AI 네이티브 관측성 플랫폼 공동 개발
출처: DevOps.com
현대 하이브리드 기업을 위한 AI 기반 운영
AI 역량이 지속적으로 발전함에 따라, AI는 분산되고 하이브리드된 기업 환경의 복잡성을 관리하는 핵심이 되고 있습니다. 이는 상호 연결된 시스템 전반에 걸쳐 보다 효과적인 분석, 상관관계 파악 및 자동화를 가능하게 합니다.
전통적인 인프라—특히 네트워크 모니터링—접근 방식은 종종 사일로화된 도구와 정적 임계값에 기반해 구축되며, 현대 시스템의 규모, 속도 및 상호 의존성을 따라잡기 어렵습니다. 네트워크, 애플리케이션, 인프라 도메인 간 경계가 흐려지면서 근본 원인 파악과 운영 회복력을 유지하기가 더욱 힘들어졌습니다. 이러한 상황에서 AIOps 플랫폼은 통합 가시성, 자동화 및 데이터 기반 의사결정에 대한 증가하는 요구에 대한 대응으로 등장했습니다.
Selector AI at AI Field Day
AI Field Day에서 Selector AI는 보다 적응적이고 데이터 중심적인 네트워크 운영을 공동으로 만들어 갈 수 있는 기반이 되는 AIOps 플랫폼을 선보였습니다. 단순히 제품 선택으로 포지셔닝하기보다, 이 솔루션은 SaaS 모델을 채택하고 전문 서비스를 포함하며, 각 고객의 플랫폼 인스턴스에 대해 공동 개발 접근 방식을 장려합니다.
시연에서 강조된 핵심 포인트:
- 전체 스택 가시성을 데이터 중심 접근 방식으로 제공 — 데이터가 스택의 핵심이 됩니다.
- 데이터 중심 기반: 다양한 멀티 도메인 소스(메트릭, 로그, 구성, 알림, 토폴로지)를 하나의 통합 분석 레이어로 수집합니다.
- AI를 적용하기 전에 ML 기반 원시 텔레메트리 상관관계를 우선시하여 “단일 진실 원천”을 만들고, 알림 피로도를 크게 줄이며 사일로형 대시보드 없이 하이브리드/클라우드 환경을 지원합니다.
- 통합 데이터 + 공동 개발을 통해 결정론적 시각화와 인과 분석이 가능해져 근본 원인 파악이 보다 효율적으로 이루어집니다.
전략적 기능
| 기능 | 설명 |
|---|---|
| Network Language Model | 방대한 네트워크 텔레메트리를 학습한 파인‑튜닝 모델. 자연어 질의를 복잡한 운영 작업으로 변환하고, 인터페이스 연결성, 라우팅 경로 등 도메인 특화 용어를 이해하며 Slack/Teams 채팅을 구동합니다. |
| AI Agent Workflows | 에이전트 프레임워크를 통한 자율적이고 설명 가능한 네트워크 운영. 에이전트는 Network Language Model과 결합된 Retrieval‑Augmented Generation(RAG)을 사용해 통합 텔레메트리를 처리하고 작업을 트리거합니다. |
| Per‑Customer Instance | 각 고객에게 전용 Selector 인스턴스를 제공해 추가 오버헤드를 없애고 맞춤형 확장이 가능하도록 합니다. |
인하우스 구축 vs. Selector 플랫폼
| 항목 | 인하우스 구축 | Selector 플랫폼 |
|---|---|---|
| 시장 출시 시간 | 18–24개월 | 공동 개발을 통한 가속화된 배포 |
| 비용 | 수백만 달러 규모 예산, 전담 엔지니어링 팀 필요 | 초기 노력 감소; 구독 기반 가격 |
| 유지보수 | ML 모델 지속 튜닝, 기술 부채 증가 | Selector가 관리; 지속적인 업데이트 |
| 기능 | 맞춤형 가능하지만 기본 제공 교차 도메인 상관관계 부족 | 교차 도메인 상관관계, 사고 요약, 파트너 에코시스템을 통한 확장성 제공 |
| 확장성 | 내부 리소스에 의존 | 하이브리드/클라우드 규모에 최적화된 설계 |
도입 로드맵
- 가치 검증 – 핵심 서비스 소규모 집합을 대상으로 알림 감소와 사고 대응 개선을 측정합니다.
- 텔레메트리 수집 확대 – 더 많은 데이터 소스를 통합 레이어로 가져옵니다.
- 에이전트 워크플로 도입 – 일상 운영 작업을 자동화합니다.
- 자동화 규모 확대 – 예측 운영, 용량 계획 및 광범위한 오케스트레이션으로 전환합니다.
- 거버넌스 및 지표 – 교차 기능 거버넌스를 수립하고 정의된 KPI에 따라 성과와 비용을 지속적으로 평가합니다.
대량 맞춤화
공동 창작을 통해 AI 모델과 분석을 고객 고유의 요구에 맞게 맞춤화할 수 있습니다. 이러한 “대량 맞춤화”는 팀이 일반적인 일괄 적용 휴리스틱이 아닌 구체적이고 실행 가능한 인사이트를 생성하도록 돕습니다. 자세한 내용은 Selector 블로그를 참고하세요.
이러한 요소들은 에이전트 기반 자가 치유 네트워크를 구현하며, **AI Field Day 8**의 주제—프로덕션 규모 추론 및 인프라 진화—와도 일맥상통합니다.
전략적 관점
Selector와 같은 플랫폼은 독립형 제품이라기보다 운영 진화의 촉진제로 보는 것이 바람직합니다. 장기 가치는 조직이 다음을 얼마나 효과적으로 수행하느냐에 달려 있습니다.
- 플랫폼을 기존 워크플로에 통합
- 비즈니스 목표와 정렬
- 내부 역량(인력, 프로세스, 거버넌스) 구축
이러한 접근을 통해 기업은 AI를 활용해 반응형 문제 해결에서 벗어나 고차원 검증, 의사결정 및 인간‑기계 협업 운영으로 전환할 수 있습니다.
