NASA의 청사진: 기술, 문화, 데이터 통합으로 AIOps 성공 이끌기

NASA와 같은 조직은 AI 및 AIOps 도입을 시작한 이들과 경험을 공유하고 있습니다.

AIOps 구현에 관심 있는 조직은 이미 운영 및 DevOps 그룹에서 인공지능 활용을 시작한 선배들의 조언을 통해 혜택을 얻을 수 있습니다.

이러한 혁신가 중 하나인 NASA는 최근 재무, 조달 등 우주 기관의 비즈니스 애플리케이션, 특히 AIOps 환경에서 AI를 도입할 때 전체적인 접근 방식의 중요성을 강조했습니다.

AI 운영 그룹 ATARC 발표에서 NASA 데이터 과학 그룹 리더들은 AIOps 이니셔티브에 필요한 세 가지 핵심 요소를 제시했습니다. 기술이 가장 눈에 띄지만, 조직은 AI가 활용할 수 있도록 데이터를 준비해야 하며, 데이터가 의사 결정을 돕도록 받아들이는 기업 문화의 변화도 마찬가지로 중요합니다.

왜 NASA의 말을 들어야 할까요? "네, 우리는 로켓 과학자들입니다"라고 솔직하게 말할 수 있는 사람들이기 때문입니다.

"알고리즘을 실행하는 부분은 매우 작은 부분에 불과합니다. 데이터는 거의 바로 사용할 수 있는 형태가 아닙니다. 사람들은 각자의 업무 방식이 이미 자리 잡고 있어 새로운 도구나 도구 세트를 배우고 그것이 실제로 어떻게 작동하는지 이해하는 문제가 있습니다. 사람들은 AI가 자신을 위해 무엇을 할 수 있는지에 대해 각기 다른 개념을 가지고 있습니다."라고 NASA 데이터 과학 그룹 리더 니쿤자 오자(Nikunj Oza)는 Government CIO Media 보도에 따라 말했습니다.

그는 "데이터가 AI 사용을 위해 [자동으로] 준비되어 있지 않기 때문에, 시스템의 다른 부분이 준비되지 않았다면 AIOps 프로젝트를 시작하자마자 중단될 수 있습니다."라고 덧붙였습니다.

AIOps 조언

NASA 애플리케이션 부문 부CIO 셰넌도어 스피어스(Shenandoah Speers)는 ATARC 청중에게 기관의 디지털 전환이 진행 중이지만 여전히 성숙 단계에 있다고 말했습니다. "데이터 유입이 많고, 그 데이터를 어떻게 소화하여 비즈니스 결정과 임무 결정에 활용할지가 관건입니다."

오자는 또한 AI와 머신러닝을 둘러싼 오해, 특히 AI가 인간의 일자리를 뺏을 것이라는 내부 우려에 대해서도 논의했습니다.

미 국방부 합동인공지능센터(JAIC) 웨비나 연사도 데이터 품질 문제를 논의했습니다. "라벨 품질, 데이터 품질 문제가 있습니다."라고 JAIC의 AI/머신러닝 테스트 및 평가 책임자 예브게니야 피넬리스(Yevgeniya Pinelis)는 말했습니다. "인프라 문제도 물론 있습니다. ... 신뢰할 수 있는 AI 시스템을 구축하려면 그런 생태계와 모든 파이프라인이 갖춰져 있어야 합니다."

그는 팀이 애자일과 데브섹옵스를 채택하도록 하는 데 문화가 중요한 요소라고 덧붙였습니다. "사용자와 테스터가 아주 초기에 참여한다면, 그것이 애자일 프로세스를 얻고 마지막에 재앙을 피하는 방법입니다. 우리가 겪고 있는 큰 문화 변화입니다. 합동 물류 분야에서 많은 성과를 거두었습니다. 이는 범위가 잘 정의된 AI 문제인 경향이 있지만, 데이터 준비는 항상 문제입니다."

더 많은 기업이 AIOps와 옵저버빌리티 경험을 쌓으면서, 이제 막 시작하는 이들도 선구자들로부터 AIOps 조언을 얻을 기회가 늘고 있습니다.