2020.10.27

머신러닝 기반 네트워크 관리의 희망과 과제

Jon Gold | Network World
네트워크 복잡성이 급격하게 높아지면서 자동화, 머신러닝, 인공지능은 네트워크 관리 역량의 결정적인 요소가 되었다.

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.
 
ⓒ Getty Images Bank

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


2020.10.27

머신러닝 기반 네트워크 관리의 희망과 과제

Jon Gold | Network World
네트워크 복잡성이 급격하게 높아지면서 자동화, 머신러닝, 인공지능은 네트워크 관리 역량의 결정적인 요소가 되었다.

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.
 
ⓒ Getty Images Bank

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


X