AIOps 도구는 운영을 효율화하는 데 도움이 될 수 있습니다. 하지만 팀에서 AIOps의 가치를 대규모로 실현하려면 지능형 자동 옵저버빌리티 기능이 필요합니다. Gartner에 따르면 “AIOps는 장기적으로 IT 운영에 가히 혁신적인 영향을 미칠 것입니다.” AIOps는 IT 운영에 장기적이고 혁신적인 영향을 미칠 것입니다. Gartner는 조직들이 예산을 초과하거나 기술 인력의 업무 부담을 가중시키지 않으면서 IT 성과를 개선할 수 있는 방법을 모색함에 따라, 향후 2년 동안 AIOps 투자가 크게 증가할 것으로 예상합니다. 그렇다면 관련 과제는 어떤 것들이 있을까요? 일부 AIOps 도구는 수동 프로세스에 비해 상당한 이점을 제공하지만, 모든 도구가 조직이 기대하는 결과를 낼 수 있는 것은 아닙니다. 조직에서 즉각적인 이점과 장기적인 이점을 모두 실현하기 위해서는 관리를 통합하고 운영을 간소화하며 전반적인 복잡성을 줄일 수 있는 지능형 솔루션을 배포해야 합니다. 지금부터 그 방법을 알아보겠습니다.
AIOps란 무엇이며 어떤 해결 과제가 있나요?
인공 지능 운영(AIOps)이란 AI 기반 알고리즘과 데이터 분석을 결합하여 주요 작업을 자동화하고 예기치 못한 다운타임이나 무단 데이터 액세스와 같은 일반적인 IT 문제에 대한 솔루션을 제안하는 소프트웨어 운영 방식입니다. 실제로 AI 기반 솔루션은 일상적인 모니터링 업무와 관리 업무를 오프로드하여 미션 크리티컬한 사안에 집중할 수 있도록 함으로써 IT 팀의 부담을 줄이는 데 도움이 됩니다.
AIOps 도구는 어떤 과제를 해결하나요?
최근 발표된 2020 글로벌 CIO 보고서의 데이터를 살펴보면, 조직의 86%가 날로 높아지는 이해관계자, 고객, 직원의 기대치를 충족하기 위해 현재 마이크로서비스, 컨테이너, Kubernetes 등의 클라우드 네이티브 기술과 오케스트레이션 플랫폼을 사용하고 있는 것으로 나타났습니다. 현대적 클라우드 아키텍처의 많은 이점에도 불구하고, 설문조사에 참여한 CIO의 63%는 인간의 관리 능력으로는 이러한 환경의 복잡성을 해결하기가 어렵다고 답했습니다. 이 같은 복잡성을 완화하기 위해 조직들은 현재 평균 10개에 달하는 모니터링 도구를 사용하고 있습니다. 이러한 투자에도 불구하고 조직들은 환경 내 애플리케이션 및 인프라의 11%에 대해서만 완벽한 가시성을 확보하고 있습니다. AIOps 솔루션은 옵저버빌리티를 강화하고 프로세스를 자동화하며 대규모로 더 가치를 창출할 수 있는 잠재력을 제공합니다.
니즈에 맞는 적절한 AIOps 도구 선택
한 보고서에서 
전통적인 머신 러닝 접근 방식에서는 통계를 기반으로 지표와 이벤트를 수집하고 이들의 상관관계를 분석해 일련의 경고를 생성합니다. 이 통계 기반 접근 방식을 사용하면 많은 경고를 확인하고 우선순위를 정할 수 있지만, 그래도 출력을 분석하고 이상 징후나 오류의 근본 원인을 파악하려면 수작업이 필요합니다. 통계 기반 머신 러닝 솔루션을 학습시키는 데는 시간이 걸리며, 이 접근 방식은 현대의 동적인 클라우드 네이티브 환경에서 확장하기가 어렵습니다. 또 다른 접근 방식은 결정론적 AI로, 체계적인 결함 트리 분석 기법을 활용하여 문제의 근본 원인을 즉각적으로 판단합니다. 일례로, 이 접근 방식은 반응 속도가 느린 서비스와 같은 이상 현상을 즉시 감지하고, 모든 상관관계와 모든 하위 상관관계(등등)를 조사하여 정확히 어떤 문제가 발생하고 있는지 실시간으로 정확히 파악합니다. 다운스트림 프로세스 전반에 걸쳐 오작동의 원인이 된 경로를 쉽게 시각화할 수 있는 맵과 함께 제공되는 결정론적 AI 접근 방식은 문제의 발단이 된 정확한 지점과 다운스트림에 미치는 영향을 찾아내 주므로, 분석가들이 솔루션 구현, 응답 자동화, 새로운 혁신 기술 개발에 집중할 수 있습니다. 채택할 AIOps 솔루션을 평가하는 DevOps 팀마다 제공하는 자율 인사이트 수준이 다르므로, 각 팀이 정확히 무엇을 어떻게 수행하는지 파악하는 것이 중요합니다.
AIOps 도구의 이점은 무엇인가요?
이론적으로, 기업 IT 환경 전반에 걸쳐 AIOps 솔루션을 구현하면 효율성을 높이고, 전반적인 비즈니스 가치를 개선하며, 고객 성공을 극대화할 수 있습니다. 그렇다면 실제로는 이러한 이점이 어떤 형태로 나타날까요? 효과적으로 배포된 AIOps 이니셔티브의 잠재적 이점은 다음과 같습니다.
경고 관리 개선
멀티클라우드 환경에서 경고의 양, 속도, 다양성이 기하급수적으로 증가함에 따라 현재 소위 ‘경고 피로’에 시달리고 있는 IT 팀이 많습니다. CDO Trends가 밝혔듯이, AIOps를 효과적으로 구현할 경우 오경보를 최대 90%까지 줄이고 중복되거나 관련없는 알림의 영향을 최소화하는 데 도움이 될 수 있습니다.
향상된 이벤트 우선순위 지정
우선적으로 대응해야 할 경고는 어떤 것들이고, 미루어도 되는 경고는 어떤 것들일까요? 방대한 데이터 소스와 잠재적인 보안 문제만으로도 IT 팀에게는 큰 부담인데, 여기에 여러 클라우드 환경과 오픈 소스 리소스까지 더해지면 효과적으로 관리하기가 사실상 불가능해집니다. 결함 트리 분석을 기반으로 한 고급 알고리즘을 사용하는 AIOps 솔루션은 중요한 경고를 즉시 식별하여, 팀이 신속하게 대응하고 더 많은 프로세스를 자동화하며 비즈니스 운영에 중요한 부분에 집중할 수 있도록 합니다.
IT 지출 감소
Dynatrace의 연구 결과에 따르면, IT 및 클라우드 운영 팀은 도구와 기술이 필요에 따라 정상적으로 작동하도록 보장하기 위해 전체 업무 시간의 44%를 인프라를 가동하는 데만 허비하고 있습니다. 반면, 자동화된 AIOps 도구를 적용한 기업은 매년 평균 480만 달러의 비용을 절감할 수 있었습니다.
효율적인 디지털 전환
디지털 전환이 비즈니스의 성공을 견인하고 있지만, 이는 디지털 성능의 모든 측면에서 공통적인 언어와 단일 정보 소스를 활용하여 현대적 환경의 복잡성을 관리할 수 있는 경우에만 가능한 일입니다. 이와 관련해 AIOps 도구는 기업이 멀티클라우드 환경에서 그 양과 다양성, 속도가 끊임없이 증가하는 데이터를 소비 및 분석하고, AI 분석을 적용하여 운영 워크플로를 효율화, 자동화함으로써 디지털 전환을 가속화할 수 있도록 지원합니다.
AIOps는 비즈니스에 어떤 영향을 미치나요?
AIOps 도구는 IT 팀에 다양한 잠재적 이점을 제공하지만, 조직에 미치는 가장 크고 실질적인 영향은 ‘인간이 수작업을 수행할 필요성을 줄인다’는 말로 간단히 요약할 수 있습니다. 이 같은 이점이 중요한 이유는 많은 기업들에게 클라우드와 모바일 기술에 대한 투자를 확대하는 것은 시장 경쟁력을 유지하는 데 필수적인 사안이지만, 그만큼 IT 팀의 관리 복잡성은 가중되기 때문입니다. 일반적인 관리 전략은 모니터링 도구의 수를 늘려 활용 가능한 데이터를 확대하는 것이지만, 결과적으로 IT 팀은 갖가지 보고서와 경고, 권장 사항을 수동으로 정리해야 하는 부담스러운 상황에 놓이게 됩니다. 평소에도 아무리 규모가 크고 숙련된 팀이라도 어려운 과제인데, 타사 및 오픈소스 도구와 기술의 사용이 늘어나면서 수동으로 처리하기가 이제는 거의 불가능에 가까워지고 있습니다. AIOps 솔루션은 멀티클라우드 환경 전반에 걸친 완벽한 옵저버빌리티, 정확하고 신뢰할 수 있는 비즈니스 지표, 수작업의 필요성을 줄이는 우선순위별 경고 등의 IT 운영 우선 과제를 해결할 방법을 제공합니다.
성공 간소화: 단일 AIOps 플랫폼
AI 기반 도구의 성숙도와 가용성이 높아지고 있음에도, 디지털 경험 관리 및 옵저버빌리티를 지원하는 운영 프로세스에서 자동화된 비율은 평균 19%에 불과합니다. 그렇다면 기업들이 자동화에 박차를 가하지 못하는 이유는 무엇일까요? CIO의 48%는 내부 기술력 부족을 원인으로 지적했고, 43%는 정확하고 일관된 AI 결정을 가능케 하는 공통 데이터 모델의 부재를 원인으로 꼽았습니다. 또한 42%는 자동화를 효과적으로 구현하기 위한 기존 프레임워크의 부족을 원인으로 꼽았습니다. 조직이 자동화를 막는 이러한 요인을 극복하기 위해서는 신뢰할 수 있는 단일 소프트웨어 인텔리전스 소스가 필요합니다. 통계적 상관관계 기반 머신 러닝을 사용하는 AIOps 도구는 끊임없이 가중되는 IT 복잡성에 맞추어 지속적으로 확장할 수 없습니다. Dynatrace는 이 문제를 해결하기 위해 오류 트리 분석과 함께 결정론적 AI를 사용하여 시간이 많이 소요되는 모델 학습이나 추측 없이 즉각적이고 정확한 답변을 제공할 수 있는 Dynatrace 플랫폼을 구축했습니다. 단일 소스에서 전체 소프트웨어 스택에 대한 자동화된 엔드 투 엔드 옵저버빌리티를 확보함으로써, 팀은 자동화된 인사이트를 바탕으로 운영을 효율화하고 자동화할 수 있으며, 보다 중요한 문제 해결에 집중할 수 있습니다.