocumentatie en zo ongeveer overal waar wordt besproken hoe AI de toekomst van werk zal beïnvloeden. De zin verwijst naar een aanpak genaamd “human-in-the-loop.”

Dus, wat is “human-in-the-loop?”

Ik heb zojuist een Google-zoekopdracht gedaan voor “‘human in the loop’ ai cisco” en Gemini was behulpzaam bij het geven van deze samenvatting:

Cisco benadrukt “human-in-the-loop” AI, wat betekent dat menselijk toezicht en feedback worden geïntegreerd in AI-systemen om verantwoording, ethische overwegingen en betrouwbare besluitvorming te waarborgen, met name op gebieden zoals beveiliging en data-analyse.

Klinkt niet slecht, toch? Hier is nog een fragment uit een paper die ik onlangs las over AI en de toekomst van jobrollen:

De mate waarin het [Gen AI] mensen op de werkplek kan vervangen, zal afhangen van de noodzaak van menselijk toezicht op door machines uitgevoerde taken.

Ongetwijfeld heb je vergelijkbare beschrijvingen gezien of gehoord van wat er nodig is om AI “veilig” te integreren in dagelijkse taken. Dit is mijn begrip van waarom “human-in-the-loop” steeds weer ter sprake komt in discussies.

Het komt neer op een paar punten:

Het gebruik van AI biedt een “waarde” die bedrijven NIET kunnen negeren. Wat die waarde is kan variëren, maar het komt over het algemeen neer op snelheid: AI is eenvoudigweg sneller dan mensen.

AI heeft niet altijd gelijk. En AI kan niet verantwoordelijk worden gehouden voor fouten.

Door een mens te laten goedkeuren wat de AI doet, worden fouten opgemerkt. En als ze dat niet zijn, is er iemand verantwoordelijk.

Ik zeg NIET dat de bovenstaande punten feitelijk geldig zijn. In feite verdient elk van die uitspraken op zichzelf veel diepgaandere overweging en discussie. Maar voor het gemak van deze blogpost, laten we ze nemen zoals ze zijn om mijn zorgen over een toekomst waarin Hank een “mens in de lus” voor AI-systemen is, verder te verkennen.

Hier zit het probleem met “human-in-the-loop”

Ia houd ervan om een netwerkingenieur te zijn. Ik houd ervan netwerkontwerpen te maken om aan zakelijke eisen te voldoen. Ik geniet van het maken van configuraties en het ontwerpen van robuuste routeringsprotocollen. Ik vind het proces van het oplossen van een netwerkprobleem bevredigend.

Ik heb jaren van mijn leven besteed aan het leren van de vaardigheden die nodig zijn om netwerkingenieur te zijn. En ik heb nog vele jaren voor me als netwerkingenieur. Ik heb ook veel te bieden aan de bedrijven, netwerken en teamleden waarmee ik in de toekomst zal werken.

Elke beschrijving die ik heb gelezen of gehoord over “mens in de lus” plaatst de mens in de buurt of aan het einde van “de lus.” Een AI-tool krijgt een probleem, vraag of een set gegevens voorgelegd om aan te werken. Vervolgens genereert AI zijn oplossing, die dan naar een mens wordt gestuurd om te beoordelen, accepteren, afwijzen of wijzigingen aan te brengen.

Als ik aan dit concept denk, kan ik niet anders dan me een beeld voorstellen van rij na rij mensen die hun dagen doorbrengen met luisteren naar het “ding” van een nieuw voorgesteld AI-werkitem, wachtend op de mens om zijn ding te doen zodat de AI kan doorgaan met zijn “lus,” het werk voltooien. Dat klinkt niet als de toekomstige netwerkingenieur die ik wil zijn.

Wat zal er eerst komen: AI of ervaring?

Ik vraag me iets anders af in deze visie op de toekomst van “mens in de lus.” De mogelijkheid van een menselijke netwerkingenieur om een fout gemaakt door AI te identificeren, hangt af van of die netwerkingenieur dezelfde fout in het verleden heeft gemaakt. Of, op zijn minst, ze hebben genoeg netwerkingenieurervaring om op te merken wanneer er iets mis is.

Op dit moment hebben we ervaren netwerkingenieurs die AI-agenten kunnen “controleren” en potentiële problemen kunnen identificeren. Verdorie, dat is toch al de helft van wat senior netwerkingenieurs en CCIEs doen: de opkomende netwerkingenieurs in ons team ondersteunen door hun werk te controleren en hen te helpen leren van hun fouten.

Maar hoe zullen toekomstige opkomende netwerkingenieurs ervaring opdoen met netwerkingenieur zijn als ze gewoon een tandwiel zijn in “de lus?”

En ja, ik ben me er volledig van bewust dat dit een extreem voorbeeld is en niet is wat mensen bedoelen wanneer ze zeggen “mens in de lus” of “menselijk toezicht.” Niettemin is het van cruciaal belang dat we dit soort extreme uitkomst nu overwegen, nu de toekomst van netwerkingenieur wordt geschreven. Omdat ik absoluut denk dat er een manier is waarop dit verhaal kan worden omgedraaid – een toekomstvisie waar netwerkingenieurs blijven netwerkingenieurs zijn en niet alleen in naam.

Laten we het omdraaien: “AI-in-de-lus”

Ik stel voor dat we de lus omkeren. Maak geen vergissing – kunstmatige intelligentie biedt absoluut waarde voor netwerkingenieurs die dag in dag uit netwerkingenieurwerk doen. Eigenlijk gebruik ik het zelf. Maar ik gebruik AI als een bron – net als elke andere – tot mijn beschikking.

Stel dat ik word ingeschakeld om een intermitterend routeringsprobleem aan onze internetrand op te lossen. Met behulp van mijn goed ingesleten netwerkprobleemoplossingsvaardigheden verzamel ik details over het probleem, voer verschillende tests uit en probeer het te repliceren. Ik inspecteer operationele output van de routers en kijk naar onze netwerkbeheersystemen. Misschien vraag ik rond, “Wat is er veranderd?”

En als iedereen me vertelt: “Niets. Er is niets veranderd.” vraag ik dan, “Nou, wat is er veranderd voordat er niets veranderd is?”

Tijdens dit alles maak ik gebruik van vele tools en hulpmiddelen. Ik raadpleeg onze interne documentatie over het netwerk. Ik bekijk de recente wijzigingsverzoeken. Ik ga misschien naar Cisco.com en zoek naar foutmeldingen of scenario’s. (Nou… nee, ik ga waarschijnlijk naar mijn favoriete zoekmachine en zoek naar foutmeldingen en scenario’s. 🙂)

Het is hier, tijdens dit deel van mijn werk, waar ik AI in “de lus” zal betrekken. AI is niet alleen snel, maar het is getraind en heeft direct toegang tot allerlei nuttige gegevens die relevant zijn voor mijn werk.

AI-in-the-loop: Een tool voor netwerkingenieurs

Misschien vind ik het moeilijk om het exacte show-commando te onthouden om alle details weer te geven over de BGP-prefixes die door mijn router zijn geleerd. Of ik wil een gefilterde pakketcapture opzetten en ben op zoek naar een voorbeeldconfiguratie. Of ik bekijk honderden regels met debugberichten en kan hulp gebruiken bij het snel vinden van de afwijkingen. Dit zijn voorbeelden waar AI MIJ een betere, efficiëntere netwerkingenieur kan maken.

Zie je, ik ben een netwerkingenieur. Ik ben een behoorlijk goede netwerkingenieur. Ik heb miljoenen CLI-commando’s met mijn vingers getypt, talloze pings zien wegvallen, routingprotocollen geconfigureerd, toegangscontrolelijsten, VPN’s, beleidskaarten, EtherChannels, enzovoort enzovoort. Maar ik ben nog steeds gewoon een mens, geen computer. Ik heb misschien niet direct toegang tot alles wat in mijn brein begraven ligt, maar ik weet wanneer het antwoord daar is. Ik weet dat als ik het juiste antwoord zie (of iets wat erop lijkt), ik het kan herkennen en tot de oplossing kan komen. Het is dezelfde reden waarom een ervaren netwerkingenieur een complex probleem kan oplossen met één webzoekopdracht en een blik op een forumbericht of Cisco-opdrachtenreferentie.

We moeten aan het stuur blijven zitten. We moeten de controle houden over de netwerken en de netwerkingenieur. We moeten de mogelijkheden van AI om ons netwerktechnisch werk te verbeteren omarmen. AI zou ons netwerkingenieurs niet moeten gebruiken om zijn netwerktechnisch werk te verbeteren – we zouden AI als een hulpbron moeten gebruiken om effectievere netwerkingenieurs te worden – nu en in de toekomst.

Echt Hank… is dat alles wat AI zou moeten zijn?

Dus, je denkt misschien:

Oh, Hank, jij aardige oude boomer netwerkingenieur. Ga met de tijd mee… AI biedt ons veel meer dan alleen een zoekmachine van de volgende generatie!

Ja, dat doet het absoluut – en ik ben enthousiast over veel van de verbeteringen aan de systemen en software die we elke dag gebruiken. Laat staan de volledig nieuwe systemen en software die mogelijk worden gemaakt door AI. Alleen al het bekijken van de aankondigingen van Cisco op het gebied van AI het afgelopen jaar heeft me enthousiast gemaakt over het potentieel ervan voor netwerkingenieurs.

Stel je eens voor wat we in de toekomst zullen kunnen doen. Sinds de eerste netwerkingenieur begon met het vastleggen van loggegevens, hebben we erkend dat het bijna onmogelijk is voor een menselijke ingenieur om zin te maken van de overvloed aan informatie op tijd. Denk aan alle uitval die voorkomen had kunnen worden als we in staat waren geweest om de kleine en vroege hints te vinden die begraven liggen in tellers, NetFlow-gegevens en loggegevens. Wat betreft beveiliging… wow. Er is zoveel potentieel in de beveiligingsruimte om sneller te identificeren en te reageren.

De integratie van AI-mogelijkheden in netwerkproducten zal ons als netwerkingenieurs een enorme boost geven. Maar dit is ook niet echt iets nieuws. Al vele jaren worden machine learning-mogelijkheden toegevoegd en geïtereerd om de netwerkborgingsoplossingen voor de campus, WAN en datacenter te verbeteren. Ze krijgen nu een nieuwe impuls van de GenAI-hype en buzz, maar de meeste ervan zijn geen GenAI.

Er komt iets naar de wereld van netwerkingenieurs dat verband houdt met GenAI en dat mij erg enthousiast maakt. Natural Language Interface, of NLI, zal binnenkort toetreden tot de zeer geliefde en geprezen Command Line Interface (CLI) en de iets teleurgestelde-het-is-niet-langer-de-nieuwkomer-op-het-blok Application Programming Interface (API) als methoden waarmee netwerkingenieurs communiceren met de apparaten en systemen die we beheren. En dat zal geweldig zijn. Echt een game changer.

Ja, het is een deel van het worden van een netwerkingenieur om alle specifieke commando’s te leren die nodig zijn om het netwerk te laten werken. Wanneer netwerkingenieurs samenkomen en oorlogsverhalen delen, zal er altijd iemand klagen (liefdevol) over hoe het geen zin heeft dat het “ip ospf authentication-key” is, maar “ip authentication mode eigrp,” en waarom kunnen ze niet gewoon hetzelfde zijn?! En we zullen lachen en lachen en lachen.

Maar laten we eerlijk zijn. Het is niet het memoriseren van specifieke commandoregel-syntax die ons tot netwerkingenieurs maakt. Het is weten hoe, waarom en wanneer we authenticatie moeten configureren voor ons routeprotocol dat belangrijk is. Zullen we niet veel gelukkiger zijn wanneer we gewoon tegen onze router kunnen zeggen:

“Schakel authenticatie in voor EIGRP en OSPF op alle interfaces. EIGRP moet md5 met key-chain 5 gebruiken, en OSPF moet plaintext gebruiken vanwege het legacy-apparaat waarmee we verbonden zijn.”

Natuurlijk zullen sommige netwerkingenieurs mopperen en dingen zeggen als “in mijn tijd.” Maar ik weet dat ik er allemaal gelukkiger van zal worden.

En nu?

Dus wat nu, vraag je? Nou, ik wil horen wat jullie allemaal denken. Wees niet verlegen. Als je denkt dat ik overdrijf, vertel het me dan alsjeblieft. Als je dezelfde zorgen deelt, laat me dan weten dat ik niet alleen ben. Waar kijk je naar uit in de toekomst van netwerkingenieurs met een AI-assistent in je zak? Zijn er taken waarvoor je niet kunt wachten tot AI het van je overneemt? Laat hieronder een reactie achter om me te laten weten wat je denkt!

Ondertussen zijn hier enkele suggesties voor uitstekende plaatsen om meer te leren over AI en vaardigheden op te bouwen. Omdat er één ding is waar ik absoluut zeker van ben… AI komt eraan, en we moeten er klaar voor zijn.

Besteed ongeveer 45 minuten aan het begrijpen van AI en LLM’s als netwerkingenieur met deze geweldige tutorial van Kareem Iskander.

Investeer meer tijd in deze uitstekende Network Academy-cursus, Inleiding tot Moderne AI, met mijn nieuwe favoriete instructeur, Eddy Shyu. (Laat je niet afschrikken door het feit dat het op Network Academy staat. Het is fantastisch voor iedereen die een solide basis in AI wil krijgen.)

Duik diep in en versnel je hercertificeringsreis (34 voortgezette educatiepunten!) met AI-oplossingen op Cisco Infrastructure Essentials. Gratis in Cisco U. tot 26 april 2025, en met inhoud en video’s van 5xCCIE (en mijn held) Ahmed Moftah.