글로벌 칼럼 | 2024년 네트워크 관리에 일어날 수 있는 좋은 일

기업은 네트워크 관리에서 AI의 잠재력을 알고 있지만, AI라면 볼 수 있는 기업 특화 네트워크 데이터와 다양한 디바이스를 다루는 AI의 역량은 아직 제한적이다.

지금은 기업이 내년에 구매할 새로운 기술 옵션을 살펴보는 시기이다. 일반적으로 새로운 기술이 가장 필요한 분야에 초점을 맞추는데, 네트워크 관리도 그런 영역 중 하나이다. 이 주제에 대해 필자에게 의견을 제시한 178명의 기업 IT 책임자 중 169명이 새로운 네트워크 관리 옵션을 찾고 있다고 했다. 하지만 매력적인 솔루션을 찾았다고 답한 사람은 37명에 불과했다. 솔루션 업체들이 네트워크 관리의 혁신과 유용성을 찾아갈 지도를 잃어버린 것은 아닌지 의심해 볼 필요가 있다.
 

AI는 네트워크 관리를 발전시킬 수 있는 가장 확실한 기술이지만, 아직은 다소 부담스러운 기술이다. 169명 모두 네트워크 관리 관점에서 AI에 관심이 있다고 답했으며, 30명은 적어도 한 가지 이상의 옵션을 확인했다고 답했다. 2024년에 도입할 기술에 대한 예산이 있다고 답한 응답자는 9명이었는데, 이들 모두 네트워크 관리에서 AI의 공통적인 문제점으로 범위 문제를 꼽았다. 여기서 말하는 범위란 AI가 자체 네트워크 데이터를 학습하는 정도와 AI가 실제로 볼 수 있는 디바이스 범위 두 가지를 의미한다.

데이터 전문화 문제는 자체 네트워크에 특화된 AI/ML과 LLM 툴의 확장을 통해 처리된다. 특화된 AI/ML은 기업의 자체 네트워크 데이터에서 운영되며, LLM 툴은 네트워크 텔레메트리를 포함한 모든 종류의 기업 데이터를 통합한다. 사용자는 여기서 더 많은 진전이 이루어질 수 있으며, AI가 올바른 방향으로 발전하고 있다고 생각한다. 하지만 이런 AI가 2024년에 실현될 것으로 생각하지는 않는다.

지원되는 디바이스의 범위는 또 다른 문제이다. AI가 모든 네트워크를 보는 것은 큰 이점이 되겠지만, 범위를 좁게 설정하면 운영 담당자와 AI가 관리 책임을 공유해야 할 위험이 있다. 전문가들은 책임을 공유한다는 것은 실제로 아무도 책임지지 않는다는 것을 의미한다고 지적한다.

그러나 포괄적인 툴은 드물고 전체 관리 시스템과 통합된 경우는 더욱 드물다. 특히 여러 업체의 장비로 구성된 네트워크는 통합 AI의 지원을 받을 가능성이 낮은데, AI 운영에 관심이 있는 기업 중 거의 절반이 네트워크에 최소 2곳 이상 업체의 장비를 사용하고 있다고 답했다. 이 문제는 데이터 범위 문제보다 해결에 더 오랜 시간이 걸릴 가능성이 크기 때문에 기업은 내년에 큰 진전이 이뤄질 것으로 기대하지 않는다.
 

애플리케이션 QoE와 함께 부상하는 AI

네트워크 관리 분야에서 AI가 발전하고 있는 것으로 보이지만, 여전히 새로운, 그리고 발전하고 있는 비법이 필요한 상태이다. 기업이 네트워크 관리 분야에서 혁신적인 발전이 가능할 것으로 기대하는 분야가 있을까? 기업의 관심을 끄는 두 가지 주요 트렌드가 있다.

첫 번째는 이미 광범위하게 가시화되고 있는 관리 방식, 즉 네트워크를 다른 무언가로 흡수하는 것이다. 기업은 오래전부터 데이터센터 네트워크인 LAN이 네트워크 계획이 아닌 데이터센터 하드웨어/소프트웨어 계획에 의해 주도된다고 말해왔다. 이제 애플리케이션 접속을 위한 프론트엔드 기술로 클라우드를 사용하는 하이브리드 클라우드가 폭넓게 사용되면서 WAN도 클라우드 내부로 흡수되고 있다. 이에 따라 네트워크의 가시성이 떨어지면서 명확한 네트워크 관리의 중요성이 줄어들고 있다.

아이러니하게도 이런 상황은 AI의 역할을 키운다. 모든 것이 애플리케이션의 QoE(Quality of Experience)를 유지한다는 상위 관점 아래 높이면서 의미있는 문제 식별 및 격리, 해결이 어려워졌다. 경험에는 구동부가 너무 많기 때문이다. 기업은 진정한 'QoE 콘솔'을 원하며, AI가 이런 소망을 실현할 가장 유력한 툴이라고 생각한다. 또 관련 기술은 진전을 보이고 있지만, 일부 솔루션 업체가 자사의 솔루션을 혁신하는 데 적극적으로 나서야 한다고 지적한다. 그래서인지 기업은 네트워크 솔루션 업체가 이 분야의 개척자가 될 것이라고 생각하지 않는다.
 

디지털 트윈과 AI의 결합으로 네트워크 관리 범위 확대

두 번째는 IoT 및 산업용 메타버스 애플리케이션과 연관된 '디지털 트윈' 기술을 사용해 네트워크 장비의 디지털 트윈을 기반으로 네트워크의 소프트웨어 모델을 구축하는 것이다. 여러 솔루션 업체가 제시하고 있는 방안이며, 노키아가 대표적인 업체이다. 이 방식을 통해 네트워크는 사실상 산업용 시스템이 되고, 산업용 IoT 및 산업용 메타버스 배치를 위한 만든 툴로 모니터링하고 제어할 수 있다.

한 가지 문제는 이름 있는 솔루션 업체의 지원이 부족하다는 것이다. 포워드 네트웍스(Forward Networks)처럼 디지털 트윈 모델링을 지원하는 솔루션 업체는 엔터프라이즈 네트워크 업계에서는 인지도가 거의 없다. 네트워크 운영에서 새로운 비전을 찾고 있는 169곳의 기업 중 29곳만이 노키아의 아이디어에 대해 알고 있었다. 물론, 노키아와 관련이 없는 기업이 많았고, 노키아가 새 기술을 발표한 것이 지난 10월이기 때문이다. 만약 디지털 트윈 개념이 발전하면 AI도 강화될 것이다. 

AI는 일반적으로 네트워크 동작에 대한 정보를 더 잘 활용해 문제를 발견하고, 격리하고, 해결책을 추천하는 수단으로 여겨진다. 이런 접근 방식의 한 가지 과제는 맥락 또는 상태에 대한 의문이다. 정상 작동이란 무엇인가? 네트워크의 요소는 서로 어떻게 연관되어야 하는가? 제안된 해결책을 적용하면 어떤 일이 일어날 것인가? 이런 질문에 대한 답은 머신러닝에서 찾을 수 있을지도 모르지만, AI가 네트워크 동작을 충분히 학습해 답을 찾아내는 데 시간이 얼마나 걸릴 것인가?

네트워크의 디지털 트윈은 구성요소의 상태뿐만 아니라 구성요소 간의 관계를 설명하는 모델을 만들 수 있다. 이 모델은 작동 상태를 나타내므로 여러 모델을 정의해 허용 가능한 상태와 예상되는 오류 상태를 다양하게 나타낼 수 있다. 심지어 시뮬레이션을 실행해 디바이스나 네트워크 동작을 변경하기 전에 어떤 결과가 발생할지 확인할 수도 있다. 여기에 AI를 추가하면 현재 상황을 파악할 수 있을 뿐만 아니라 앞으로 일어날 수 있는 일까지 예측할 수 있는 AI 관리 툴이 된다. 이는 네트워크 관리 범위 문제를 모두 해결할 수 있는 강력한 방법이라고 볼 수 있다.

178명의 기업 IT 책임자 중 4명이 AI와 디지털 트윈의 잠재적 관계를 이해하고 있다고 답했기 때문에 머지않아 이런 환경을 보게 될지도 모른다. 4명 모두 노키아의 디지털 트윈 접근 방식에 대해 들어본 적이 있다고 답했다. 한편으로 이 비율은 기업이 네트워크 관리의 발전을 솔루션 업체가 제공하거나 IT 미디어에 소개된 내용을 기준으로 생각한다는 것을 보여준다. 기업은 이런 아이디어를 촉진하는 데 서두르지 않는다. 그저 이용할 뿐이다.

기업의 미온적인 반응은 좋은 일은 아니다. 일반적으로 솔루션 업체는 기업이 어떤 네트워크 관리 기능이 가치가 있을지에 대한 전망을 제시해 주기를 바라기 때문이다. 현재 솔루션 업체들이 AI를 밀어붙이는 이유는, 아마도 경쟁사가 AI를 밀어붙이고 있고 기사화되고 있기 때문일 것이다. 노키아는 디지털 트윈에 대한 열망이 있지만, 어디로 가고 있는지 언제 도달할 지 알 수 있을 만큼 세부 사항을 충분히 공개하지 않았다. 다른 솔루션 업체들이 이 분야에 동참하지 않는다면, 영원히 도달할 수 없는 비전일지도 모른다.

제대로 판도를 바꾸기 위해서는 네트워크 관리가 경보를 울리는 데 그쳐서는 안 된다. 현재 솔루션에서 나온 그림에서 기업이 확신할 수 있는 교훈은 여기까지다. 네트워크 관리가 어떤 모습이어야 하는지, 그리고 어떻게 하면 그렇게 될 수 있는지에 대해 기업들은 여전히 고민하고 있다. 아마도 2024년이 되면 명확해질 것이다.
editor@itworld.co.kr