기업 네트워크의 자동화와 지능화가 가속화되고 있는 가운데, 인공지능과 머신러닝의 수요가 계속 증가하고 있다. 프로그램에 따라 네트워크에서 문제를 찾아내고, 복잡한 문제를 즉각 진단할 수 있는 역량은 매우 강력한 요소이기 때문이다.
AI/ML을 네트워크 관리에 적용하면, 여러 관리 플랫폼의 입력 데이터를 통합해 중앙에서 분석할 수 있다. IT 관리자가 여러 장비와 애플리케이션의 보고서를 수작업으로 조합하는 대신, AI/ML은 문제에 대한 자동화된 진단을 즉각 내놓을 수 있다.
가트너의 애널리스트 조시 체스먼은 “수많은 모니터링 툴이 모두 뭔가 잘못됐다고 이야기하지만, 어떤 툴도 문제가 어디에 있는지를 알려주지 않는다”고 지적했다. 반면에 AI/ML은 “7가지 툴에서 26건의 이벤트가 있는데, 모두 네트워크 문제이다”라고 확인해 준다는 것.
기업이 AI/ML 시스템을 얼마나 빨리 도입하고 있는지 확실하지 않지만, 애널리스트들은 아직 도입 초기 단계라고 말한다.
해결해야 할 문제도 있는데, 우선은 AI/ML의 구체적인 의미에 대한 혼란이다. 만약 AI/ML을 관리자가 아무 것도 하지 않아도 알아서 침입자를 파악하고 트래픽 흐름을 분석해 최적화해 주는 것이라고 생각한다면, 크게 실망할 것이다. 네트워크 관리 툴 분야에서 실제로 일어나고 있는 변화를 설명하는 데 AI라는 용어를 사용하는 것이 다소 과장된 측면도 있다.
IDC의 애널리스트 마크 레리는 “솔루션 업체가 AI/ML 기능을 이야기할 때, 정확하게는 AI가 아니라 머신러닝에 대해 이야기하는 것이다”라고 설명했다. 사실 둘 사이에 확실한 구분이 있는 것은 아니다. 넓은 의미에서 두 용어는 같은 개념을 나타내는데, 바로 ‘여러 소스에서 데이터를 읽어서 그에 맞춰 출력 결과를 조정하는 알고리즘’이다. 전문가들에 따르면, AI는 기업 컴퓨팅 네트워크에서 특정 문제의 근원을 파악할 수 있는 시스템보다는 이런 개념을 나타내는 좀 더 확실한 표현에 사용하는 것이 정확하다.
딜로이트의 전략 프랙티스 대표 자그지트 질은 “AI라는 용어를 너무 남용한다. 왜냐하면, 예측 정비 같은 몇몇은 이전부터 있었던 것들이다”라고 말했다.
또 하나 걸리는 것은 많은 ML 시스템의 상호 호환성이다. 현재 시장에 나와 있는 ML 시스템은 대부분 특정 솔루션 업체가 기존 제품에 새로운 기능을 추가한 형태이다. 이는 시스코 장비로만 이루어진 환경에서는 쉽게 구현할 수 있다. 하지만 여러 솔루션 업체가 뒤섞인 환경에서는 문제가 될 수 있다. 체스먼은 “많은 솔루션 업체가 AI옵스를 추가하고 있는데, 한창 인기 있는 것이기 때문이다”라며, “이런 기능은 다른 솔루션 업체의 장비에 대한 가시성을 제공하지는 않는다”고 지적했다.
무그소프트(Moogsoft)나 빅팬더(BigPanda) 등 솔루션 업체를 가리지 않는 네트워크 관리용 ML 시스템도 있지만, 특정 솔루션 업체의 제품에 ML 기능을 묶은 것이 훨씬 더 일반적이다. 체스먼은 “넷스카웃 제품을 보면, 일부 ML 기능이 있고 훌륭하게 작동한다. 하지만 그 기능은 넷스카웃 제품에 중점을 두고 있다”고 덧붙였다.
기술적으로 극복해야 할 과제는 많지만, ML은 많은 IT 관리자의 업무를 한층 더 쉽게 만든다. 액센추어 북미 네트워크 프랙티스 책임자인 피터 수는 “이런 방식의 툴과 솔루션을 보유하는 기업이 많아질 것이다. 언제라도 네트워크에서 무슨 일이 일어나는지 파악하는 데 도움을 줄 것이다”라고 말했다.
한편으로는 완전한 네트워크 자동화로 나아가는 단계 중 하나가 될 수 있고, 네트워크 관리자의 일자리가 줄어드는 결과를 낳을 수도 있다. 하지만 가까운 미래에 이런 일이 생기는 않을 것으로 보인다. 가트너의 체스먼은 좀 더 가능성이 높은 것은 이 IT 관리자가 사고 뒤처리보다는 좀 더 생산적인 일에 집중할 수 있도록 도와주는 것이라며, “완전 자동화는 아직 멀고 먼 일이다”라고 덧붙였다. editor@itworl.co.kr