Den store guide til Stack Automation: priser, funktioner og afkast

Trin 1: Hvad er Stack Automation, og hvordan fungerer det?

Stack Automation er en implementeringsplatform udviklet i fællesskab af Cisco og Quali. Den automatiserer hele arbejdsgangen fra rack til applikation og reducerer implementeringstiden fra uger til timer. Den understøtter implementering af Cisco-software, tredjepartsapplikationer og færdigpakkede løsninger til hele teknologistakken med den sikkerhed, som Cisco Validated Designs giver.

I praksis vælger du et blueprint fra et centralt katalog og konfigurerer derefter dine variabler. Platformen orkestrerer klargøringen på tværs af fysiske, virtuelle og cloudbaserede lag i en rækkefølge, der nøje følger afhængighederne.

Den centrale arbejdsgang har 3 faser:

1. Planlægning på dag 0: Du gennemser Solutions Hub med hundredvis af færdige blueprints. Hvert blueprint svarer til et Cisco Validated Design, så du vælger blot det, der passer til din hardware og arbejdsbelastning.
2. Implementering på dag 1: Platformen udfører blueprintet og klargør netværk, beregningsressourcer, lager og applikationer i den rækkefølge, som afhængighederne kræver. Vi bruger også Stack Automation til at implementere løsninger til hele teknologistakken som Cisco AI PODs gennem en serviceaftale, der indgås én gang. Du kan også gøre det selv.
3. Drift fra dag 2: Platformen overvåger implementerede miljøer for konfigurationsafvigelser, sammenligner den aktuelle tilstand med det validerede blueprint og henfører omkostninger til de ansvarlige teams.

Sådan hænger arkitekturen sammen:

Presset fra markedet er reelt. Det er ikke en gradvis udvikling, men et markant skift, fordi AI-arbejdsbelastninger kræver tæt integrerede teknologistakke, hvor konfigurationer af netværk, beregningsressourcer og lager altid er valideret samlet på forhånd. En scanning af vores eget website gjorde problemet tydeligt: Manuel klargøring lagde beslag på 40 % af vores infrastrukturteams ugentlige kapacitet.

Da vi gik over til implementering baseret på blueprints, faldt det til under 5 %.

Hvorfor blueprintmodellen er vigtig

Traditionelle automatiseringsværktøjer giver dig byggestenene, men du skal stadig selv samle dem. Stack Automation giver dig derimod færdige, validerede løsninger. Det svarer til forskellen mellem at købe tømmer og en præfabrikeret væg.

For AI PODs er det særligt vigtigt, fordi afhængighederne mellem klargøring af GPU'er, konfiguration af netværksinfrastruktur og lagerniveauer er så komplekse, at manuel samling medfører en uacceptabel risiko. Platformen erstatter ikke dine eksisterende automatiseringsværktøjer. Den orkestrerer dem.

Terraform, Ansible, Helm og Python-scripts kan alle kobles til Blueprint Designer som genanvendelige elementer. Du skal altså ikke skrive din automatisering om, men sætte den sammen på en ny måde.

Trin 2: Sammenlign Stack Automation-niveauerne: Essentials og Advantage

Platformen fås på 2 niveauer: Essentials (gratis) til standardimplementeringer fra kataloget og Advantage (abonnement) til avanceret tilpasning og GitOps. Opdelingen er enkel, men konsekvenserne er det ikke. Med Essentials kan du komme i gang med færdige blueprints.

Advantage giver mulighed for den tilpasning, der kræves i produktion.

Begge niveauer har adgang til en central Solutions Hub med hundredvis af færdige blueprints til planlægning på dag 0. Med Blueprint Designer kan brugere trække eksisterende automatiseringselementer fra Terraform, Ansible, Helm og Python ind i arbejdsgange. Men her skilles vejene markant.

Sammenligning af funktioner

Skjulte omkostninger ved gratisniveauet

Essentials ser gratis ud, og det er det også. Men begrænsningerne vokser hurtigt:

• Du kan ikke ændre blueprints, så de passer til din eksisterende netværkstopologi.
• Du får besked om konfigurationsafvigelser, men de bliver ikke rettet.
• Uden GitOps får du ingen versionsstyret historik over implementeringer.
• Implementering af egne tredjepartsapplikationer er begrænset til et mindre katalog.

Arbejdet med AiGrow gjorde én ting tydelig: Forskellen mellem "gratis" og "klar til produktion" er dér, hvor de fleste teams undervurderer omkostningerne. Du sparer på licensen, men bruger timer på manuel udbedring.

Prisberegner

Hvilket niveau skal du vælge?

Essentials passer bedst til: Små teams, der implementerer standardiserede Cisco AI PODs med minimal tilpasning. Pilotprojekter og proof of concept-implementeringer, hvor du vil afprøve platformen, før du afsætter budget.

Advantage passer bedst til: Produktionsmiljøer med flere teams, egne netværkstopologier, CI/CD-pipelines baseret på GitOps og integration af tredjepartsapplikationer. Hvis det er vigtigt for dig at få udbedret konfigurationsafvigelser, er dette det eneste niveau, der kan det.

Her er et eksempel på den GitOps-webhook-payload, som Advantage bruger til at udløse implementeringen af et blueprint:

{
  "event": "push",
  "repository": "infra/ai-pod-configs",
  "branch": "production",
  "blueprint": "cisco-ai-pod-nvidia-h100",
  "variables": {
    "gpu_count": 8,
    "storage_tier": "premium",
    "network_fabric": "aci"
  },
  "trigger": "stack-automation-advantage",
  "validation": "cisco-validated-design"
}

Trin 3: Hvordan bruger Stack Automation agentbaseret AI til automatisk udbedring?

Agentbaseret AI i stackautomatisering betyder, at autonome AI-agenter som NVIDIA NemoClaw og Claude integreres for at generere, forbedre og selv rette infrastrukturkonfigurationer under day-1-implementering, uden at du bindes til proprietære løsninger. Day-1-implementering gør det muligt hurtigt og automatisk at klargøre fysisk, virtuel og cloudbaseret infrastruktur. Agentlaget ligger i Blueprint Designer og arbejder med dine eksisterende Terraform-, Ansible- og Python-ressourcer.

Princippet er enkelt, selv om teknikken bag er kompleks. Når et blueprint køres, overvåger den agentbaserede AI implementeringen i realtid. Hvis et konfigurationstrin fejler, analyserer agenten fejlen, genererer en rettet konfiguration og prøver igen.

Det kræver ingen menneskelig indgriben, og der oprettes ingen supportsag.

Sådan adskiller agenterne sig

Det afgørende er, at agentbaserede AI-værktøjer genererer, forbedrer og selv retter konfigurationer uden proprietær leverandørbinding. Dine Terraform-moduler forbliver Terraform-moduler, og dine Ansible-playbooks forbliver Ansible-playbooks. Agenterne ændrer input og parametre, ikke de underliggende værktøjer.

Et konkret eksempel

Forestil dig en implementering, hvor konfigurationen af netværksstrukturen fejler, fordi VLAN-tagging ikke stemmer overens med konfigurationen på den fysiske switch. Traditionel automatisering stopper, melder en fejl og venter på et menneske. Agentbaseret AI i stackautomatisering opdager uoverensstemmelsen, henter switchens status via API, genererer VLAN-konfigurationen på ny og implementerer igen.

Sådan ser forløbet for selvheling ud:

Agenten logger hver eneste ændring. Du får et fuldt revisionsspor. Hvis du er uenig i AI'ens rettelse, kan du gå tilbage til den oprindelige konfiguration og anvende din egen. Platformen gennemtvinger aldrig en automatisk beslutning uden mulighed for at rulle den tilbage.

Hvad betyder det for day-2?

Selvheling stopper ikke efter day-1. Det samme agentlag registrerer konfigurationsafvigelser under day-2-drift. Hvis et teammedlem manuelt ændrer en firewallregel på en switch i produktion, opdager agenten afvigelsen fra det validerede blueprint, vurderer, om ændringen er tilsigtet eller utilsigtet, og logger den eller iværksætter udbedring ud fra dine politikindstillinger.

Her adskiller stackautomatisering sig fra generelle infrastructure-as-code-værktøjer. AI-laget tilføjer en feedbackmekanisme, som de fleste platforme slet ikke har.

Det kritiske perspektiv: Hvorfor levering af en samlet stackløsning ikke altid er det bedste valg

Levering af en samlet stackløsning er ikke svaret på alt. Vi har set teams skynde sig over på platforme fra én leverandør, såsom stackautomatisering, uden først at spørge, om deres miljø faktisk passer til modellen. Det gør det ikke altid.

En platform, der er optimeret til Cisco Validated Designs, håndterer det lokale infrastrukturlag glimrende. Det bliver mere kompliceret i cloud- og containerlagene.

Platforme til tjenesteorkestrering og automatisering (SOAPs) er en videreudvikling af traditionel automatisering af arbejdsbelastninger (WLA), introduceret af Gartner. SOAPs koordinerer specialiserede automatiseringsværktøjer i stedet for at erstatte dem og fungerer som et centralt orkestreringspunkt i virksomheden. Stackautomatisering er fremragende til det, den gør inden for Ciscos værktøjssæt.

Men hvis dit miljø omfatter AWS, Azure, Kubernetes-clustre og lokalt Cisco-hardware, dækker ingen enkelt platform det hele lige godt.

Hvor levering af en samlet stackløsning kommer til kort

• Multicloudmiljøer, hvor hver cloud har sine egne automatiseringsværktøjer med flere muligheder end en tværgående platform kan tilbyde.
• Ældre systemer, der stammer fra tiden før moderne API-baseret automatisering og kræver specialbyggede integrationsscripts.
• Miljøer med strenge compliancekrav, hvor konfigurationsændringer skal godkendes af et ændringsudvalg før implementering.
• Teams, der allerede har investeret betydeligt i deres værktøjer, eksempelvis Terraform Cloud, Ansible Automation Platform eller ArgoCD, hvor en ny platform delvist ville duplikere eksisterende funktioner.

Risikoen for endnu flere værktøjer

En ny orkestreringsplatform kan faktisk give flere værktøjer i stedet for færre, hvis den ikke overtager de eksisterende værktøjers opgaver. Hvis dit team bruger Terraform til cloud, Ansible til konfigurationsstyring, ArgoCD til Kubernetes og Jenkins til CI/CD, løser det ikke problemet at tilføje stackautomatisering som et femte værktøj. Det tilføjer et sjette.

Undersøg derfor, om platformen bliver et centralt orkestreringspunkt eller endnu en silo. Stackautomatisering integrerer eksisterende værktøjer via Blueprint Designer. Men integrationens dybde er afgørende.

En træk-og-slip-grænseflade omkring et Terraform-modul er ikke det samme som Terraform Cloud med indbygget håndhævelse af politikker som kode.

Hvornår én leverandør giver mening

Vi argumenterer ikke imod levering af en samlet stackløsning. Vi argumenterer imod at vælge den som standard. Platforme fra én leverandør, såsom stackautomatisering, giver mest mening, når:

1. Din infrastruktur overvejende er fra Cisco. 2. Du implementerer AI-arbejdsbelastninger, der har gavn af forhåndsvaliderede designs til hele stacken.
2. Dit team har brug for guidede arbejdsgange, fordi det ikke har indgående erfaring med automatisering.
3. I starter fra bunden uden eksisterende investeringer i værktøjer.

Hvis alle fire punkter passer, er stackautomatisering et godt valg. Hvis højst to passer, bør du undersøge SOAPs, der kan koordinere dine eksisterende værktøjer, før du tilføjer en ny platform.

Trin 4: Vurdér stackautomatisering til hybride IT-miljøer

Stackautomatisering bestilles gennem Cisco CCW via en hvilken som helst Cisco-partner. Det fortæller noget væsentligt: Platformen er centreret om Cisco. Den markedsføres ikke som et leverandørneutralt orkestreringsværktøj. Den præmis skal du forstå, før du vurderer den til hybride miljøer.

Platformen kan implementere infrastruktur fra andre leverandører via Blueprint Designer, men langt de fleste færdige blueprints er stadig rettet mod Cisco. Vi bruger stackautomatisering til at implementere løsninger til hele stacken, såsom Cisco AI PODs, som et enkeltstående serviceprojekt. Til hardware fra andre leverandører skal du bygge tilpassede blueprints fra bunden.

Virkeligheden i hybrid IT

Forudsætninger for implementering uden for Cisco

Før du bruger stackautomatisering i et hybridt miljø, skal du kontrollere disse forudsætninger: Du skal have API-adgang til hver komponent fra andre leverandører, adgang til Advantage-niveauet for at bygge tilpassede blueprints og selv stå for validering af hardware, der ikke er fra Cisco, da Cisco Validated Designs ikke dækker den. Cisco-support dækker platformen og Cisco-blueprints, men problemer med implementering af løsninger fra andre leverandører kræver, at du kontakter den pågældende leverandør særskilt.

Stackautomatiseringens plads blandt SOAP-værktøjer

Stackautomatisering er ikke en SOAP i Gartners definition, men en platform til automatiseret implementering med et snævrere anvendelsesområde. En SOAP koordinerer arbejdsbelastninger på tværs af hele virksomheden. Stackautomatisering orkestrerer implementering af infrastruktur inden for en bestemt stack.

Hvis du allerede har en SOAP, er spørgsmålet, om stackautomatisering spiller sammen med den eller konkurrerer med den. Svaret afhænger af, hvor modent din SOAPs API er. De fleste moderne SOAPs stiller REST-API'er til rådighed, som kan udløse implementeringer med stackautomatisering som led i en større arbejdsgang.

Integrationen fungerer, men er ikke dybt indbygget.

En realistisk vurdering

Her er vores ærlige vurdering efter at have evalueret platformen i blandede miljøer: Stackautomatisering fungerer særdeles godt i infrastruktur domineret af Cisco. I blandede miljøer kan den bruges, men det kræver en betydelig indsats. Den er det forkerte værktøj, hvis over 90% af din infrastruktur ikke er fra Cisco.

Beslutningsmodellen er enkel:

Stackautomatisering kan øge kompleksiteten, når platformens forudsætninger ikke passer til miljøet. Vurdér understøttede grænseflader, driftsansvar, fejlhåndtering og arbejdsbelastning, før du tager den i brug.

Trin 5: Sådan beregner du ROI og undgår leverandørbinding med stackautomatisering

Når du skal beregne ROI for Stack Automation, har du brug for konkrete tal, ikke løse påstande om produktivitet. Her gennemgår vi et regneeksempel med tal, som du kan tilpasse til dit eget miljø.

Formlen for ROI

Din ROI kommer fra tre kilder: mindre tid brugt på klargøring, færre konfigurationsfejl og mindre arbejde med at rette konfigurationsafvigelser i den løbende drift. Stack Automation overvåger implementerede miljøer for at opdage afvigelser fra validerede blueprints og knytter omkostningerne til de ansvarlige teams. Platformen er udviklet til at skabe sammenhæng mellem planlægning på dag 0 og drift fra dag 2, så risikoen ved at være afhængig af én person eller komponent mindskes.

Regneeksempel

Forestil dig en mellemstor virksomhed, der implementerer 4 AI PODs pr. kvartal. Sådan ser omkostningerne ud.

Det giver en årlig besparelse på $60,000. Investeringen er tjent hjem i måned 8 af år 1, og ved udgangen af år 2 har platformen både betalt sig selv og givet en nettobesparelse på $72,000.

Undgå leverandørafhængighed

Bekymringen for at blive bundet til én leverandør er reel. Sådan mindsker Stack Automation risikoen:

1. Åben værktøjskæde: Dine Terraform-moduler, Ansible-playbooks og Python-scripts kan fortsat bruges andre steder. Platformen orkestrerer dem uden at omskrive dem til proprietære formater.
2. Mulighed for eksport: Blueprints kan eksporteres som standardiserede IaC-artefakter. Du er ikke låst til et proprietært DSL.
3. API som udgangspunkt: Alle platformens funktioner er tilgængelige via et REST API. Du kan bygge din egen orkestrering ovenpå, hvis du får brug for det.
4. Gennemsigtighed i agenternes arbejde: Konfigurationer foretaget af AI-agenter logges og kan rulles tilbage. Ingen ændringer sker i en sort boks.

Markedet som baggrund for investeringen

Markedet er i bevægelse. Spørgsmålet er ikke, om du skal investere i automatisering, men hvilken platform der passer til dit miljø.

Sådan opdages konfigurationsafvigelser

Teknisk fungerer opdagelse af afvigelser fra dag 2 sådan:

{
 "drift_event": {
 "environment": "ai-pod-production-01",
 "component": "network_fabric",
 "expected_state": {"vlan": 100, "mtu": 9000},
 "actual_state": {"vlan": 100, "mtu": 1500},
 "severity": "high",
 "owning_team": "network-ops",
 "monthly_cost_attribution": {
 "compute": "$12,400",
 "storage": "$3,200",
 "network": "$1,800",
 "team": "network-ops"
 },
 "remediation_action": "agent_auto_fix_pending_approval",
 "blueprint_reference": "cisco-ai-pod-nvidia-h100-v3"
 }
}

Det er disse data, de ansvarlige teams får. Fordeling af omkostninger er ikke blot en ekstra fordel. Det er den mekanisme, der gør hvert team ansvarligt for den infrastruktur, det bruger. Uden den kan udgifterne til cloud og lokal infrastruktur vokse ubemærket.

Samlet vurdering

Bedst til automatisering med Stack Automation: Miljøer med primært Cisco-udstyr, som implementerer AI-workloads, og hvor forhåndsvaliderede blueprints mindsker risikoen og forkorter klargøringstiden. Det gælder også teams, der ønsker en guidet implementering uden at bygge automatiseringen fra bunden.

Mindre velegnet til: Miljøer, der først og fremmest bruger flere cloududbydere, allerede har investeret betydeligt i deres værktøjskæde og kun har lidt Cisco-hardware. Det gælder også teams, der har brug for leverandørneutral orkestrering på tværs af forskellig infrastruktur. Men hvad med særtilfældene?