2020.09.28

IDG 블로그 | AI옵스 툴이 너무 똑똑하면 생기는 일

David Linthicum | InfoWorld
AI옵스는 우리를 클라우드 컴퓨팅 운영을 위한 약속의 땅으로 데려가지만, 최소한 어떻게 따라가야 하는지는 알아야 한다.

AI나 머신러닝을 이용하는 증강 기술 역량은 한계가 없는 것처럼 보인다. 이제는 AI 기반의 분석이나 지능형 사물 인터넷, 엣지의 AI, 그리고 AI옵스 툴까지 이용하고 있다.
 
ⓒ Getty Images Bank

AI옵스 툴은 본질적으로 지능형 자동화를 수행한다. 여기에는 자체 치유와 선제적 유지보수 등이 포함되며, 나아가 보안이나 거버넌스 시스템과의 공조를 통해 침해와 같은 성능 문제를 찾아내는 등의 작업을 수행할 수도 있다.

AI옵스의 디스커버리 역량, 즉 지속적으로 데이터를 취합하고 해당 데이터를 이용해 지식 엔진을 학습하는 역량도 고려해야 한다. 이를 통해 지식 기반은 한층 더 실체적인 지식을 갖추게 된다. 관리하는 시스템이 어떻게 동작하고 어떻게 동작할 것인지를 더 잘 안다면, 문제를 더 잘 예측하는 역량이 생기고 문제를 바로잡고 보고하는 작업도 선제적으로 수행할 수 있다.

AI옵스 자동화의 또 다른 이점은 다음과 같다.
 
  • 클라우드옵스 프로세스에서 인력을 배제하고, 수작업 개입이 필요할 때만 경보로 알려준다. 운영 인력을 줄이고 비용을 절감할 수 있다.
  • 장애 티켓의 자동 생성과 지원 운영팀과의 직접적인 인터랙션으로 모든 수작업과 비자동화 프로세스를 없앨 수 있다.
  • 문제의 근본 원인을 찾아 바로잡을 수 있으며, 자동화된 메커니즘을 이용해 자체 치유 환경을 구현할 수 있다.

AI옵스 디스커버리의 이점은 다음과 같다.
 
  • AI옵스를 데브옵스나 거버넌스, 보안 운영 등의 다른 기업용 툴과 통합한다.
  • 추세를 파악해 운영팀이 선제적으로 대응할 수 있도록 지원한다.
  • 관리하는 자원에서 나오는 대량의 데이터를 검사해 의미 있는 요약 정보를 제공하며, 이렇게 간추린 데이터를 기반으로 자동화된 조처를 취한다.

AI옵스는 강력한 기술이다. 이런 AI옵스와 관련 툴의 강점을 제대로 이용하는 데는 몇 가지 장애물이 있다. 가장 큰 장애물은 사람이다. 근시안적인 예산 문제 때문에 AI옵스 툴을 사용하거나 고려하지 않는 경우가 많다. 사용한다 하더라도 최적의 방식으로 이용하지 못하는 경우도 있다.

IT 부서 자체를 비난하기는 쉽지만, AI옵스를 올바르게 사용하는 베스트 프랙티스가 충분하지 못하다는 것이 더 큰 문제이다. 심지어 일부 클라우드 서비스 업체는 자사 고객을 잘못된 방향으로 이끌기도 하는데, 최근 필자는 많은 시간을 이를 바로잡는 데 쓰고 있다.

문제의 핵심에 있는 것은 AI옵스 툴 자체의 복잡성이다. 클라우드 컴퓨팅의 운영 복잡성을 해결하기 위해 만들 툴이라는 점에서 아이러니한 부분이다. AI옵스 툴의 환경을 제대로 구성하는 방법이 어려운 것은 시스템 자체의 문제이다.

그렇다면 간과되거나 잘못 이해되는 베스트 프랙티스는 무엇일까? 앞으로 더 많이 나오겠지만, 지금 공유할 만한 몇 가지 사례는 다음과 같다.
 
  • 관리하는 시스템에 대한 통일된 이해가 없다. AI옵스 툴을 사용하는 사람이 모든 시스템과 애플리케이션, 데이터베이스의 의미를 총체적으로 이해하지 않는다.
  • 보안이나 거버넌스 등 다른 툴과의 통합이 부족하다. 툴 사일로에 걸친 조정이 없으면 실질적으로 더 많은 취약점이 발생할 수 있다.
  • 초기 교육 훈련에서 배운 기본적인 것 이상의 경험이 부족하다. 이들 복잡한 툴은 AI 엔진의 동작과 올바른 자동화의 사용, 그리고 가장 중요한, 이들 툴을 올바로 테스트하는 방법을 이해해야 한다.

AI옵스 솔루션이 사용자보다 더 똑똑하면 곤란하다. 이런 상황을 방지하는 가장 좋은 방법은 바보가 되지 않으려 노력하는 것이다. editor@itworld.co.kr
 


2020.09.28

IDG 블로그 | AI옵스 툴이 너무 똑똑하면 생기는 일

David Linthicum | InfoWorld
AI옵스는 우리를 클라우드 컴퓨팅 운영을 위한 약속의 땅으로 데려가지만, 최소한 어떻게 따라가야 하는지는 알아야 한다.

AI나 머신러닝을 이용하는 증강 기술 역량은 한계가 없는 것처럼 보인다. 이제는 AI 기반의 분석이나 지능형 사물 인터넷, 엣지의 AI, 그리고 AI옵스 툴까지 이용하고 있다.
 
ⓒ Getty Images Bank

AI옵스 툴은 본질적으로 지능형 자동화를 수행한다. 여기에는 자체 치유와 선제적 유지보수 등이 포함되며, 나아가 보안이나 거버넌스 시스템과의 공조를 통해 침해와 같은 성능 문제를 찾아내는 등의 작업을 수행할 수도 있다.

AI옵스의 디스커버리 역량, 즉 지속적으로 데이터를 취합하고 해당 데이터를 이용해 지식 엔진을 학습하는 역량도 고려해야 한다. 이를 통해 지식 기반은 한층 더 실체적인 지식을 갖추게 된다. 관리하는 시스템이 어떻게 동작하고 어떻게 동작할 것인지를 더 잘 안다면, 문제를 더 잘 예측하는 역량이 생기고 문제를 바로잡고 보고하는 작업도 선제적으로 수행할 수 있다.

AI옵스 자동화의 또 다른 이점은 다음과 같다.
 
  • 클라우드옵스 프로세스에서 인력을 배제하고, 수작업 개입이 필요할 때만 경보로 알려준다. 운영 인력을 줄이고 비용을 절감할 수 있다.
  • 장애 티켓의 자동 생성과 지원 운영팀과의 직접적인 인터랙션으로 모든 수작업과 비자동화 프로세스를 없앨 수 있다.
  • 문제의 근본 원인을 찾아 바로잡을 수 있으며, 자동화된 메커니즘을 이용해 자체 치유 환경을 구현할 수 있다.

AI옵스 디스커버리의 이점은 다음과 같다.
 
  • AI옵스를 데브옵스나 거버넌스, 보안 운영 등의 다른 기업용 툴과 통합한다.
  • 추세를 파악해 운영팀이 선제적으로 대응할 수 있도록 지원한다.
  • 관리하는 자원에서 나오는 대량의 데이터를 검사해 의미 있는 요약 정보를 제공하며, 이렇게 간추린 데이터를 기반으로 자동화된 조처를 취한다.

AI옵스는 강력한 기술이다. 이런 AI옵스와 관련 툴의 강점을 제대로 이용하는 데는 몇 가지 장애물이 있다. 가장 큰 장애물은 사람이다. 근시안적인 예산 문제 때문에 AI옵스 툴을 사용하거나 고려하지 않는 경우가 많다. 사용한다 하더라도 최적의 방식으로 이용하지 못하는 경우도 있다.

IT 부서 자체를 비난하기는 쉽지만, AI옵스를 올바르게 사용하는 베스트 프랙티스가 충분하지 못하다는 것이 더 큰 문제이다. 심지어 일부 클라우드 서비스 업체는 자사 고객을 잘못된 방향으로 이끌기도 하는데, 최근 필자는 많은 시간을 이를 바로잡는 데 쓰고 있다.

문제의 핵심에 있는 것은 AI옵스 툴 자체의 복잡성이다. 클라우드 컴퓨팅의 운영 복잡성을 해결하기 위해 만들 툴이라는 점에서 아이러니한 부분이다. AI옵스 툴의 환경을 제대로 구성하는 방법이 어려운 것은 시스템 자체의 문제이다.

그렇다면 간과되거나 잘못 이해되는 베스트 프랙티스는 무엇일까? 앞으로 더 많이 나오겠지만, 지금 공유할 만한 몇 가지 사례는 다음과 같다.
 
  • 관리하는 시스템에 대한 통일된 이해가 없다. AI옵스 툴을 사용하는 사람이 모든 시스템과 애플리케이션, 데이터베이스의 의미를 총체적으로 이해하지 않는다.
  • 보안이나 거버넌스 등 다른 툴과의 통합이 부족하다. 툴 사일로에 걸친 조정이 없으면 실질적으로 더 많은 취약점이 발생할 수 있다.
  • 초기 교육 훈련에서 배운 기본적인 것 이상의 경험이 부족하다. 이들 복잡한 툴은 AI 엔진의 동작과 올바른 자동화의 사용, 그리고 가장 중요한, 이들 툴을 올바로 테스트하는 방법을 이해해야 한다.

AI옵스 솔루션이 사용자보다 더 똑똑하면 곤란하다. 이런 상황을 방지하는 가장 좋은 방법은 바보가 되지 않으려 노력하는 것이다. editor@itworld.co.kr
 


X