네트워크의 자율주행 시스템, ‘AI 네트워킹’의 이점과 주요 사용례

1 day ago 6

오늘날 네트워크는 갈수록 복잡해지고 분산되는 만큼 다양한 과제에 직면한다. 성능과 속도, 가용성, 지연에 대한 전통적인 문제는 여전히 골칫거리이며, 크라우드스트라이크(CrowdStrike) 중단 사고에서 볼 수 있듯이 가동 중단은 회사의 재정과 평판에 위험을 초래할 수 있다. 이런 사고는 앞으로도 계속 발생할 것이 분명하다.

그러나 AI는 네트워크를 개선할 수 있는 잠재력을 지녔다. 새로운 AI 네트워크 개념은 여러 기술을 결합해 네트워크 운영을 자동화하고 네트워크 관리를 도와 가용성과 성능을 개선할 수 있게 해준다. 모델은 네트워크를 구성, 모니터링하고 문제를 해결하고 보호하고, 사고 관리와 세부적인 권장 사항 및 대응책을 제공할 수 있다.

AI 네트워킹이란 정확히 무엇이고 어떻게 작동하며, 주요 사용례는 무엇일까? 네트워크 운영을 혁신할 것이라는 이 기술에 대해 자세히 알아보자.

신뢰성·효율성·성능을 위한 2일차 작업

AI 네트워킹은 AI를 네트워킹 인프라 깊이 통합해 수많은 프로세스를 자동화하고 효율성, 적응성, 성능, 속도, 지연, 기타 핵심적인 요소를 개선한다. AI 네트워킹(AI networking)이라는 용어는 가트너가 2023년 처음 사용했지만 그 개념은 자율 네트워킹(autonomous networking), 인텐드 기반 네트워킹(intent-based networking), 자율 운영(self-driven) 또는 자가 복구 네트워킹(self-healing networking) 등의 이름으로 오래전부터 존재했다.

네트워크에는 0일차(초기 계획)부터 N일차(수명 종료)까지 많은 단계가 있다. AI 네트워킹은 주로 2일차 운영(지속적인 유지보수)을 다루지만 앞으로 0일차와 1일차(네트워크 개발과 배포) 기능에도 차츰 적용이 확대될 가능성이 높다.

2일차의 경우 리소스를 할당하고 네트워크 문제를 파악하고 신속히 해결(및 예측)하고 문제 식별을 중앙화하고 권장 사항과 대응을 자동화하고 저수준 지원 문제를 해결하고 확인-거부 분석을 통해 문제 티켓 오탐지를 줄이는 등의 다양한 기능에 AI를 사용할 수 있다.

최종적인 목표는 네트워크의 안정성, 효율성, 성능을 더 높이는 것이다. 또한 궁극적으로 네트워크의 자율성과 자가 복구(사람이 개입할 필요 없이 문제를 해결하는 능력) 기능도 더 강화될 수 있다.

가트너는 AI를 사용해 2일차 운영을 자동화하는 기업의 비중이 2023년 불과 10%에서 2027년에는 90%에 이를 것으로 예측한다. 또한 가트너는 AI 네트워킹이 문제 해결과 네트워크 가용성을 개선하고 지원 요청을 줄여주므로 이미 운영 관리 비용을 25% 낮춰줄 수 있다고 말한다.

가트너 애널리스트 조나단 포레스트, 앤드류 러너, 팀 짐머만은 “AI 네트워킹은 네트워크 가용성, 성능, 운영 효율성을 개선해줄 것”이라고 썼다.

AI 네트워킹의 핵심 구성요소

네트워크 관리에서 AI/ML 사용이 새로운 것은 아니다. 예를 들어 IT 운영을 위한 AI옵스(AIOps)는 자동화를 사용해서 더 폭넓은 IT 운영을 개선하는 일반적인 방법이다.

AI 네트워킹은 네트워크 자체에 특화되며 멀티 클라우드 소프트웨어, 유무선 LAN, 데이터센터 스위칭, SD-WAN, 매니지드 네트워크 서비스(managed network services, MNS)를 포함한 여러 영역을 포괄한다. 특히 생성형 AI의 급격한 부상에 따라 경영진이 네트워킹을 포함한 비즈니스의 모든 측면을 재고하면서 AI 네트워킹이 전면에 등장했다.

AI 네트워킹은 아래에 나열된 여러 첨단 기술을 활용해 프로세스를 자동화하고 네트워크를 모니터링한다.

AI 네트워킹의 주요 사용례

AI 네트워킹의 몇 가지 사용례를 살펴보자. AI 기반 네트워크가 할 수 있는 일은 다음과 같다.

실시간으로 트래픽을 분석해 네트워크의 원활한 동작을 보장한다. 빠르고 안정적인 액세스를 보장하고 병목 현상을 줄여야 하는, 트래픽이 많은 기업에 특히 유용하다.
사용량 추세 분석을 통해 미래 수요를 예측함으로써 용량 계획, 리소스 할당을 지원하고 최적의 네트워크 성능과 흐름을 유지하도록 한다. AI는 성능 추세를 통해 네트워크 상태를 평가하고 이런 평가를 업계 동종 기업과 비교할 수 있다.
장기적인 예측 모델링을 수행해서 네트워크 중단 또는 성능 저하가 발생할 수 있는 시점을 판단한다. 또한 지연 문제 또는 정체 현상을 파악하고 트래픽 경로를 변경하거나 인프라를 확장하거나 기타 네트워크 리소스 분산을 위한 조치를 취할 수 있다.
비밀번호 재설정 또는 간단한 하드웨어 결함과 같은 기본적인 문제 해결(레벨 1, 레벨 2 지원)을 처리해서 ITSM(IT service management)를 최적화한다. 또한 오탐지를 없애고 사람의 개입이 필요한 더 높은 수준의 문제를 파악하는 데 도움이 된다.
위협 대응을 개선하고 보안 사고를 식별, 평가하고 해결을 위한 조치를 제안한다. 제로 트러스트 구성으로 보강된 AI는 네트워크의 디바이스를 식별 및 분류하고 트래픽, 로그, 사용자 행동을 분석해 의심스러운 부분을 파악하고 사이버 공격이나 침해 또는 그러한 시도가 발생하면 경보를 발령할 수 있다.
다양한 사용자 그룹에 따라 네트워크 경험을 맞춤 설정해서 특정 요구사항을 충족하고 생산성을 개선한다. 다양한 사용자 그룹이 있는 규모가 큰 환경에서 특히 중요한 부분이다.
배포, 유지보수, 문제해결에 도움이 되도록 IoT 엔드포인트를 추적한다.
트래픽 흐름을 분석해(프로토콜, 포트 번호, 출발 및 목적지) 사용자, 디바이스, 앱 간의 특정 상호작용을 허용 또는 거부함으로써 정책을 자동화한다.
디바이스를 평가하고 모든 디바이스의 소프트웨어가 최신 상태인지 확인해 수명 주기 관리를 개선한다. 잠재적인 구성 취약성 또는 문제를 찾고 업그레이드에 대해 제안할 수 있다.

AI 네트워킹의 당면 과제

물론 과제가 없는 기술은 없다. 특히 새로운 개념의 경우 항상 부풀려진 기대와 과장 홍보되는 기능, 지나친 기대치와 관련된 문제가 있다. 또한 새로운 기술에는 늘 비용에 대한 우려가 따른다.

아무리 놀랍고 혁신적인 기술이라 해도 AI 역시 틀릴 수 있다. 잘못된 권장 사항을 제시해 결과적으로 지나치게 복잡한 네트워크 구성이 될 수도 있고 중단이나 기타 문제로 이어질 수도 있다. 이런 현상은 잘못된 프롬프트 또는 떨어지는 품질, 부정확하거나 관련 없는 학습 데이터로 인해 발생할 수 있다.

새로운 기술에는 새로운 스킬도 필요하므로(예를 들어 프롬프트를 하는 방법, 프롬프트의 결과로 나오는 출력에 대한 이해) 기업은 직원의 업스킬 또는 리스킬을 위해 시간과 리소스를 투자해야 한다. 문화적 동참도 이에 못지않게 중요하다. 작업자가 위험을 기피하고 AI를 불신하고 AI가 자신의 일자리를 대체할 것을 우려하거나 단순히 새로운 스킬을 익히는 데 관심이 없을 수도 있기 때문이다.

AI 네트워킹 전략을 시작하는 방법

AI 네트워킹 솔루션은 다양한 형태로 제공된다. 기존 AI옵스 플랫폼에 수평적 접근 방식으로 통합될 수도 있고, 네트워크 솔루션 업체의 플랫폼 내에서 기능으로 제공되거나 여러 업체에 걸쳐 독립적으로 실행 가능한 기능, 또는 매니지드 NaaS(managed network-as-a-service)로 제공될 수도 있다.

최선의 성과를 얻기 위해서는 기업에 맞는 아키텍처를 선택하는 것이 매우 중요하다. 툴은 기존 시스템 내에 통합되고 0일차부터 N일차까지의 사용 사례를 지원하고 네트워크 성장에 따른 확장성을 제공해야 한다.

특정 솔루션을 선택하기 전에 먼저 자신의 네트워크에 필요한 것이 무엇인지부터 확실히 이해해야 한다. 현재 네트워크 인프라를 평가하고 과제와 요구사항을 이해하고 AI가 도움이 될 수 있는 영역을 파악한다.

가트너는 프로덕션 환경에서 툴을 사용하기에 앞서 작게 시작해서 PoC 테스트를 수행할 것을 제안한다. 샌드박싱 환경에서 모델의 권장 사항과 예측에 따라 행동하면서 모델의 정확성을 테스트한 다음, 시스템이 스스로를 입증하고 사용자의 신뢰가 쌓이는 정도에 따라 자동화를 적용해야 한다.

가트너는 기존 리소스와 요구사항을 기반으로 어느 AI 네트워킹 시스템 유형(NaaS, AI옵스 플랫폼, 솔루션 업체, 멀티 벤더 또는 매니지드 서비스 제공업체)이 비즈니스에 가장 적합한지 파악하라고 조언했다. 솔루션 업체의 운영 모델이 MNS인지 DIY인지, 싱글 벤더인지 멀티 벤더인지를 파악하고, 툴과 툴의 기능에 대한 세부적인 내용과 구현부터 이후 몇 년까지의 명확한 타임라인을 제공하도록 요구해야 한다.

NaaS 기업 나일(Nile)은 경영진에 데이터를 효율적으로 수집 및 처리하고 정기적으로 재학습되는 시스템에 투자하라고 말했다. 사이버 위협에 대처하려면 솔루션이 보안 표준과 규정준수 요구사항을 따르는지도 확인해야 한다. 또한 업체마다 다를 수 있는 구현 비용도 파악하고 대비해야 한다.

그에 못지않게 중요한 부분은 IT팀에 AI 권장 사항에 따라 조치를 취하고 네트워크 운영이 근본적으로 어떻게 변화할 것인지를 평가하는 데 필요한 툴을 제공하는 것이다. 마지막으로, 네트워크 가용성과 성능, 리소스 효율성에 대한 비용 절감과 혜택을 계산해서 도입을 정당화해야 한다.

결론

AI 네트워킹은 IT 네트워크를 혁신하고 현대화할 잠재력을 지녔다. 많은 기회가 있고 중요한 고려 사항과 과제도 있다. 모든 기술이 그렇듯이 전략적인 접근 방식을 취하고, 신중한 반복과 교육및 학습, 지속적인 업스킬을 통해 최대한의 혜택을 얻어야 한다.
editor@itworld.co.kr

Read Entire Article