IT 성능 향상: AIOps와 관측 가능성으로 다운타임 감소 및 사용자 만족도 제고

AIOps 관측 가능성은 IT가 다운타임을 줄이고, 애플리케이션 성능을 개선하며, 고객을 만족시키는 데 도움을 줍니다.

2016년 가트너가 AIOps(IT 운영을 위한 인공지능)라는 약어를 만들었지만, 그 수년 전부터 IT 전문가들은 이미 자율 컴퓨팅의 요소들에 대해 듣고 경험하고 있었습니다. 그런 자동화 기술은 메인프레임과 서버가 운영 전반에 내장된 센서가 성능에 대해 알리는 것에 대응하여 자동적이고 적응적인 결정과 조정을 내릴 수 있게 했습니다.

AIOps 관측 가능성 소개

AIOps든 자율 컴퓨팅이든 목표는 항상 IT가 성능을 모니터링하고 튜닝하여 컴퓨터 자산에서 최대한의 것을 얻고 비즈니스에 최적화된 기술을 제공하도록 돕는 것이었습니다. IT는 AIOps에 강세이며, 2026년까지 AIOps 솔루션에 대해 21.05% 연평균 성장률이 예측되는 것으로 증명됩니다.

그렇다면 무엇이 AIOps를 그렇게 매력적인 가치 제안으로 만드나요?

과로한 시스템 프로그래머, 네트워크 관리자, 소프트웨어 개발자에게 AIOps는 매일 쏟아지는 알림과 잠재적 성능 문제의 건초더미에서 가장 긴급한 문제를 수면 위로 끌어올릴 수 있습니다. 이러한 알림은 기업 IT 부서가 관리해야 하는 사일로화된 시스템의 수 덕분에 모든 곳에서 옵니다. 때로는 그 알림들이 도움보다 더 산만한 소음을 만듭니다.

AIOps가 이 알림들의 소음을 진정한 사고나 장애와 관련된 중요한 조건으로 걸러내는 방식에서 도움을 줍니다. 이는 조직의 IT 인프라 요소와 역학을 추적하면서 인공지능과 머신러닝을 사용하기 때문입니다. 그리고 무엇이 정상이고 무엇이 문제를 제시하는지 학습합니다. 이 지식으로 무장한 AIOps는 이전 시스템 접근 방식처럼 식별하고 알림을 발행합니다. 그러나 오늘날 AIOps를 독특하게 만드는 것은 운영 모니터링에 포함된 AI가 이제 AIOps를 인프라 관측 가능성의 영역으로 데려간다는 것입니다.

관측 가능성은 IT 인프라에서 수집된 맥락 정보와 인공지능, 자동화를 결합할 수 있기 때문에 IT에 차이를 만듭니다. 개별 시스템 구성 요소에서 독립형 알림만 발행하여 IT가 별도로 평가하고 트러블슈팅해야 하는 대신 말입니다. 인프라 지식과 문제 탐지를 포함하는 IT 인프라 평가에 대한 더 전체적인 접근 방식으로, AIOps 관측 가능성은 IT 메트릭, 로그, 추적을 사용하여 IT가 문제 해결 시간을 단축하는 데 사용할 수 있는 진단 권장사항을 발행합니다.

관측 가능성 이해

실제로 AIOps 관측 가능성 플랫폼은 애플리케이션이 흐르는 다양한 시스템, 데이터, 네트워크를 통합할 수 있습니다. 하이브리드 컴퓨팅 환경에서 이는 클라우드와 온프레미스 리소스를 모두 통과하는 애플리케이션 워크플로를 의미할 수 있습니다. 이들 중 어느 하나(또는 모두)가 성능 저하 시 알림을 발행할 수 있습니다. AIOps 관측 가능성 없이 IT는 많은 시스템 모듈과 요소로부터 들어오는 수많은 알림을 평가하게 되며, 알림 '소음'에서 문제의 근본 원인을 분리하는 효율적인 수단이 없습니다. 이 거위 쫓기는 시스템 다운타임과 성능 문제를 연장시킵니다. 불만족스러운 사용자와 고객을 만들고 회사에 분당 평균 5,600달러의 비용을 초래할 수 있습니다.

AIOps 관측 가능성이 다운타임과 성능 문제를 해결하는 방법

예를 들어, AIOps 소프트웨어가 IT 인프라의 역학과 운영 맥락을 이해한다면, 일반적으로 주말에 닫혀 있는 동부 해안 지사에서 토요일에 갑자기 활동 급증을 감지하는 이상 활동을 빠르게 포착할 수 있습니다.

AIOps는 네트워크의 서버나 라우터가 용량 한계에 있거나 근접했는지 감지할 수 있고, 그 초과 용량 활용이 특정 상황(예: 하루 중 가장 바쁜 처리 시간이나 전자상거래 프로모션으로 인한 활동 급증)에 정상인지 알 수 있습니다.

애플리케이션 테스트 영역에서, 테스트를 위해 여러 가상 시스템이 스핀업(spun up)되지만 작업 완료 후 잊혀질 수 있는 곳에서, 관측 가능성은 이러한 유휴 자산을 식별하여 할당 해제할 수 있습니다.

하이브리드 온프레미스-클라우드 환경에서 AIOps 관측 가능성은 애플리케이션 개발자에게 엔드투엔드 애플리케이션 워크플로 어딘가에 병목이 있어 성능을 저하시키는지 실시간으로 알릴 수 있습니다.

결과는 IT가 더 잘 작동하고, 애플리케이션이 비즈니스에 더 빨리 전달되며, 다운타임이 줄어듭니다.

관측 가능성 현황

그렇긴 하지만, AIOps 관측 가능성은 여전히 많은 조직에서 배포 초기 단계에 있습니다.

한 가지 과제는 모든 IT 부서가 관측 가능성(다소 모호한 단어)이 정확히 무엇을 의미하는지 이해하지 못한다는 것입니다. 만약 관측 가능성을 AI와 머신러닝이 촉진하는 '정보에 입각한 관찰(informed observation)'로 이해한다면, 기술 채택이 더 빨라지고 그 가치가 해제될 수 있습니다.

20년 넘게 CIO로 일해온 저는 두 가지를 압니다:

첫째, CIO와 IT는 다운타임, 거위 쫓기, IT가 많은 시스템을 건드리는 복잡한 애플리케이션에서 뭐가 잘못되었는지 파악하는 동안 사용자, 고객, 경영진의 감정을 진정시켜야 하는 것을 싫어합니다.

둘째, 2021년에도 1981년처럼 계속되는 마라톤 '워룸(war room)' 회의를 끝낼 수 있다면, 손가락질은 줄어들고 직원 사기는 높아질 것입니다. AIOps 관측 가능성은 DBA부터 애플리케이션 개발자, 시스템 프로그래머까지 관련된 모든 사람을 실행 가능하고 단일 버전의 진실로 더 잘 무장시킬 것입니다.