Agentisk AI kan mångdubbla nätverkstrafiken

Cisco beskriver AI-agenter som ”nätverkets superanvändare” (network power users). Till skillnad från människor – som vanligtvis utför avgränsade handlingar som att ladda en webbsida eller skicka ett meddelande – arbetar agenter kontinuerligt i programvarans hastighet.

I praktiken innebär det att ett enda agentarbetsflöde kan:

• Skicka upprepade inferensförfrågningar till AI-modeller
• Hämta data från flera API:er och molntjänster
• Utbyta tokens och delresultat mellan olika tjänster
• Utlösa kedjade arbetsflöden som anropar ytterligare modeller eller verktyg

På grund av denna konstanta aktivitet uppskattar Cisco att AI-agenter kan generera cirka 450 % mer nätverkstrafik än mänskliga användare i jämförbara arbetsflöden.

En annan viktig skillnad är trafikriktningen. Traditionell internetanvändning är mestadels nedladdningstung (t.ex. strömmande video eller webbsidor). AI-arbetsflöden innebär däremot kontinuerligt tvåvägsutbyte, med betydande trafik uppströms när uppmaningar, data och delresultat flödar till modellerna innan svar returneras.

Den verkliga drivkraften: AI-inferens, inte träning

Den offentliga debatten om AI-infrastruktur fokuserar ofta på träning av stora modeller. Ciscos studie lyfter fram en annan realitet för nätverk: inferens dominerar den operativa trafiken.

Inferens avser realtidsanvändning av tränade modeller – att svara på frågor, generera innehåll, analysera data eller utföra agentuppgifter. Ciscos forskning baseras på uppmätt inferenstrafik hos tjänsteleverantörer, vilket visar att dessa live-arbetsbelastningar är den främsta drivkraften för WAN-behovet.

Rapporten förutspår att enbart inferenstrafik kan driva 63 % ytterligare nätverkstillväxt jämfört med prognoser som inte inkluderar agentisk AI.

En stor förändring av den globala trafiken till 2035

Om införandet av agentisk AI följer Ciscos prognoser kommer dess nätverksavtryck att bli betydande under det kommande decenniet.

Viktiga prognoser inkluderar:

• AI-inferens kan utgöra cirka 25 % av all nätverkstrafik år 2035.
• Den största accelerationen förväntas mellan 2029 och 2032, när företagens användning av AI-agenter förutspås öka kraftigt.

Denna tillväxt återspeglar en strukturell förändring: istället för enstaka trafiktoppar när en användare frågar en modell, skapar AI-agenter kontinuerliga arbetsbelastningar som håller nätverken aktiva dygnet runt.

Varför företagsnätverkens trafik kan växa 9 gånger

Cisco har också modellerat hur AI-införande kan påverka företagens trafikvolymer.

Utan agentisk AI skulle företagsnätverkens efterfrågan från 2026 till 2035 sannolikt växa cirka 2,5 gånger, drivet av molntjänster, SaaS-applikationer och digital transformation.

Med utbredd agentisk AI kan dock samma period se trafiken växa till ungefär nio gånger dagens nivåer, drivet av autonoma arbetsflöden som upprepade gånger använder data, modeller och tjänster.

Dessa system multiplicerar effektivt aktiviteten över nätverket eftersom varje mänsklig uppgift kan utlösa många automatiserade interaktioner mellan tjänster och AI-modeller.

Hur AI-trafik förändrar nätverkets beteende

Ciscos forskning betonar att AI inte bara ökar trafikvolymen – den förändrar trafikens egenskaper.

Jämfört med konventionell webb- eller SaaS-trafik tenderar AI-arbetsbelastningar att vara:

• Mer dynamiska: AI-agenter initierar skurar av förfrågningar och distribuerade arbetsflöden.
• Mer känsliga för latens: Inferensförseningar påverkar direkt användarupplevelsen och agenternas prestanda.
• Mer tvåvägsriktade: Trafiken uppströms ökar när uppmaningar, telemetri och mellandata skickas till modellerna.
• Mer komplexa: Arbetsflöden involverar ofta flera moln, API:er och inferensslutpunkter.

Dessa förändringar gör traditionell nätverksplanering – baserad på förutsägbar användaraktivitet – mycket mindre tillförlitlig.

Varför nätverk behöver ny arkitektur för AI

Eftersom AI-inferensvägar direkt påverkar applikationskvaliteten, argumenterar Cisco för att nätverk måste behandla dem som kritisk infrastruktur, inte vanliga trafikflöden.

Detta skifte innebär flera arkitektoniska prioriteringar:

1. AI-medveten trafikstyrning

Inferensflöden kan kräva prioriterade vägar, latensgarantier och dynamiska routingbeslut för att bibehålla prestanda.

2. Distribuerad beräkning och edge-placering

Att placera inferensinfrastruktur närmare användare eller data kan minska latens och förhindra WAN-överbelastning.

3. Realtidsövervakning (observability)

AI-arbetsbelastningar producerar snabba, komplexa trafikmönster, vilket gör end-to-end-synlighet avgörande för att upptäcka överbelastning eller försämrad prestanda innan arbetsflöden misslyckas.

4. Starkare motståndskraft (resilience)

Ciscos forskning visar att nätverksavbrott redan kostar företag stora summor och ofta orsakas av överbelastning, cyberattacker eller konfigurationsfel. AI-arbetsbelastningar ökar trycket på nätverk som måste vara kontinuerligt tillgängliga.

Slutsats

Ciscos WAN-forskning pekar på en djupare omvandling än enkel bandbreddsökning. Agentisk AI introducerar alltid aktiva, inferensdrivna arbetsbelastningar som beter sig annorlunda än traditionell internettrafik.

Om adoptionstrenderna följer nuvarande prognoser kommer nätverk under det kommande decenniet att behöva stödja:

• AI-agenter som agerar som högfrekventa nätverksanvändare
• Stora volymer realtidsinferenstrafik
• Mer symmetriska och latenskänsliga flöden

Det innebär att framtida nätverksdesign alltmer kommer att kretsa kring AI-medvetna arkitekturer – som kombinerar högre kapacitet, distribuerad beräkning, avancerad telemetri och specialiserad tjänstekvalitet för inferenstrafik.

Ändå är dessa prognoser fortfarande baserade på Ciscos mätningar och modellering. Den exakta omfattningen av förändringen kommer att bero på hur snabbt agentisk AI blir inbäddad i vardagliga företags- och konsumentarbetsflöden.