AI in de Praktijk: Hoe Rackspace Operationele AI Toepast

Sophie Jansen · 2026-02-04

Als je met AI aan de slag wilt, kom je al snel bekende obstakels tegen. Rommelige data, onduidelijk eigenaarschap, governance-hiaten en de kosten van modellen in productie. Rackspace kijkt hiernaar door de lens van service delivery, security en cloudmodernisering. Dat zegt veel over waar hun eigen inspanningen liggen. ### RAIDER: AI voor Cyberbeveiliging Een van de duidelijkste voorbeelden van operationele AI bij Rackspace vind je in hun security-tak. Eind januari introduceerden ze RAIDER, een platform voor hun interne cyber defense center. Security-teams worden overspoeld met alerts en logs. Handmatig regels schrijven schaalt gewoon niet. RAIDER combineert threat intelligence met workflows voor detectie en gebruikt hun AI Security Engine (RAISE) en LLM's om detectieregels te automatiseren. Ze claimen dat de ontwikkeltijd hiermee meer dan gehalveerd is. Dat is nou precies het soort interne procesverbetering dat ertoe doet.  ### Agentic AI voor Complexe Migraties Rackspace zet ook 'agentic AI' in om complexe engineeringprojecten soepeler te laten verlopen. Denk aan het moderniseren van VMware-omgevingen op AWS. In hun model nemen AI-agenten dataintensieve analyses en repetitieve taken over. Maar het architectonisch oordeel, governance en zakelijke beslissingen? Die blijven bij de mens. Deze workflow voorkomt dat senior engineers vast komen te zitten in migratieprojecten. Het doel is om ook de 'day two'-operaties mee te nemen – het punt waarop veel migraties stranden omdat de infrastructuur wel, maar de werkwijze niet is gemoderniseerd. ### Van Reactief naar Predictief Beheer Daarnaast schetst het bedrijf een beeld van AI-gestuurde operaties waar monitoring predictiever wordt. Routine-incidenten worden afgehandeld door bots en automatiserscripts. Telemetrie en historische data worden gebruikt om patronen te spotten en oplossingen aan te dragen. Dit is weliswaar conventionele AIOps-taal, maar Rackspace koppelt het aan managed services. Dat suggereert dat ze AI gebruiken om arbeidskosten in operationele pijplijnen te verlagen, naast de bekendere toepassingen aan de klantzijde. In een post over AI-enabled operations benadrukt het bedrijf het belang van een focusstrategie, governance en operating models. Ze specificeren de benodigde 'machinerie' om AI te industrialiseren, zoals de keuze voor infrastructuur gebaseerd op training, fine-tuning of inference. Veel taken zijn relatief licht en kunnen inference lokaal op bestaande hardware draaien. Rackspace noemt vier terugkerende barrières voor AI-adoptie: - Gefragmenteerde en inconsistente data - Onduidelijk eigenaarschap - Governance-hiaten - De kosten van modellen in productie Ze adviseren investeringen in integratie en datamanagement, zodat modellen op een consistent fundament staan. Dit standpunt is niet uniek, maar dat een grote, technologisch gedreven speler het zo benadrukt, illustreert de problemen waar veel enterprise AI-implementaties tegenaan lopen. Een nog groter bedrijf, Microsoft, werkt aan het coördineren van autonome agentsystemen. Copilot is geëvolueerd naar een orchestration-laag. Toch wijst Rackspace erop dat productiviteitswinsten pas komen als identiteit, data-toegang en oversight stevig verankerd zijn in de operatie. Rackspace's korte-termijn AI-plan bestaat uit drie pijlers: AI-ondersteunde security engineering, agent-gestuurde modernisering en AI-augmented service management. Hun toekomstplannen zijn wellicht af te leiden uit een artikel uit januari, waar de focus ligt op het verder industrialiseren van deze processen. Het gaat niet om spectaculaire nieuwe features, maar om het gestaag verbeteren van wat er al is. Dat is vaak waar de echte vooruitgang zit. > "Productiviteitswinsten met AI komen pas als identiteit, data-toegang en oversight stevig in de operatie verankerd zijn." Uiteindelijk draait het bij operationele AI niet om de nieuwste hypes. Het gaat om het oplossen van concrete, dagelijkse problemen. Of het nu gaat om snellere threat detection, soepelere migraties of predictief beheer. De lessen van Rackspace laten zien dat succes begint bij het adresseren van de basis: schone data, duidelijke verantwoordelijkheden en een robuuste governance. Zonder dat fundament blijft AI een mooi experiment, maar geen operationeel succes.