AI가 IoT 운영을 향상시키는 방식: 빠르지만 멍청한 대응에서 지능적 자동 관리까지

무그소프트(Moogsoft)의 EMEA CTO 겸 글로벌 제품 전략 부사장 윌 카펠리(Will Cappelli)는 IoT 환경이 대부분의 시간 완벽하게 수행될 수 있지만, 여전히 신속하고 정확한 개입을 요구하는 예기치 않은 이상을 경험한다고 강조합니다.

IoT 사고 대응의 전통적 접근

역사적으로 IoT의 사고 대응은 단순 신호-행동 루프였습니다. 시스템이 결함을 감지하고 응답자(인간 또는 자동)에게 알림을 보내면, 응답자가 사전 정의된 수정 조치를 실행합니다.

두 가지 고전적 모델이 있습니다:

1. 빠르지만 멍청한(Fast but Dumb) – 단일 응답자에게 신호를 보내는 하드와이어드 트리거로, 일반적으로 몇 가지 작업 중 하나(예: 센서 재부팅 또는 네트워크 노드 재설정)를 수행합니다. 장점은 속도, 단점은 제한된 적응성입니다.

2. 똑똑하지만 느린(Smart but Slow) – 로그 관리 플랫폼으로 구동되며, 방대한 비구조화 데이터를 집계하여 분석가에게 맞춤 솔루션을 만들 광범위한 옵션을 제공합니다. 이는 매우 정확한 결과를 산출할 수 있지만, 지연 시간이 수주까지 연장될 수 있어 실시간 IoT 운영에는 용납할 수 없습니다.

IoT에서 AIOps를 사용하는 이유

AIOps는 속도와 지능 사이의 간극을 메웁니다. 데이터 분석을 자동화하여 품질 저하 없이 '빠르면서 똑똑한' 대응을 제공합니다. AIOps는 행동 트렌드에서 지속적으로 학습하여 사고 발생 전 예측하고, 수동 방법에 필요한 시간의 일부만으로 근본 원인을 정확히 짚어냅니다.

2023년 가트너(Gartner) 보고서에 따르면, AIOps는 사고 대응 시간을 최대 70% 단축하여 IoT 배포의 가동시간을 획기적으로 개선할 수 있습니다. 또한 리던던시 오케스트레이션을 간소화합니다. 센서 클러스터가 저하되면 AIOps가 트래픽을 건강한 기기로 원활하게 리다이렉트하여 비용과 성능을 최적화합니다.

AIOps와 IoT의 미래

자율주행차는 장기적 비전을 나타내지만, 오늘날의 '커넥티드 차량'은 IoT와 AIOps의 실질적 교차점을 보여줍니다. 여러 차량의 센서 데이터를 집계하여 중앙 서비스가 혼잡 핫스팟을 식별하고 네트워크 내 모든 차량의 라우팅을 동적으로 조정할 수 있습니다.

예견 가능한 미래에 AIOps는 냉장고부터 가로등까지 모든 IP 지원 기기에 짜여진 보이지 않는 인텔리전스 패브릭이 되어 에지에서 자가 치유와 예측 유지보수를 가능하게 할 것입니다.

IoT에 AI가 필요한 이유

IoT의 막대한 규모와 모듈성은 인간 운영자 혼자서는 감당하기 너무 복잡한 데이터 홍수를 만듭니다. AI는 다음을 위해 필수적입니다:

• 노이즈 필터링으로 실행 가능한 통찰 강조
• 임박한 고장을 알리는 패턴 식별
• 분산 구성요소 간 인과관계 추론
• 실시간 발견사항 전달
• 사용자 영향 전 사전 수정 조치 자동화

전통적 IT와 달리 IoT 기기는 고도로 분산되고, 동적이며, 수명이 짧습니다. 이러한 특성은 AI 주도 자율 운영의 필요성을 증폭시킵니다.

IoT가 AIOps 진화를 형성하는 방식

현재 AIOps 플랫폼은 모든 데이터를 단일 분석 허브로 모으는 중앙화 경향이 있습니다. IoT는 분산 분석으로의 전환을 요구합니다. AI는 에지에서 작동하여 데이터를 로컬로 처리한 후 증류된 통찰을 코어로 다시 보내야 합니다.

이 전환은 AIOps를 각각 신속하고 맥락 인식 결정을 내릴 수 있는 지능형 에이전트 네트워크로 변모시킬 것입니다. 이는 엔지니어링과 개념적 과제를 제시하지만, 업계의 에지 컴퓨팅 급속 채택은 신속한 적응을 시사합니다.

저자: 윌 카펠리(Will Cappelli), 무그소프트(Moogsoft) EMEA CTO 겸 글로벌 제품 전략 부사장