AI 네트워킹이란 무엇인가? 사용 사례, 이점 및 과제

 

AI 네트워킹 개요

“ AI 네트워킹은 오랜 전통의 네트워킹 운영을 중단시켜 엄청난 생산성 향상을 가져올 수 있는 큰 잠재력을 제공합니다.” Gartner, 혁신 통찰력: AI 네트워킹은 네트워크 운영을 혁신할 수 있는 잠재력을 가지고 있습니다.

인공 지능(AI) 네트워킹은 네트워크의 지속적인 "Day-2(2일차)" 관리, 유지 관리 및 최적화에 초점을 맞춘 AIOps(IT 운영을 위한 AI)의 진화입니다. AI와 네트워킹 인프라를 결합하여 IT 운영을 자동화하고 최적화합니다. AIOps가 정보 및 운영(I&O) 인프라 수준에 더 폭넓게 초점을 맞추는 반면, AI 네트워킹은 네트워킹 도메인(데이터 센터 스위칭, 유선, 무선, LAN , WAN, SD-WAN , 멀티클라우드)에 국한됩니다. 이 용어는 2023년 Gartner에 의해 만들어졌지만 이 개념은 이전에 본질적으로 동일한 기능을 지칭하는 다른 제목으로 존재했습니다. 공급업체에서는 이를 인텐트 기반 네트워킹 , 자율 네트워크, 자율 구동 네트워크, 자가 치유 네트워크라고 불렀습니다.

AI 네트워킹 사용 사례

IT 인프라는 오늘날의 기업에 매우 중요하지만 복잡하고 관리하기 어려울 수 있으며 IT 팀은 네트워크 문제를 식별하고 해결하기 위해 높은 수준의 기술이 필요한 경우가 많습니다. 또한 네트워크 관리자는 선별하고 우선순위를 지정하기 어려울 수 있는 다양한 출발지로부터의 경고(alert)에 시달립니다. 이 모든 것은 IT 직원의 지속적인 인재 부족으로 인해 복잡해지며, 이로 인해 자동화가 시급한 문제가 됩니다.

AI 네트워킹은 전통적인 IT 운영을 변화시키고 네트워크를 더욱 지능적이고 자체 적응적이며 효율적이고 안정적으로 만드는 것을 추구합니다. 이 기술은 머신 러닝(ML) , 딥 러닝, 자연어 처리(NLP), 생성 AI(genAI) 및 기타 방법을 사용하여 네트워크를 모니터링하고 문제를 해결하며 보호합니다.

 

핵심 기능은 다음과 같습니다.

네트워크 자동화

AI 네트워킹은 네트워크 구성, 모니터링, 문제 해결을 포함한 작업을 자동화합니다. 이는 성능을 향상시키고 리소스 할당을 최적화하며 가동 중지 시간을 줄이는 데 도움이 됩니다. 구성 및 사고 관리, 소프트웨어 업데이트 등을 포함한 작업도 권장 사항 및 대응과 마찬가지로 자동화됩니다.

최적화된 ITSM

AI 네트워킹은 가장 기본적인 레벨 1 및 레벨 2 지원 문제(예: 비밀번호 재설정 또는 하드웨어 결함)를 처리하여 IT 서비스 관리(ITSM)를 최적화할 수 있습니다. NLP, 챗봇 및 가상 에이전트를 활용하면 가장 일반적이고 간단한 서비스 데스크 문의 사항을 처리하고 사용자가 문제를 해결하는 데 도움을 줄 수 있습니다. AI는 또한 단계별 지침을 넘어서는 더 높은 수준의 문제를 식별하고 이를 인간의 지원을 위해 전달할 수 있습니다.

또한 AI 네트워킹은 IT 헬프 데스크에서 조치를 취하기 전에 티켓을 승인하거나 거부하여 문제 티켓 오탐을 줄이는 데 도움이 될 수 있습니다. 이렇게 하면 애초에 실제 문제가 아니었거나 실수로 제출되었거나 복제되었거나 이미 해결된 티켓을 작업자가 처리할 확률을 줄일 수 있습니다. 이러한 AI 핸드오프를 통해 응답 시간을 개선하고 IT 직원의 작업량을 줄여 전략과 고급 작업에 집중할 수 있습니다. AI 네트워킹은 또한 운영 효율성을 향상시키고 경보 소진으로 인한 인적 오류를 줄일 수 있습니다.

향상된 네트워크 관리 및 성능

AI는 대량의 네트워크 데이터와 트래픽을 분석하고 예측 네트워크 유지 관리를 수행할 수 있습니다. 알고리즘은 패턴, 이상 징후 및 추세를 식별하여 성능이 저하되거나 예상치 못한 네트워크 중단이 발생하기 전에 잠재적인 문제를 예측할 수 있습니다. 그런 다음 IT 팀은 서비스 중단을 방지하거나 최소화하기 위해 조치를 취할 수 있습니다.

AI 네트워킹 시스템은 병목 현상, 대기 시간 문제 및 혼잡 영역도 식별할 수 있습니다. 워크로드, 리소스 활용도 및 수요 예측에 대한 지속적인 분석을 통해 AI는 네트워크 리소스를 할당하고, 인프라를 확장하고, 필요한 곳에 트래픽을 다시 라우팅하고, 서비스 품질( QoS )을 향상시킬 수 있습니다.

 

AI 네트워킹은 다음을 수행할 수도 있습니다.

• CPU 결함이나 플래시 드라이브 결함과 같은 하드웨어 결함 가능성을 확인하고 필요할 때 해결합니다.
• 여러 데이터 세트를 연관시켜 지연 시간이나 기타 문제의 원인을 파악합니다.
• 더 많은 대역폭을 요청하거나 노이즈, 간섭 또는 혼잡을 기반으로 대체 채널로 다시 라우팅하여 수요 급증에 대응할 수 있습니다.
• 서버 응답 시간이 길어지는 원인을 확인합니다.
• IT 팀이 모든 공급업체의 특정 플랫폼이나 전문 용어에 정통할 필요가 없도록 공급업체 중립적인 문제 해결 또는 프로비저닝을 생성합니다.

사고 관리

상관 분석, 패턴 인식 및 기타 방법을 통해 AI 알고리즘은 사고 원인을 목표로 삼고 해결 조치를 제안할 수 있습니다. 이를 통해 IT 팀이 문제를 식별, 진단 및 해결하는 데 드는 시간과 노력을 줄일 수 있습니다.

지능형 보안

AI는 트래픽, 사용자 행동 및 시스템 로그를 조사하여 이상 현상을 찾아내고 잠재적인 보안 위반이나 공격을 표시할 수 있습니다. 이는 사전 위협 탐지, 응답 시간, 완화 및 네트워크 보호를 지원할 수 있습니다. AI는 사이버 보안 문제에도 실시간으로 대응할 수 있습니다.

Day-0 및 Day-1 기능

AI 네트워킹은 2일차 작업에 착수하는 동안 네트워크 성능 최적화를 위한 네트워크 설계, 설정 및 권장 사항을 포함하여 0일차 및 1일차 기능도 지원합니다.

반응형

AI 네트워킹의 주요 구성요소

AI 네트워킹에는 다음을 포함한 다양한 기술이 통합되어 있습니다.

예측 분석

AI는 데이터 분석과 통계 모델을 통해 네트워크와 해당 정책을 이해하는 방법을 배울 수 있습니다. 사전 정의된 지표, 트래픽 흐름, 추세 및 패턴을 연구 및 처리하고 이를 설정된 기준과 비교할 수 있습니다.

추세 분석 및 패턴 인식

알고리즘은 추세를 분석하고 패턴 인식을 사용하여 실시간 및 과거 데이터를 이해할 수 있습니다. 모니터링과 관찰 가능성을 통해 AI는 이벤트 및 원격 측정 데이터를 처리하여 사건이 발생하는 즉시 감지할 수 있습니다.

시스템은 과거 데이터로부터 기준선을 생성한 다음 인간 참여 여부에 관계없이 데이터와 인간 조작자 입력, 지침, 반응 및 상호 작용을 기반으로 이벤트 패턴을 지속적으로 학습하고 개선함으로써 이를 수행합니다.

이벤트 상관관계

AI는 기본 모델, 시계열 및 토폴로지 정보를 사용하여 원격 측정 도메인 및 그룹 관련 이벤트 전반에 걸쳐 이벤트를 압축하고 상호 연관시킬 수 있으므로 인간 개입의 필요성이 줄어듭니다.

폐쇄 루프 문제 해결

AI 네트워킹은 명시적인 조치, 안내 또는 단순한 관찰을 통해 이벤트와 인간 반응 간의 연관성을 지속적으로 학습하고 개선합니다. 이 프로세스는 시스템이 교육 및 매개변수를 기반으로 권장 사항을 제공하거나 자체적으로 조치를 취하도록 트리거할 수 있습니다.

생성 AI(GenAI)

AI 네트워킹에서는 제안을 제공하거나 구체적이고 맞춤형 행동 계획을 수립할 수 있는 genAI 및 LLM(대형 언어 모델)을 점점 더 많이 사용할 것입니다. 예를 들어, Gartner는 엔지니어가 Vendor A를 사용하여 400개의 서버를 지원할 수 있는 리프-스파인 네트워크(2개의 스위칭 계층으로 구성)를 설계하기 위해 ChatGPT와 유사한 인터페이스를 요청할 수 있다고 가정합니다. ) 플랫폼은 이 특정 프롬프트에 필요한 구성을 생성할 수 있습니다.

디지털 트윈

시뮬레이션된 비프로덕션 환경을 사용하여 기업은 네트워크 변경이 실제 프로덕션 환경에 배포되기 전에 그 영향을 검증할 수 있습니다. AI와 디지털 트윈의 결합은 "가상" 시나리오를 허용하고 네트워크가 예상대로 작동하는지 확인할 수 있는 CI/CD(지속적 통합/지속적 전달) 파이프라인으로 작동할 수도 있습니다. Gartner는 2026년까지 네트워킹 공급업체의 50%가 도구에 디지털 트윈 기능을 제공할 것이라고 예측합니다. 이는 2023년 10%에서 증가한 수치입니다.

AI 네트워킹과 AIOps의 비교

AI 네트워킹과 AIOps는 AI와 ML을 네트워킹과 융합하므로 밀접하게 얽혀 있습니다. 그러나 중요한 차이점이 있습니다. AIOps는 용어와 개념으로 더 오래 전부터 사용되었습니다. 2017년 Gartner가 고안한 이 기술은 대량의 운영 데이터를 집계하고 상황에 맞게 조정하여 I&O 전반의 의사 결정을 향상시킵니다. 단계에는 초기 데이터 수집, 모델 교육, 자동화, 이상 탐지 및 지속적인 학습이 포함됩니다. 보다 전략적인 2일 차 네트워크 유지, 모니터링 및 최적화에서 시작되는 AI 네트워킹과 달리 AIOps는 비즈니스 전략 및 결과 정의, 고객 요구 식별을 포함하여 0일 계획 및 설계 부터 시작됩니다 . 그런 다음 시스템은 과거 및 실시간 스트리밍 데이터를 수집하고 "노이즈가 있는" 데이터를 필터링하고 데이터의 패턴을 식별합니다. 1일차 자동화 및 교정으로 발전함에 따라 시스템이 점점 더 많은 데이터를 수집하고 계속 학습함에 따라 플랫폼의 기능은 점점 더 정교해집니다. 그런 다음 2일차 및 2일차 기능은 인프라 및 장치 상태 지표, 애플리케이션 기반 컨텍스트, 연결 전/후 성능 등의 기능을 통해 사용자 경험을 처리하고 폐쇄 루프 자동화 및 자체 해결을 기반으로 보다 포괄적인 AI 기반 지원을 제공합니다. AIOps는 사용자, 운영, DevOps/앱 경험 및 위치 서비스에 미치는 영향으로 유명합니다.

 

일부 AIOps 기능에는 다음이 포함됩니다.

• 대규모 자동화
• 이상 현상이 영향을 미치기 전에 자동 감지 및 해결
• 지속적인 성능 분석 및 최적화
• 여러 서로 다른 IT 환경의 운영 데이터 집계
• 허위 경보 감소
• 맬웨어 트래픽 및 취약점 탐지 증가
• ML 기반 근본 원인 분석을 통한 원인 파악
• NLP 기반의 대화형 인터페이스로 인해 운영자 효율성 및 사용자 경험이 향상되었습니다.

AI 네트워킹의 이점

Gartner는 AI 네트워킹이 운영 관리 비용을 최대 25%까지 절감할 수 있다고 주장합니다. 이는 기술 회사에 따르면 지원 호출을 줄이고 문제 해결을 개선하며 네트워크 가용성을 높이고 최종 사용자 경험을 최적화할 수 있기 때문입니다. "이는 수동 리소스 확장으로는 합리적으로 달성할 수 없습니다."

특히, AI 네트워킹은 서로 다른 데이터 센터, 멀티클라우드, 코로케이션 및 엣지 환경과 증가하는 추상화 계층( Kubernetes 또는 컨테이너) 으로 인해 더욱 복잡해지는 네트워크 관리, 보안 및 애플리케이션 인프라를 단순화시킬 수 있습니다.

 

AI 네트워킹은 또한 다음을 달성할 수 있습니다.

• 사람이 문제를 발견하기 전, 장애가 발생하기 전에 신속하게 대응
• 네트워크 문제 예측 및 예방
• 상황별 네트워크 상관 관계에 대한 유형 및 이해를 통해 문제 식별을 중앙 집중화하기 위해 데이터 소스를 연관시킵니다.
• 특정 문제에 대해 적절한 해결 방법이 있는지 확인하고 추가 조사에 필요한 데이터 흐름을 생성합니다.
• 리소스 할당 최적화 및 ITSM 프로세스 간소화
• 보안 강화
• 인간에게 통찰력을 제공하고 데이터 기반 의사 결정을 가능하게 합니다.

궁극적으로 Gartner는 기업이 문제 해결 및 설치 시간을 포함한 영역에서 50% 이상의 비용 절감을 경험했다고 밝혔습니다. 또한 AI 네트워킹은 네트워크 관리를 단순화하므로 작업자는 심층적인 네트워크 구성 및 문제 해결 기술이 필요하지 않습니다. 기업은 genAI를 통해 자동화하고 인간 개입에 의한 수동적인 설정을 제거할 수 있습니다. 그리고 네트워크를 관리하는 데 필요한 인력이 줄어들기 때문에 기술/경험 격차로 어려움을 겪고 있는 조직은 아웃소싱이 아닌 내부에서 네트워크를 관리할 수 있습니다.

AI 네트워킹의 과제

그럼에도 불구하고 AI 네트워킹에 대한 정의(의미 및 작동 방식)는 여전히 모호합니다. 정의가 새롭고 공급업체가 한동안 홍보해온 다양한 개념을 융합하기 때문입니다.

이러한 명확성 부족과 용어 혼합으로 인해 구현이 방해를 받았습니다. Gartner는 AI 네트워킹 채택률이 10% 미만이라고 추정합니다. 이는 기업이 관심을 갖고 있지만 기술과 그 기능에 대해 더 명확한 설명이 필요하다는 것을 나타냅니다.

추가적인 우려 사항은 다음과 같습니다.

• 부정확한 AI 권장 사항으로 인해 잘못된 네트워크 구성이 발생하고 불필요한 복잡성이 발생하거나 중단 또는 기타 문제가 발생합니다. 이는 사용자의 잘못된 메시지로 인해 발생하거나 시스템이 올바르게 훈련되지 않았거나 충분한 데이터가 없을 때 발생할 수 있습니다.
• 도구의 무분별한 확장: 기업에서는 "기술적 부채" 및 관련 비용에 대해 점점 더 우려하고 있습니다.
• 문화 및 동의: 네트워크 관리 담당자는 위험을 회피할 수 있으며 AI 도구나 입증되지 않은 권장 사항을 신뢰하지 않을 수 있습니다. 마찬가지로, 일부 근로자는 기술이 자신의 직업을 대체할 것이라는 두려움 때문에 또는 현 상태에 만족하기 때문에 기술을 기피할 수 있습니다. 이러한 요인은 AI 투자의 가치와 잠재적 이점을 제한할 수 있습니다.
• 기업에는 적절한 통찰력을 제공하거나 문제를 해결하기에 충분한 품질의 데이터가 부족할 수 있습니다.
• 신속한 엔지니어링과 같은 분야의 기술을 갖추려면 추가 시간과 자원 투자가 필요할 수 있습니다. 인간 작업자가 보다 전략적이고 높은 수준의 작업에 자신의 재능을 집중할 수 있도록 워크플로우를 자동화하는 것이 아이디어이지만, 시스템이 발전함에 따라 새로운 데이터 과학 기술이 나타날 수도 있습니다. 예를 들어, 사용자는 신속한 엔지니어링에 정통하거나 AI 결과를 효과적으로 분석할 수 있는 기술을 갖추어야 할 수도 있습니다.
• 부풀려진 기대: AI에 대한 과대광고가 많습니다. 그리고 기술이 너무 새롭기 때문에 표준화가 거의 없으며 공급업체는 자신의 기능을 과대평가할 수 있습니다. 이는 현실을 뛰어넘는 과도한 기대로 이어질 수 있으며, 기업은 증분적이거나 무시할 수 있는 이점을 제공하는 시스템으로 인해 원하는 가치를 얻지 못할 수 있습니다.

AI 네트워킹으로 나아가기 위한 권장사항

Gartner는 2027년까지 기업의 90%가 일부 AI를 사용하여 2일 차 네트워크 운영을 자동화할 것으로 예측합니다. 마찬가지로, 회사는 genAI 기술이 2023년 거의 0에서 2026년까지 초기 네트워크 구성의 20%를 차지할 것이라고 밝혔습니다. 앞으로 AI 네트워킹은 다양한 방법을 통해 제공될 것입니다. 

여기에는 다음이 포함됩니다.

• 광범위한 인프라 수준에서 수평적 접근 방식을 취하는 AIOps 플랫폼입니다.
• SD-WAN, 액세스 포인트, 스위치 등 기존 도구에 AI를 통합하는 네트워크 공급업체입니다.
• 여러 도구에 걸쳐 AI 네트워킹을 제공하는 다중 공급업체 도구입니다.
• AI 네트워킹을 접목한 매니지드 서비스 제공자입니다.

새로운 기술이나 진화하는 기술과 마찬가지로 기업은 주의를 기울여 실사를 진행해야 합니다. Gartner와 기타 전문가들은 기업이 AI 네트워킹 기술, 사용 사례 및 이점을 탐색하면서 수많은 제안을 합니다. 

여기에는 다음이 포함됩니다.

• 도구를 채택하고 프로덕션에 적용하기 전에 소규모로 시작하여 개념 증명(PoC) 및 테스트를 수행합니다. 전략을 개발할 때 기업은 AI의 권장 사항과 예측에 따라 조치를 취한 다음 시스템이 자체적으로 입증되거나 입증되지 않고 인간의 신뢰가 높아짐에 따라 자동화에 점진적으로 의존해야 합니다.
• AIOps 플랫폼, 네트워크 공급업체, 멀티벤더 또는 관리 서비스 제공업체 등 어떤 유형의 AI 네트워킹 시스템이 리소스와 요구 사항을 기반으로 특정 기업에 가장 적합한지 식별합니다.
• AI 네트워킹 벤더의 운영 모델이 DIY(Do-It-Yourself)인지 MNS(관리형 네트워크 서비스)인지, 그리고 네트워킹 환경이 단일 벤더인지 멀티 벤더인지 판단한 후 선택합니다. 이는 기업이 어떤 유형의 공급업체가 적합한 옵션인지 결정하는 데 도움이 됩니다.
• 공급업체에 특정 세부 정보를 제공하고 도구에 대한 완전한 분석과 수행할 수 있는 것과 제공할 수 없는 것을 제공하도록 요구합니다. 조직은 이러한 잠재적인 미래 파트너가 일정을 제공하도록 해야 합니다. 이는 구현 후 1~2년(또는 그 이상)까지 이루어져야 합니다.
• 네트워크 운영이 어떻게 변화하는지 파악하고 네트워크 관리의 역할을 발전시킵니다. IT 팀은 데이터 소비 기능을 갖추고 AI 권장 사항을 분석하고 그에 따라 조치를 취할 수 있어야 합니다.
• 리소스 효율성, 네트워크 가용성, 성능 및 향상된 경험과 관련하여 비용 절감 및 이점을 계산하여 채택을 정당화합니다.

AI 네트워킹의 주요 내용

• AI 네트워킹은 AI와 네트워킹 인프라를 결합하여 IT 운영을 자동화하고 최적화합니다.
• AI 네트워킹에는 유지 관리, 문제 해결 및 사고 관리를 자동화하여 네트워크 관리를 혁신하는 기능이 있습니다. 알고리즘에는 보안, 성능 및 운영을 개선하는 데이터 기반 예측을 수행하는 향상된 기능이 있습니다.
• AI 네트워킹에는 예측 및 추세 분석, 패턴 인식, 디지털 트윈, genAI 등 다양한 기술이 통합되어 있습니다.
• AI 네트워킹의 이점에는 지원 통화 감소, 문제 해결 개선, 네트워크 가용성 향상, 최종 사용자 경험 최적화 등을 통해 최대 25%의 운영 관리 비용 절감이 포함됩니다.
• 위험에는 부풀려진 기대와 과장, 부정확한 출력, 전력 시스템에 대한 데이터 부족, 문화적 동의 등이 포함됩니다. AI 결과의 신속한 엔지니어링 및 분석을 포함하여 새로운 기술도 필요할 수 있습니다.
• AI 네트워킹과 AIOps는 확실히 파괴적이지만 기업은 접근 방식을 신중하게 결정하고 비즈니스 요구 사항과 전략에 가장 적합한 플랫폼을 결정해야 합니다.