Den komplette guiden til Stack Automation: priser, funksjoner og avkastning

Trinn 1: Hva er Stack Automation, og hvordan fungerer det?

Stack Automation er en plattform for automatisert utrulling, utviklet av Cisco og Quali, som automatiserer hele prosessen fra rack til applikasjon og kutter utrullingstiden fra uker til timer. Den støtter utrulling av Cisco-programvare, tredjepartsapplikasjoner og ferdigpakkede løsninger for hele teknologistakken, basert på Cisco Validated Designs. I praksis velger du en blueprint fra en sentral katalog og angir variablene dine.

Plattformen orkestrerer deretter klargjøringen på tvers av fysiske og virtuelle miljøer og skylaget, i riktig rekkefølge ut fra avhengighetene.

Arbeidsflyten har tre faser:

1. Planlegging før utrulling (dag 0): Du finner hundrevis av ferdige blueprints i Solutions Hub. Hver av dem bygger på et Cisco Validated Design, så du velger den som passer maskinvaren og arbeidslasten din.
2. Utrulling (dag 1): Plattformen kjører blueprinten og klargjør nettverk, databehandling, lagring og applikasjoner i riktig rekkefølge. Vi bruker også Stack Automation til å rulle ut komplette løsninger som Cisco AI PODs gjennom et engangsoppdrag. Du kan også gjøre det selv.
3. Drift (dag 2): Plattformen overvåker utrullede miljøer for konfigurasjonsavvik, sammenligner tilstanden med den validerte blueprinten og knytter kostnader til teamene som har ansvaret.

Slik henger arkitekturen sammen:

Presset i markedet er reelt. Dette er ikke en gradvis utvikling, men et markant skifte: KI-arbeidslaster krever tett integrerte teknologistakker der nettverk, databehandling og lagring er forhåndsvalidert sammen, uten unntak. En gjennomgang av vårt eget nettsted gjorde problemet tydelig: Manuell klargjøring tok 40 % av den ukentlige kapasiteten til infrastrukturteamet vårt.

Da vi gikk over til blueprint-styrt utrulling, falt andelen til under 5 %.

Hvorfor blueprint-modellen er viktig

Tradisjonelle automatiseringsverktøy gir deg byggeklossene, men du må fortsatt sette dem sammen. Stack Automation gir deg ferdig sammensatte, validerte løsninger. Det er forskjellen på å kjøpe materialer og å kjøpe en ferdig vegg.

For AI PODs er dette særlig viktig fordi avhengighetene mellom klargjøring av GPU-er, konfigurasjon av nettverksinfrastruktur og lagringsnivåer er så komplekse at manuell sammenstilling gir uakseptabel risiko. Plattformen erstatter ikke automatiseringsverktøyene du allerede bruker. Den orkestrerer dem.

Terraform, Ansible, Helm og Python-skript kan alle legges inn som gjenbrukbare ressurser i Blueprint Designer. Du trenger altså ikke skrive automatiseringen på nytt, men kan sette sammen det du har.

Trinn 2: Sammenlign nivåene i Stack Automation: Essentials og Advantage

Plattformen finnes i to nivåer: Essentials (gratis) for standardutrullinger fra katalogen og Advantage (abonnement) for avansert tilpasning og GitOps. Skillet er enkelt, men konsekvensene er det ikke. Essentials gir deg tilgang til ferdige blueprints.

Advantage gir deg tilpasningen du trenger i produksjon.

Begge nivåene har en sentralisert Solutions Hub med hundrevis av ferdige blueprints for planlegging før utrulling. I Blueprint Designer kan brukere dra eksisterende automatiseringsressurser fra Terraform, Ansible, Helm og Python inn i arbeidsflyter. Derfra er forskjellene store.

Sammenligning av funksjoner

Skjulte kostnader i gratisnivået

Essentials ser gratis ut, og det er det. Men begrensningene merkes raskt:

• Du kan ikke endre blueprints slik at de passer den eksisterende nettverkstopologien din.
• Du får varsel om konfigurasjonsavvik, men problemet blir ikke rettet.
• Uten GitOps får du ingen versjonskontrollert historikk over utrullingene.
• Egne utrullinger av tredjepartsapplikasjoner er begrenset til et lite utvalg i katalogen.

Arbeidet med å bygge AiGrow gjorde én ting tydelig: Det er i gapet mellom «gratis» og «klart for produksjon» at de fleste team undervurderer kostnadene. Du sparer lisensutgifter, men bruker flere timer på manuell feilretting.

Priskalkulator

Hvilket nivå bør du velge?

Essentials passer best for: Små team som ruller ut standard Cisco AI PODs med lite behov for tilpasning. Pilotprosjekter og konseptutprøvinger der dere vil teste plattformen før dere setter av budsjett.

Advantage passer best for: Produksjonsmiljøer med flere team, tilpassede nettverkstopologier, CI/CD-pipelines basert på GitOps og integrasjon med tredjepartsapplikasjoner. Hvis retting av konfigurasjonsavvik er viktig for deg, er dette det eneste nivået som tilbyr det.

Her er et eksempel på en GitOps-webhook som Advantage bruker til å starte utrulling av en 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"
}

Trinn 3: Hvordan bruker Stack Automation agentbasert KI til automatisk feilretting?

Agentbasert KI i stakkautomatisering betyr at autonome KI-agenter, som NVIDIA NemoClaw og Claude, brukes til å generere, forbedre og reparere infrastrukturkonfigurasjoner under utrulling på dag 1, uten å låse deg til proprietære løsninger. Utrulling på dag 1 gir rask, automatisert klargjøring av fysisk, virtuell og skybasert infrastruktur. Agentlaget ligger i Blueprint Designer og arbeider med Terraform-, Ansible- og Python-ressursene du allerede har.

Prinsippet er enkelt, selv om teknikken bak er avansert. Når en blueprint kjøres, overvåker agentbasert KI utrullingen i sanntid. Hvis et konfigurasjonstrinn mislykkes, analyserer agenten feilen, genererer en korrigert konfigurasjon og prøver på nytt.

Ingen trenger å gripe inn, og saken havner ikke i en kø.

Hva skiller agentene fra hverandre?

Det avgjørende er at agentbaserte KI-verktøy genererer, forbedrer og reparerer konfigurasjoner uten proprietær leverandørlåsing. Terraform-modulene dine forblir Terraform-moduler, og Ansible-spillebøkene dine forblir Ansible-spillebøker. Agentene endrer inndata og parametere, ikke verktøykjeden de bygger på.

Et konkret eksempel

Tenk deg en utrulling der konfigurasjonen av nettverksstrukturen feiler fordi VLAN-merkingen ikke samsvarer med konfigurasjonen på den fysiske svitsjen. Tradisjonell automatisering stopper, melder en feil og venter på et menneske. Agentbasert KI i stakkautomatisering oppdager avviket, henter svitsjens tilstand via API, genererer VLAN-konfigurasjonen på nytt og gjentar utrullingen.

Slik ser selvreparasjonen ut:

Agenten logger hver endring den gjør, slik at du får et fullstendig revisjonsspor. Hvis du er uenig i rettelsen fra KI-en, kan du gå tilbake til den opprinnelige konfigurasjonen og gjøre din egen endring. Plattformen tar aldri en automatisert beslutning uten at du kan rulle den tilbake.

Hva betyr dette for dag 2?

Selvreparasjonen stopper ikke etter dag 1. Det samme agentlaget oppdager konfigurasjonsavvik under drift på dag 2. Hvis noen på teamet endrer en brannmurregel manuelt på en svitsj i produksjon, oppdager agenten avviket fra den validerte blueprinten.

Den klassifiserer endringen som tilsiktet eller utilsiktet og logger den eller setter i gang utbedring, avhengig av retningslinjene dine.

Her skiller stakkautomatisering seg fra generelle verktøy for infrastruktur som kode. KI-laget gir en tilbakemeldingssløyfe som de fleste plattformer mangler helt.

Et annet syn: Hvorfor levering av helhetlige løsninger ikke alltid er det beste valget

Levering av helhetlige løsninger passer ikke for alle. Vi har sett team skynde seg mot plattformer fra én leverandør, som stakkautomatisering, uten å spørre om miljøet deres faktisk passer til modellen. Noen ganger gjør det ikke det.

En plattform optimalisert for Cisco Validated Designs håndterer lokal infrastruktur svært godt. Det er i skyen og i containerbaserte miljøer det blir mer komplisert.

Plattformer for tjenesteorkestrering og automatisering (SOAP-er) er en videreutvikling av tradisjonell arbeidslastautomatisering (WLA), introdusert av Gartner. SOAP-er samordner spesialiserte automatiseringsverktøy i stedet for å erstatte dem, og fungerer som et knutepunkt for orkestrering i virksomheten. Stakkautomatisering fungerer svært godt innenfor Ciscos verktøysett.

Men hvis miljøet ditt omfatter AWS, Azure, Kubernetes-klynger og lokalt Cisco-utstyr, dekker ingen enkeltplattform alt like godt.

Når helhetlig levering kommer til kort

• Miljøer med flere skyleverandører, der hver sky har egne automatiseringsverktøy som går dypere enn en løsning på tvers av plattformer.
• Eldre systemer som ble utviklet før moderne API-basert automatisering og krever spesialskrevne integrasjonsskript.
• Miljøer med strenge krav til etterlevelse, der konfigurasjonsendringer må godkjennes av et endringsråd før utrulling.
• Team som allerede har investert tungt i en verktøykjede med Terraform Cloud, Ansible Automation Platform eller ArgoCD, og som delvis ville fått de samme funksjonene på nytt med en ny plattform.

Risikoen for enda flere verktøy

Å ta i bruk en ny orkestreringsplattform for å redusere antallet verktøy kan gi motsatt effekt hvis plattformen ikke tar opp i seg verktøyene dere allerede bruker. Hvis teamet bruker Terraform til skyen, Ansible til konfigurasjonsstyring, ArgoCD til Kubernetes og Jenkins til CI/CD, løser ikke stakkautomatisering problemet som et femte verktøy. Det gir dere et sjette.

Det riktige er å vurdere om plattformen blir et knutepunkt for orkestrering eller enda en silo. Stakkautomatisering integrerer eksisterende verktøy gjennom Blueprint Designer. Men hvor tett integrasjonen er, har betydning.

Et dra-og-slipp-grensesnitt rundt en Terraform-modul er ikke det samme som Terraform Cloud med innebygd håndheving av retningslinjer som kode.

Når én leverandør er et godt valg

Vi argumenterer ikke mot helhetlig levering. Vi argumenterer mot å velge det som standard. Plattformer fra én leverandør, som stakkautomatisering, passer best når:

1. Infrastrukturen din hovedsakelig er fra Cisco. 2. Du ruller ut KI-arbeidslaster som har nytte av forhåndsvaliderte design for hele stakken.
2. Teamet ditt trenger veiledede arbeidsflyter fordi det mangler inngående kompetanse på automatisering.
3. Du starter fra bunnen av uten investeringer i en eksisterende verktøykjede.

Hvis alle fire punktene gjelder deg, er stakkautomatisering et godt valg. Hvis to eller færre gjelder, bør du vurdere SOAP-er som samordner verktøyene du allerede har, før du legger til en ny plattform.

Trinn 4: Vurdering av stakkautomatisering for hybride IT-miljøer

Stakkautomatisering bestilles gjennom Cisco CCW via en Cisco-partner. Det forteller deg noe viktig: Dette er en plattform sentrert rundt Cisco. Den markedsføres ikke som et leverandørnøytralt orkestreringsverktøy. Det er viktig å ha dette klart for seg før du vurderer den for hybride miljøer.

Plattformen kan rulle ut infrastruktur fra andre leverandører enn Cisco gjennom Blueprint Designer, men de ferdige blueprintene er i all hovedsak rettet mot Cisco. Vi bruker stakkautomatisering til å rulle ut helhetlige løsninger som Cisco AI PODs gjennom et engangsoppdrag. For maskinvare fra andre leverandører må du bygge egne blueprinter fra bunnen av.

Slik er det i hybride IT-miljøer

Forutsetninger for utrulling av utstyr fra andre leverandører enn Cisco

Før du tar i bruk stakkautomatisering i et hybridmiljø, må du kontrollere følgende: Du trenger API-tilgang til hver komponent som ikke er fra Cisco, tilgang til Advantage-nivået for å bygge egne blueprinter og ansvar for å validere maskinvare fra andre leverandører, siden Cisco Validated Designs ikke dekker den. Ciscos støtte dekker plattformen og Cisco-blueprinter, men utrullingsproblemer med utstyr fra andre leverandører må håndteres med den aktuelle leverandøren.

Stakkautomatiseringens plass blant SOAP-verktøyene

Stakkautomatisering er ikke en SOAP slik Gartner definerer begrepet, men en plattform for automatisert utrulling med et snevrere bruksområde. En SOAP samordner arbeidslaster på tvers av hele virksomheten. Stakkautomatisering orkestrerer utrulling av infrastruktur innenfor en bestemt stakk.

Hvis du allerede har en SOAP, er spørsmålet om stakkautomatisering kan integreres med den, eller om løsningene vil konkurrere med hverandre. Svaret avhenger av hvor modent API-et til SOAP-en er. De fleste moderne SOAP-er tilbyr REST-API-er som kan utløse utrullinger med stakkautomatisering som del av en større arbeidsflyt.

Integrasjonen fungerer, men er ikke dypt innebygd.

En realistisk vurdering

Dette er vår ærlige vurdering etter å ha evaluert plattformen i blandede miljøer: Stakkautomatisering utmerker seg der Cisco dominerer infrastrukturen. I blandede miljøer kan den fungere, men krever mye arbeid. Den er feil verktøy hvis over 90% av infrastrukturen din ikke er fra Cisco.

Beslutningsgrunnlaget er enkelt:

Stakkautomatisering kan gjøre miljøet mer komplisert når plattformens forutsetninger ikke stemmer med virkeligheten. Vurder hvilke grensesnitt den støtter, hvem som har driftsansvaret, hvordan feil håndteres, og hvilke arbeidslaster den skal brukes til før du tar den i bruk.

Trinn 5: Slik beregner du avkastningen og unngår leverandørlåsing med stakkautomatisering

For å beregne avkastningen på Stack Automation trenger du konkrete tall, ikke vage påstander om produktivitet. Her går vi gjennom et regneeksempel med tall du kan tilpasse ditt eget miljø.

Formel for avkastning

Avkastningen kommer fra tre kilder: mindre tid brukt på klargjøring, færre konfigurasjonsfeil og mindre arbeid med å rette opp konfigurasjonsavvik etter utrulling. Stack Automation overvåker utrullede miljøer for å oppdage avvik fra validerte maler og knytter kostnadene til teamene som har ansvaret. Plattformen er laget for å binde sammen planleggingen før utrulling og den løpende driften, slik at risikoen ved å være avhengig av én person eller komponent blir mindre.

Regneeksempel

Se for deg en mellomstor virksomhet som ruller ut 4 AI PODs per kvartal. Slik fordeler kostnadene seg:

Det gir en årlig besparelse på $60,000. Du når balansepunktet i måned 8 av år 1. Ved utgangen av år 2 har plattformen betalt for seg selv og gitt $72,000 i netto besparelse.

Slik unngår du leverandørbinding

Bekymringen for leverandørbinding er berettiget. Slik begrenser Stack Automation risikoen:

1. Åpen verktøykjede: Terraform-modulene, Ansible-spillebøkene og Python-skriptene dine kan fortsatt brukes andre steder. Plattformen orkestrerer dem uten å skrive dem om til proprietære formater.
2. Eksport: Maler kan eksporteres som standard IaC-artefakter. Du blir ikke låst til et proprietært DSL.
3. API-først: Alle plattformfunksjoner er tilgjengelige via REST API. Du kan bygge en alternativ orkestrering oppå plattformen hvis du trenger det.
4. Innsyn i agentene: Konfigurasjoner for KI-agenter loggføres og kan reverseres. Ingen endringer skjer i en svart boks.

Markedet som bakteppe for investeringen

Markedet er i endring. Spørsmålet er ikke om du skal investere i automatisering, men hvilken plattform som passer miljøet ditt.

Slik oppdages konfigurasjonsavvik

Teknisk fungerer avviksoppdagelse etter utrulling slik:

{
 "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"
 }
}

Dette er dataene teamene med ansvar får. Å knytte kostnader til ansvarlige team er ikke bare en nyttig tilleggsfunksjon. Det er slik teamene kan holdes ansvarlige for infrastrukturen de bruker. Uten dette kan kostnadene til sky og lokal infrastruktur vokse i det stille.

Konklusjon

Passer best til automatisering av infrastruktur: Miljøer der Cisco dominerer og som ruller ut KI-arbeidslaster. Her kan forhåndsvaliderte maler redusere risikoen og tiden brukt på klargjøring. Det gjelder også team som ønsker veiledet utrulling uten å bygge automatiseringen fra bunnen av.

Passer dårligere til: Miljøer som prioriterer flere skyleverandører, allerede har investert tungt i egne verktøykjeder og bruker lite Cisco-maskinvare. Det gjelder også team som trenger leverandørnøytral orkestrering på tvers av ulike typer infrastruktur. Men hva med særtilfellene?