Go Hard Early - How Lessons from Verkada Shaped Serval's AI Agents for IT Teams — Jake Stauch, Founder and CEO

Annonce d'un déploiement initial ciblé des agents IA de Serval sur les principales plateformes informatiques dès le premier sprint, afin de gagner en rapidité et de réduire les tâches répétitives. Cette approche permet d'obtenir rapidement des succès concrets, offre aux administrateurs une vue complète des alertes et établit un rythme partagé qui favorise l'adhésion. Pour les équipes, une structure claire de responsabilités accélère l'harmonisation et réduit les frictions entre la sécurité, les opérations et le service d'assistance.

Ce qui est intéressant dans l'échelle de Verkada, et comment cela se traduit dans les opérations informatiques, c'est la chimie entre les équipes et un panel resserré de signaux qui permet aux opérateurs de garder une longueur d'avance sur les incidents. Traduisez cela en flux de travail informatiques : un panel de données, une structure de responsabilités clairement définie et des automatisations fiables auxquelles les administrateurs peuvent faire confiance dès le premier jour.

Dès les premiers essais, Serval a appris à cristalliser rapidement les schémas, transformant les alertes répétitives en flux de travail prévisibles. En quelques semaines, les agents commencent à gérer le triage de routine, libérant ainsi les administrateurs pour qu'ils se concentrent sur des tâches stratégiques. Il en résulte un contrôle total sur la gestion des incidents et une adhésion tangible entre les équipes.

Pour l'avenir, vous recruterez une équipe compacte et transversale pour donner vie à la première vague d'automatisation à forte valeur ajoutée. Il est essentiel de faire appel à des ingénieurs de plateforme, des data scientists et des administrateurs informatiques soucieux d'obtenir des résultats fiables. Cela crée une dynamique puissante et un moyen clair de passer à l'échelle dans tous les départements.

Quelle est la prochaine étape ? Surveillez la vitesse, l'adoption et le débit du panel d'agents. En observant les données, vous verrez les politiques apprises se cristalliser et devenir reproductibles, signe que vos équipes passent d'une gestion réactive à une planification proactive.

Foncez dès le départ : les leçons de Verkada ont façonné les agents IA de Serval pour les équipes informatiques – Jake Stauch, fondateur et PDG

Commencez par un pilote de 14 jours des agents IA de Serval dans les opérations informatiques, en le déployant auprès de 3 à 5 équipes pionnières, et définissez les indicateurs de réussite au lancement. Stauch recommande des sprints de deux semaines : déployer, mesurer et itérer, avec pour objectif d'apporter des améliorations mesurables du MTTR, du bruit des alertes et de la couverture d'automatisation sous les radars en quelques jours. À la fin de la deuxième semaine, attendez-vous à une réduction de 20 à 30 % du temps moyen de réparation et à une baisse de 15 % des escalades. Utilisez une configuration axée sur la conversation qui permet aux agents de trouver des réponses dans votre base de connaissances et auprès des opérateurs humains, ce qui renforce la confiance dans les actions automatisées. Cela reflète l'approche de Verkada, où les paris importants sur la qualité des données et les garde-fous établissent une base de référence fiable. Commencez par le triage des incidents, la réinitialisation des mots de passe et la découverte des actifs, puis suivez la fréquence à laquelle les résultats de l'agent déployés remplacent les étapes manuelles. Ci-dessous, vous trouverez les garde-fous les plus clairs tirés des premiers déploiements qui comptent réellement.

D'après le manuel de Verkada, la leçon est d'agir rapidement sur les bonnes opportunités et de verrouiller la gouvernance dès le début. Verkada a construit un modèle de données cristallisé qui réduit la dérive et une couche de conversation qui fait apparaître les scores de confiance et invite à la clarification lorsque les données sont ambiguës. Ils ont intégré des boucles de conversation internes entre la sécurité, l'informatique et le produit afin d'affiner les invites jusqu'à ce que les résultats correspondent à l'instinct des opérateurs. Ils se sont également appuyés sur la télémétrie à l'échelle de Facebook pour ajuster les seuils afin que les alertes soient adaptées sans submerger les équipes. Dans les notes internes, les termes serval et servals apparaissent comme des abréviations pour désigner des instances d'agents légères, soulignant ainsi la volonté de déployer des agents rapidement et de manière répétable, qui évoluent en fonction de vos besoins.

Pour que Serval puisse croître aujourd'hui, alignez le financement sur une feuille de route pratique. Des discussions de financement avec plusieurs augmentations et de multiples investisseurs sont en cours, avec un plan pour clôturer de nombreux tours de table cette année. Allouez des financements à l'établissement de références, à la formation de modèles et aux déploiements sur le terrain, et concevez des constructions qui se connectent aux outils ITSM existants. L'objectif est de mettre en place un pipeline de production prêt à l'emploi en moins de 60 jours et de l'étendre à 2 à 3 nouvelles équipes chaque trimestre. L'équipe a déjà commencé à travailler sur les intégrations initiales et a défini des étapes concrètes pour accélérer les actifs déployés et les contrôles de gouvernance dans tous les environnements.

Étapes de mise en œuvre pour les équipes informatiques maintenant: quel est le plan pour commencer, définir la portée et établir une politique de traitement – les suggestions de l'IA restent une première étape, avec une révision humaine avant l'action. Désignez un champion pour l'alignement inter-équipes; recueillez des données sur les incidents, les alertes et les actifs; assurez-vous de la confidentialité et des contrôles d'accès; établissez des critères de réussite clairs et une boucle de rétroaction pour calibrer les invites. Comprenez les besoins des opérateurs en écoutant les conversations réelles et en posant des questions qui font apparaître les lacunes. Commencez par un autre épisode de validation avant de vous étendre, en gardant des invites très simples pour éviter la dérive. Si un déploiement montre des gains solides, passez à l'échelle au prochain trimestre; sinon, itérez sur les servals et les sources de données pour affiner les résultats et amener le modèle à une conversation fiable avec les agents humains. L'objectif est de commencer par des victoires concrètes et d'éviter le dépassement, en veillant à ce que chaque étape compte pour la résilience informatique.

Traduire la mentalité de Verkada axée sur la sécurité en comportements concrets des agents

Commencez par un manuel axé sur la sécurité que vous codifierez dans le moteur de politique de la plateforme: exigez l'authentification multifactorielle, le moindre privilège et les jetons à courte durée de vie pour chaque opération; refusez les actions qui échouent aux contrôles de risque; enregistrez chaque action dans un magasin inviolable; et effectuez une révision chaque semaine pour affiner les seuils. Il s'agit d'une contrainte forte qui empêche la dérive de compromettre les données.

Ces comportements concrets des agents se sont cristallisés à partir de l'éthique de Verkada. Avant tout transfert de données, l'agent valide l'identité et le contexte; si le contrôle est réussi, il procède; sinon, il lance une alerte de sécurité et s'arrête. L'agent conserve une base de référence stochastique pour calibrer les seuils de risque et utilise une approche de valeur de départ pour s'adapter au fil du temps. Alignez ensuite les étapes sur la feuille de route des priorités informatiques et de la création de valeur pour les clients.

Pour démarrer avec cette approche, il faut adopter un état d'esprit de partenariat. Associons-nous donc aux équipes informatiques pour un déploiement à grande échelle, là où elles sont prêtes pour un déploiement contrôlé, en équilibrant la rapidité avec la discipline de gestion des mots de passe et les examens d'accès périodiques.

Concevoir des règles de triage en temps réel afin de réduire les délais d'intervention en cas d'incident

Mettre en œuvre un moteur de règles de triage en temps réel qui classe les alertes dans les 60 secondes suivant leur arrivée et les achemine vers l'agent de garde approprié par roulement, y compris la couverture de nuit.

Règle 1 : si une alerte provient de tentatives d'authentification ou de mot de passe et présente une rafale d'échecs provenant du même utilisateur ou de la même adresse IP, vous escaladerez vers un agent des opérations de sécurité et verrouillerez automatiquement le compte si la politique le permet.

Règle 2 : si une série d'alertes connexes frappent le même actif dans un délai de 5 minutes, acheminez-les vers un agent de garde dédié qui gérera une session partagée entre les journaux, les traces et les mesures.

Règle 3 : Pour les problèmes non critiques dans les produits existants, utilisez le triage piloté par l'IA pour affecter l'un des candidats sur la liste de garde après avoir consulté un guide d'exécution simplifié ; le processus éclaire les décisions d'embauche et comprend les réinitialisations de mots de passe ou les contrôles de politique, le cas échéant.

Dès les premiers déploiements, Jake et son entreprise ont beaucoup appris sur le triage en temps réel ; Berkata, l'équipe a mis l'accent sur l'amélioration continue et a annoncé les prochaines itérations, y compris les optimisations du quart de nuit et un rapport de gestion pour les entreprises adoptant le triage piloté par l'IA.

Faire correspondre la gouvernance des données et les contrôles de confidentialité aux flux de données de l'IA

Commencez par associer vos flux de données d'IA à un modèle de gouvernance appuyé par des politiques et attribuez des propriétaires à chaque tranche de données. Au début de cet exercice, définissez les données qui entrent dans le champ d'application : les sources, les transformations, les destinations et les points de rétention, et reliez chaque étape aux contrôles de confidentialité. Portez une attention particulière aux informations personnelles, attributs sensibles et signaux de consentement lorsque les données se déplacent. Assumer la responsabilité de la tranche de données afin que les équipes puissent agir rapidement. Ensemble, les équipes de sécurité, de confidentialité et de produits collaborent pour combler les lacunes en matière de risques. Cette visibilité unifie la lignée des données et contrôle les risques avant que les modèles n'accèdent aux entrées sensibles. Nous examinons les progrès chaque semaine pour rester alignés sur la politique.

Mettez en œuvre l'accès au moindre privilège, les autorisations basées sur les rôles, l'authentification multifacteur et la rotation des informations d'identification ; traitez chaque session comme étant vérifiable. Appliquez des politiques de mots de passe strictes et évitez de coder en dur les informations d'identification. Créez des tickets pour tout changement d'autorisation et joignez une justification claire et l'incidence prévue sur la confidentialité. Cela favorise le bon fonctionnement et rend les changements traçables.

Automatisez les contrôles de confidentialité avec la politique en tant que code, la suppression automatisée et les règles de prévention de la perte de données. Cela ajoute de la résilience aux flux de données et réduit le besoin d'effectuer des contrôles manuellement. Cela ne reposerait pas sur des contrôles manuels; l'automatisation exécute des tests continus. Lorsque les données transitent par un modèle, appliquez des vérifications : les données sont-elles chiffrées en transit et au repos ? Les minuteries de rétention sont-elles appliquées ? Si les vérifications échouent, bloquez le flux et créez un ticket pour la correction.

Cartographiez les flux de données d'IA vers les contrôles de confidentialité dans les applications internes et les connecteurs externes. Si vous déployez une autre intégration ou vous connectez à une plate-forme comme Facebook, assurez-vous que les données sont anonymisées ou tokenisées et évitez d'envoyer des identifiants bruts. Enregistrez la provenance des données pour chaque connexion externe et surveillez la dérive des politiques pour empêcher l'exposition entre les équipes.

le cadre de stauch montre comment unifier la gouvernance avec les opérations quotidiennes. Une cadence hebdomadaire commence par une leçon : verrouillez les propriétaires, publiez des politiques avec état et validez avec des données de test. vous configurerez une politique d'accès basée sur la session et, lors de l'embauche, assurez-vous que la formation à la confidentialité fait partie de l'intégration. Lorsqu'une exception survient, enregistrez-la sous forme de ticket et implémentez un correctif automatisé lors de la prochaine itération. Cette alternative maintient la vitesse tout en préservant le contrôle. En affaires, ces étapes ajoutent de la résilience et donnent aux équipes le temps d'évoluer de manière responsable.

récapitulatif : commencé par une carte de données, des contrôles renforcés à chaque transfert et l'application automatisée des politiques pour réduire les frais généraux manuels. ensemble, vous créez une structure de gouvernance des données sur laquelle l'IT et l'entreprise peuvent compter à mesure que vos agents d'IA mettent à l'échelle leurs opérations et leurs tickets de manière transparente.

Définir des indicateurs axés sur les résultats pour quantifier l'impact de l'agent sur les opérations informatiques

Définissez un seul résultat principal et ancrez chaque indicateur à celui-ci : réduisez le MTTR des incidents P1 de 40 % en 30 jours grâce aux agents d'IA intelligents servals qui gèrent la billetterie, le triage et la résolution automatisée dans la mesure du possible. Suivez cela quotidiennement ; passez en revue chaque semaine dans un récapitulatif concis pour maintenir les équipes alignées et responsables. Entre les équipes, leur impact est mesurable en termes de réduction du MTTR et de gains de débit.

Résultat principal et objectifs

• Définition : temps moyen de résolution des incidents P1 du premier ticket à la restauration.
• Objectif : réduction de 40 % en 30 jours.
• Sources de données : système de billetterie, registre des incidents et journaux des agents.
• Cadence : suivi quotidien, récapitulatif hebdomadaire, courbe de tendance mensuelle.
• Pourquoi c'est important : cela attire vraiment l'attention sur l'endroit où l'automatisation et les efforts humains font bouger les choses.

Indicateurs opérationnels pour quantifier l'impact de l'agent

• Taux d'automatisation : pourcentage de tickets traités entièrement ou partiellement par les servals intelligents ; objectif de 60 % en 60 jours.
• Taux de repli : pourcentage d'interactions transmises à des agents humains ; cible < 15 % pour que les humains restent concentrés sur les cas complexes.
• Amélioration du temps de première réponse (TTFR) : comparez le TTFR pré- et post-déploiement ; cible 30 % plus rapide lors du premier contact.
• Débit de billetterie : tickets clôturés par jour ; cible une augmentation progressive de 20 %.
• Tickets rouverts : taux après résolution ; cible < 5 %.

Signaux de qualité et signaux d'apprentissage

• Perplexité : surveillez la perplexité du modèle de langage sur les transcriptions de conversation ; cible une tendance stable ou à la baisse pour maintenir la clarté.
• Confiance : score de confiance moyen sur les décisions du bot ; cible > 0,8 pour les résolutions automatisées.
• Longueur et tours de conversation : surveillez l'efficacité ; visez des interactions concises mais complètes.
• Ajustements appris : enregistrez les changements de technique qui produisent des améliorations ; incluez-les dans un guide cristallisé.

Impact commercial et signaux de risque

• Temps d'arrêt évité : heures de perturbation évitées par semaine ; cible < 2 heures.
• CSAT et commentaires des utilisateurs : visez une amélioration du score net ; suivez l'ambiance des interactions de billetterie.

Hardware and compute efficiency: monitor resource usage; ensure bot workloads stay within hardware limits.

Deployment cadence and governance

• Deployment: roll out to another team after a successful pilot; use a risk-averse approach unless data signals risk, then adjust promptly.
• Evaluate: run a 2-week pilot, then extend; keep a weekly episode recap to crystallize learnings and plan tweaks.
• Attention and market context: benchmark against market peers to gauge relative performance; adjust targets if the market shifts.

Finally, maintain a tight feedback loop: alex and the team review the episode recap, verify that servals learned from the data, and adjust prompts and data sources accordingly. If the perplexity or confidence signals move unexpectedly, then iterate on the technique and deploy updated prompts. Unless measurements show risk, continue the cycle and keep weeks of tracking aligned with business needs. Interesting patterns emerge as the data crystallizes, and the team discovers what’s worth repeating in the next episode of improvements.

Create a practical deployment playbook: integrate Serval with ITSM, SIEM, and monitoring

Begin with a three-pronged deployment: integrate Serval with ITSM, SIEM, and monitoring to automate triage, remediation, and audit trails. This setup accelerates incident handling and creates a single source of truth for IT ops and security. Keep the scope tight at first: three connectors, a shared incident model, and a lightweight remediation runbook.

Define data contracts: Serval reads ticket data from ITSM (ticket ID, priority, assignee), enriches SIEM events with context (user, host, IP), and writes back incident updates and work notes. Map fields clearly; decide where to store sensitive values, using password vaults instead of plain storage. Establish a privacy and retention policy that aligns with customers’ needs and compliance requirements.

Build connectors and data flow: configure ServiceNow or your ITSM of choice, pick a SIEM (Splunk, QRadar, or similar), and attach a monitoring stack (Prometheus/Grafana or a cloud-native equivalent). Use unique, persistent IDs across systems so Serval can join events to tickets without duplicates. Set up multiple alert channels–Slack, email, and native ticketing–to avoid missed notifications.

Enrichment rules and automation: implement rule sets that attach context to every alert, categorize by risk, and escalate when SLAs are at risk. Make repetitive toil pointless by turning repetitive actions into runbooks that fire from a single trigger. Build automation that creates or updates tickets, runs password rotations via your secrets manager, and updates SIEM with remediation results.

Playbook example: credential exposure. If a credential alert lands from SIEM, Serval opens a high-priority ITSM ticket, pulls last 30 days of login events, checks for suspicious access, and triggers a password rotation via your secrets manager. After rotation completes, it closes the ticket with linked evidence and notes. This approach speeds containment and reduces manual steps for customers and internal teams.

Playbook example: supply-chain alert. When a vendor alert appears, Serval correlates with asset inventory, raises a ticket, and notifies upstream teams. The workflow carries fast response, cuts repetitive manual checks, and keeps critical services protected without delaying remediation.

Monitoring and dashboards: surface key metrics–mean time to acknowledge (MTTA), mean time to detect (MTTD), MTTR, automation coverage, and false-positive rate. Build a full picture with a single pane that combines ITSM status, SIEM context, and monitoring signals. Create snapshots for weekly reviews and monthly planning sessions.

Governance and security: use least-privilege API keys, rotate credentials regularly, and enforce access controls across Serval, ITSM, and SIEM. Store secrets in a dedicated vault and audit all changes. Align with your roadmap and general security posture; in founding talks and interviews, Jake emphasized that strong governance compounds velocity and trust among customers. Berkata notes from industry chatter reinforce that approach, alongside coverage in techcrunch and related podcasts.

Roadmap and readiness: schedule quarterly planning with stakeholders, including customers, to validate outcomes against objectives. Invite feedback from the founding team and from interviews and podcasts that highlighted the approach. That feedback shapes planning and ensures the playbook stays ahead of evolving threats and operational needs, which Jake and the team used to drive a powered, faster deployment than many rivals.

Thats why this playbook centers on concrete actions, measurable outcomes, and a loop of feedback with customers. As multiple teams adopt the workflow, they’ll find faster containment, clearer ownership, and a scalable path from planning to execution.