AI op machine data,
met de herkomst erbij.
Managed AI Services zet AI in op je machine data, met assurance, een intelligence layer en agents die binnen jouw grenzen werk doen. Elk antwoord is terug te voeren op de gebeurtenis eronder, want zonder herkomst is een AI-uitkomst geen bewijs. Algemene AI-projecten buiten machine data doen we niet.
AI op machine data, met de herkomst erbij.
De bovenste laag van ons model. Geen algemene AI-projecten. Wij doen AI op het soort data waar wij al jaren in zitten: logs, events, metrics en traces. Dat is een bewuste afbakening. Op machine data weten we wat een uitkomst betekent, kunnen we hem terugleiden naar de bron, en durven we er een besluit op te baseren.
Waarom machine data.
Machine data is het enige soort data dat zichzelf verantwoordt: elke regel heeft een tijdstip, een bron en een aanleiding. Dat maakt hem geschikt voor AI op een manier waarop vrije tekst dat niet is. Je kunt achteraf aanwijzen waar een uitkomst vandaan kwam.
Veel AI-initiatieven starten op data waarvan niemand de herkomst of kwaliteit kent. Het resultaat oogt overtuigend en is niet te verantwoorden. Wij draaien het om: eerst de datalaag op orde, dan pas modellen, en pas daarna agents die iets mogen doen.
Kun je uitleggen waar het antwoord vandaan komt?
Als dat niet lukt, is het geen antwoord maar een gok met een mooie grafiek. Herkomst en reproduceerbaarheid zijn geen bureaucratie: ze zijn de reden dat je een uitkomst durft te gebruiken, en straks de reden dat je een agent iets laat uitvoeren.
AI Assurance.
Toezicht op wat er in een model gaat en wat eruit komt. De laag die je nodig hebt voordat iemand binnen je organisatie AI gebruikt voor iets dat ertoe doet, en de laag waar een auditor naar vraagt.
- Herkomst en kwaliteit van de gebruikte data vastgelegd, per bron
- Toegang en governance: wie mag welke data gebruiken, en wat mag er níét in
- Audit trail van AI-gebruik: welke vraag, welk model, welke data, welk antwoord
- Toetsing op afwijkend gedrag: verandert de uitkomst terwijl de vraag gelijk bleef?
- Aansluiting op je bestaande compliance-afspraken en op de AI-verordening
Niemand weet wat het model gezien heeft .
Een model dat een goed antwoord geeft op verkeerde data geeft nog steeds een verkeerd antwoord. Assurance is niet het remmen van AI-gebruik. Het is de reden dat je het breder durft toe te laten.
Bespreek assuranceWat het in de praktijk doet .
- Afwijkingen herkennen die geen drempelwaarde vangt
- Duizend alarmen terugbrengen tot twintig clusters met een gemene deler
- Voorspellen wanneer je tegen een capaciteitsgrens aanloopt
- Een vraag in gewone taal omzetten naar een zoekopdracht op je eigen data
- Een storing samenvatten in de tijdlijn die eraan voorafging
AI Intelligence Layer.
Een laag bovenop je platform die machine data leest zoals een ervaren beheerder dat doet: patronen zien, afwijkingen opmerken, verbanden leggen die je met een vaste drempelwaarde nooit vangt.
Wij bouwen en beheren die laag op het platform dat je al hebt. Geen apart product ernaast, geen tweede plek waar je data heen moet. Elk resultaat blijft doorklikbaar naar de onderliggende gebeurtenissen. Anders is het geen inzicht maar een bewering.
En net als bij dashboards: wat niets oplevert, gaat eruit. Ook een model dat mooi werkt maar waar niemand naar handelt.
Agentic AI.
De stap van signaleren naar doen. Agents die zelfstandig onderzoeken, verrijken en voorbereiden, en die pas iets uitvoeren binnen grenzen die jij vooraf hebt vastgelegd.
- Onderzoeken: bij een melding zelf de context ophalen: wat gebeurde eromheen, is dit eerder voorgekomen, welke wijziging ging eraan vooraf
- Verrijken: het ticket gevuld aanleveren, met tijdlijn en eerste diagnose, zodat een engineer begint waar het onderzoek ophield
- Voorstellen: een vervolgstap met onderbouwing, niet alleen een conclusie
- Uitvoeren binnen mandaat: alleen wat expliciet is toegestaan, met een terugrolpad en een audit trail van elke actie
Wij bouwen dit stapsgewijs op. Eerst alleen onderzoeken en voorstellen, en pas uitvoeren als uit de praktijk blijkt dat de voorstellen klopten. Dat is geen voorzichtigheid om de voorzichtigheid: een agent die de verkeerde actie uitvoert kost je meer dan de storing die hij moest oplossen.
Een agent krijgt nooit meer rechten dan een nieuwe collega.
Dezelfde regel als bij mensen: eerst meekijken, dan voorstellen doen, dan handelen binnen een afgebakend mandaat. Met dit verschil dat een agent alles opschrijft wat hij deed, en dat maakt hem in een audit makkelijker te verantwoorden dan een mens.
Praat over agentic AIWat zou een agent bij jullie als eerste mogen uitzoeken?.
Begin daar, zonder uitvoerrechten. Als de voorstellen kloppen, breid je het mandaat uit.