IT 자동화와 AI를 이해하려면 먼저 모든 이해관계자가 같은 내용을 바탕으로 동일한 개념에 관해 이야기할 수 있도록 해야 합니다. 이를 위해서는 몇 가지 핵심 용어를 이해하고 생성형 AI가 가져온 변화를 살펴보며 최고 경영진의 역할을 자세히 알아봐야 합니다. 또한 IT 운영에 자동화와 AI가 어떤 역할을 할 수 있는지 보여주는 몇 가지 사용 사례를 자세히 살펴보는 것도 중요합니다.
이 용어는 사람의 개입은 줄이면서 비즈니스 프로세스는 더 빠르고 효율적으로 진행한다는 전체적인 그림을 포괄합니다.
수동 조치를 취하고 이를 수행하기 위해 사람 대신 시스템이나 도구를 사용하는 방법을 찾는 프로세스입니다.
2018년 Gartner가 만든 용어로, 자연어 처리, 머신 러닝(ML) 모델과 같은 AI 기능을 적용해 운영 워크플로우를 자동화하고 간소화하는 것을 의미합니다.
이 용어는 학습된 데이터를 기반으로 고품질 텍스트, 이미지, 기타 콘텐츠를 생성할 수 있는 딥 러닝 모델을 의미합니다.
생성형 AI는 우리가 일하는 방식에 대한 접근 방식을 획기적으로 바꾸고 있습니다. 여기에는 기존의 IT 프로세스도 포함됩니다. CEO 4명 중 3명은 생성형 AI에 회사의 경쟁력이 달려 있다고 생각합니다. 그리고 혁신은 대부분의 조직에서 여전히 우선순위가 높은 과제입니다. McKinsey 연구에 따르면 기업의 90%가 일종의 디지털 혁신을 시작했습니다. 이러한 디지털화는 준비가 되었든 되지 않았든 오늘날의 모든 비즈니스를 기술 비즈니스로 전환시킵니다.
“디지털 혁신은 작업을 간소화하는 것과는 다릅니다. 대부분의 경우 더 많은 시스템, 더 많은 애플리케이션 등 새롭고 더 복잡한 것이 추가됩니다. 과거에는 복잡성이 증가하면 SRE, 개발자, 클라우드 운영을 모니터링하는 팀 등의 규모가 커졌습니다. 하지만 이러한 방식은 장기적으로 확장성이 떨어집니다. 이제 조직은 팀의 경험과 생산성을 향상할 수 있는 새로운 방법을 찾아야 합니다.” —Stephen Mortefolio
모든 기업이 기술 기업이라면 모든 최고 경영진은 더 나은 기술을 갖춘 기술자가 되어야 합니다. 많은 기업에서 AI와 자동화를 최고 경영진 중심에서 이사회 수준으로 확장하고 있습니다.
철저한 감시 속에서 오늘날은 생성형 AI와 기타 AI가 접목된 기술을 도입해야 한다는 압박은 그 어느 때보다 큽니다. 이러한 부담은 1년 365일 24시간 내내 IT를 운영하면서 동시에 새로운 기능을 제공하고 고객의 만족도와 충성도를 유지하며 비용을 최대한 낮춰야 하는 압박과도 맞물려 있습니다.
“공공 부문에 종사하든, 통신 업계에 종사하든, 제조 분야에 종사하든, 구성원이나 고객에게 적절한 서비스를 제공하지 않는다면 아무런 소용이 없습니다. 서비스의 품질이 낮고 고객에게 필요한 기능을 제공하지 못한다면 고객이 이미 떠났기 때문에 나머지는 중요하지 않습니다.” —Melissa Long Dolson, IBM 기술 영업 부문 AI 운영/통합 담당 부사장
CIO들은 이러한 압박이 "기술 투자를 통해 최대한의 가치, 최고의 생산성, 최고의 이익을 얻고 있는가?"라는 한 가지 질문에 답하기 위해 노력해야 한다는 의미임을 알고 있습니다. 다행히 AI 기반 IT가 이 질문에 "그렇다"라는 대답을 이끌어낼 수 있습니다.
“이러한 투자를 통해 더 많은 것을 얻을 것으로 기대합니다. 개인 생활에서도 실제 사람보다 기계에 더 많은 것을 기대합니다. 기대치가 너무 높아 단 한 번의 나쁜 경험으로도 누군가는 브랜드를 떠나고, 제품을 떠나고, 서비스 사용을 중단할 수 있습니다. 그렇기 때문에 애플리케이션이 지속적으로 고성능을 발휘하는 것이 그 어느 때보다 중요합니다.” —Keri Olson
팩트: 설문조사에 참여한 조직의 60%는 IT와 네트워크 복잡성을 줄이기 위해 자동화에 투자하고 있습니다. 50%는 성능이 개선된 새로운 IT 플랫폼과 애플리케이션을 제공하기 위해 투자합니다.¹
AI 및 AIOps 솔루션을 사용하면 IT 팀과 이 팀이 서비스를 제공하는 비즈니스는 '고장 수리' 모델에서 예방과 예측이 가능한 모델로 전환할 수 있습니다. 이러한 솔루션은 팀에 인간이 필적할 수 없는 규모로 생산성을 향상하고 시간을 절약하며 비용 절감 효율성을 높이는 실용적인 새로운 방법을 제공합니다. 예를 들어 이러한 사용 사례가 잠재적으로 어떻게 IT 운영 및 개발을 개선할 수 있는지 생각해 보세요.
AI와 지능형 자동화를 기반으로 하는 실시간 근본 원인 분석 기능을 사용해 인시던트의 근본 원인을 신속하게 파악한 다음 즉각적인 조치를 취해 평균 탐지 시간(MTTD)과 평균 해결 시간(MTTR)을 모두 단축할 수 있습니다.
FinOps 클라우드 재무 관리 프레임워크를 적용해 교차 기능팀이 함께 작업하고 클라우드 사용에 대한 소유권을 가질 수 있습니다. FinOps는 조직이 클라우드 컴퓨팅 인프라의 재무 성과를 최적화하기 위한 목적으로 사용하는 관리 방식입니다. 비용과 성능의 균형을 안전하게 유지하는 데 데이터 기반 클라우드 지출 의사 결정을 내리면 사람이 아닌 소프트웨어가 적절한 조치를 취해 적시에 애플리케이션에 필요한 리소스를 제공할 수 있습니다.
AI와 자동화를 기반으로 한 관측 가능성을 사용해 풀 스택 가시성을 확보하여 환경을 더 잘 이해하고 혁신을 가속화할 수 있습니다. 또한 프로덕션 환경에서 애플리케이션의 성능과 무결성을 자동으로 탐색하고 모니터링하며 유효성 검사를 실행할 수 있습니다. 여기에는 클라우드 인프라, 가상 머신, 컨테이너 기반 마이크로서비스, 공유 멀티 테넌트 인프라, 스토리지 시스템이 포함되며, 모두 사용량, 가용성, 응답 시간 등의 메트릭을 보고합니다.
생성형 AI를 사용하면 애플리케이션과 시스템을 연결하고 중요한 데이터를 확보하는 시간을 줄일 수 있습니다.
자연어 요청 또는 기존 소스 코드를 기반으로 한 AI 추천을 통해 정확한 고품질 코드를 사용하여 코드 생성 속도와 개발자 생산성을 높일 수 있습니다. 대대적인 기술 향상 없이도 개발팀이 다양한 프로그래밍 언어를 능숙하게 다룰 수 있도록 지원하세요.
인용
1 ESG 데이터의 난제, IBM 비즈니스 가치 연구소, 2023년 4월