AIㆍML / 클라우드

IDG 블로그 | AI옵스 툴이 모두 같은 것은 아니다

David Linthicum | InfoWorld 2020.04.13
AI옵스 툴은 멀티클라우드의 복잡성 문제를 해결할 수 있지만, 툴마다 매우 다른 접근법을 사용한다.
 
ⓒ GettyImagesBank

AI옵스(AIops)가 클라우드 운영을 지원하는 운영 툴의 새로운 기준이 되고 있다. 이 기술은 모든 종류의 운영 업무에 적용할 수 있으며, 운영 문제를 해결하면서 학습도 하는 지능화된 자동화를 제공한다.

이들 툴은 사전 프로그래밍된 자체 교정 프로세스를 수행해야 하며, 프로세스를 진행하는 과정에서 학습하는 역량은 엄청난 이점을 제공한다. 예를 들어, 사이버 공격으로 유발된 성능 저하 문제가 포화 상태에 이를 수 있다고 파악하면, 방어를 위한 보안 프로세스를 실행해야 한다. 아니면, 성능 기준점에 도달했을 때 자동으로 더 많은 자원을 실행해 성능을 일정 수준으로 회복해야 한다.

AI옵스 툴로 할 수 있는 일은 하루가 다르게 늘어나고 있으며, 멀티클라우드를 배치해 운영하는 기업에는 표준 장비가 될 가능성이 크다.

가장 중요한 것은 AI옵스 툴이 수천 가지 데이터 지점을 다룰 수 있으며, 대부분 사람이 만들 수 없는 상관관계를 만들 수 있다는 것이다. 게다가 이들 데이터 지점을 상호 연결하면 할수록 툴 자체는 더 똑똑해진다. 정보가 실제로 의미하는 바를 알고 있으며, 클라우드옵스 팀을 어떻게 보조해야 하는지 알고 있다.

그런데, 이 시장의 많은 제품이 실제로는 오래된 기술을 새로이 만든 것이다. 기업은 운영 툴을 오랫동안 사용했다. 이들 툴이 퍼블릭 클라우드를 지원하도록 개작됐으며, 이제는 일부 내장 AI 기능을 갖추고 AI옵스 툴로 재탄생한 것이다.

이런 종류의 진화에서 문제가 되는 점은 변화가 너무 빨리 일어나 툴들이 자연히 서로 다른 접근법을 취한다는 것이다. 일부 툴은 극히 데이터 중심적이고 이력 데이터를 분석할 수 있는 역량이 있는 한편, 어떤 툴은 실시간 모니터링에 중점을 둔다. 데이터 지향적인 툴은 보통 AI 엔진의 지원을 받아 데이터의 패턴을 살펴 원인과 파급 효과를 찾는다. 클라우드옵스 담당자가 데이터의 수렁을 헤매지 않고도 문제의 근본 원인을 찾아낸다. 

또한 AI를 다른 식으로도 이용할 수 있다. 일부는 툴 내에서 AI 시스템을 사전 훈련시키는데, 이는 미리 결정된 상당한 지식을 제공한다는 의미가 된다. 반면에 밑바닥부터 학습을 시키는 데 중점을 두는 툴도 있다. 각각의 접근법은 나름의 장점이 있다.

결론적으로 전통적인 IT 업체가 대거 참여하고 있지만, AI옵스 시장은 아직은 떠오르는 영역이다. 솔루션의 양식이 툴마다 전혀 다르기 때문에 운영 요구사항을 만족하는지 맞춰보는 것은 물론, 툴의 기본 기능을 이해하는 데 좀 더 공을 들여야 한다. editor@itworld.co.kr

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록발행일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.