AI Agent不只寫文案，還能修IT？思科推Cisco Cloud Control，用自然語言找出網路與資安瓶頸

AI Agent 不只會寫文案、整理資料，下一步還可能進入企業 IT 後台，協助工程師找出網路、資安、應用與會議系統的問題來源。台灣思科技術長謝奇霖今（7）日在「Cisco Connect 台北 2026」指出，代理式 AI 已不再只是即將到來，而是企業已經身處其中；當 AI agent 開始接手任務，企業維運模式也將從「人找問題」走向「AI 整合資料、提出判斷」。

謝奇霖指出，根據思科調查，一個 AI agent 在處理同一項任務時，所產生的流量會比人類處理同樣任務多出約450%。他表示，這對企業基礎架構會形成很大壓力，「路不夠寬、品質不夠好，就會產生延遲」，進而成為 AI 發展的阻礙。

思科近期在 Cisco Live 發布多項 AI 相關創新，其中一項重點就是思科雲端控制平台（Cisco Cloud Control）。官方新聞稿指出，Cisco Cloud Control 以 Cisco Data Fabric 為底層架構，提供單一管理介面與統一數據層，將思科在網路、資安、運算、可視性及協同作業領域的產品整合到同一環境，使 AI 代理與人類維運人員能在相同操作情境、相同訊號與相同行動系統下工作。

謝奇霖說，Cisco Cloud Control 可支援思科自身產品，也能與第三方 AI 生態系整合，企業客戶可以自帶 AI agent，也可以自訂工作流程。對維運人員來說，它的操作體驗接近一般生成式 AI：透過一個統一對話視窗與工作平面，用自然語言提出問題，再由系統整合不同平台資料，協助判斷問題來源。

謝奇霖以「會議分享應用程式為什麼這麼慢」作為例子。過去企業遇到這類問題，網路部門、會議系統部門、安全部門、應用部門往往各自檢查自己的系統，最後常常出現每個部門都認為「不是我的問題」，導致問題難以快速定位。

但在 Cisco Cloud Control 上，維運人員可以直接向 AI agent 詢問同一個問題。系統會整合網路、會議、資安與應用資料，進一步判斷問題來源。謝奇霖說，在這個案例中，AI agent 可能會指出，會議分享應用程式變慢並非單純網路問題，而是因為資料分享過程中的安全掃描流程卡住，導致使用者體驗下降。

這樣的改變，讓 IT 維運從過去跨部門追查、各自開系統比對資料，轉為由 AI 先整合訊號、判斷可能原因，再由工程師進一步確認與處置。對企業而言，AI agent 的角色不是完全取代維運人員，而是縮短問題定位時間，降低跨系統溝通成本。

謝奇霖也指出，隨著 AI 應用深入企業場景，語言模型也必須走向專業分工。ChatGPT、Gemini、Claude 等屬於通用模型，但企業 IT 維運場景往往需要更精準、低延遲、能理解網路與資安語境的專家模型。

他表示，思科成立40多年，在網路產業累積大量經驗，因此也訓練出深度網路模型，並針對不同產品線建立特定任務模型，例如安全模型、會議使用者體驗模型等。當客戶提出任務時，系統可以先拆解需求，再交由不同專家模型處理，藉此提高特定企業維運場景下的準確性與反應速度。

這也是思科把 AgenticOps 視為 AI 時代維運核心的原因。AgenticOps 並不只是把聊天機器人放進 IT 後台，而是把網路、資安、可視性、應用與協作資料整合成 AI 可理解、可執行的訊號，讓維運工作從被動處理告警，轉向更主動的問題發現與處置。

在資料基礎上，思科也把 Splunk 視為 AI 維運架構的重要一環。林岳田指出，思科兩年多前收購 Splunk，補上資料平台、SOC 與 SIEM 能力，再結合過去收購 AppDynamics 等可觀測性資產，目的就是讓企業能掌握端到端可視性。

思科也指出，基於 Splunk 平台的 Cisco Data Fabric 橫跨網路、資安、應用與基礎架構，提供全端可視性，並將分散環境中的大量數據轉化為關鍵情報與 AI 可執行洞察，協助資安團隊以更高效率推動安全維運。

換言之，企業導入 AI Agent 之後，真正的挑戰不只是「有沒有模型」，而是資料能不能被整合、情境化，並轉化成可行動的判斷。對 IT 團隊來說，未來工作重心也可能從逐一排查系統，轉向管理 AI agent、驗證 AI 建議、下達處置策略，並追蹤結果是否真正解決問題。