비즈니스 성과를 높이는 데 필요한 것은 빠른 속도로 판단하는 것이다. 이를 위한 핵심 키는 정확한 데이터와 모델이다. 정확한 데이터와 모델은 올바른 인사이트를 얻게 만들어 준다. 이를 바탕으로 자신 있게 의사결정을 내리고, 명확하게 소통하면서 더 빨리 움직일 수 있게 된다.
하지만, 오늘날 시스템과 데이터를 보자. 조직의 속도를 높이기 보다 오히려 발목을 잡는 것처럼 느껴지는 경우가 많다. IT는 복잡해지고 데이터는 증가해 IT 운영 부담은 가중된다. 능률 향상은 커녕 오히려 더 분주해지고 있다. 심지어 이러한 현상은 전반적인 조직 둔화로 이어지기도 한다.
이에 대한 명확한 해법은 인공지능(AI)과 머신러닝으로 해결할 수 있다.
전통적으로 IT시스템과 네트워크는 관리 영역이 늘어남에 따라 운영팀 또한 확대돼야 했지만, 지속적인 학습과 최적화가 이루어지는 AI 기반 엔터프라이즈의 경우에는 그렇지 않다. AI와 머신러닝은 사람의 고된 수작업 없이 네트워크 트러블 슈팅과 같은 기존 과제를 효율적으로 해결할 수 있다.
AI 기반 네트워크 전문 글로벌 선도기업 주니퍼 네트웍스(Juniper Networks)가 인공지능(AI) 기반 기업 유·무선 네트워크 구축에 필요한 모든 것! 이란 가이드(다운)를 발행했다. 주니퍼는 AI 기반 WAN, Wi-Fi 6 액세스 포인트 포트폴리오 확대와 마비스(Marvis) 대화형 인터페이스 등 기능 업그레이드를 통해 엔터프라이즈 네트워크를 선도하고 있다.
가이드에 따르면 AI와 머신러닝을 최적의 형태와 인터페이스로 도입(특히 운영 워크플로우에서)한다면, 리치 데이터의 이점을 실현하고 효과적인 커뮤니케이션과 신속한 대응이 가능하게 된다. 네트워크 패브릭은 조직의 거의 모든 워크플로우를 지원하는 핵심적인 토대로 조직의 혁신·속도·인사이트 모두가 여기에 달려 있다. 즉, AI for IT를 통해 네트워크 운영을 향상시킴으로써 조직 전반에서 더욱 빠르고 뛰어난 성과를 실현할 수 있는 것이다.
그럼, AI/머신러닝 플랫폼의 이점은 무엇인가? 라는 질문에는 AI와 머신러닝은 사람의 고된 수작업 없이 네트워크 트러블 슈팅 같은 기존 과제를 효율적으로 해결함으로써 조직의 인적 자원을 고차원적인 창의적 문제에 집중시킬 수 있게 만들어 준다. 인적 역량 효율화 측면에서 조직의 가장 큰 자산은 단연코 사람이기 때문이다.
궁극적으로 인적 역량을 효율적으로 활용하는 것은 보다 선제적이고, 미래지향적으로 움직일 수 있다는 것을 뜻한다. 사용자 경험 보장 측면에서 보면 긍정적인 사용자 경험은 생산성과 비즈니스 시스템·서비스의 지속적인 사용에 있어 필수적인 요소다. 또 지속적인 샘플링을 통해 머신러닝은 이상이나 오류를 파악할 뿐만 아니라 대응 조치를 제시하거나 실행하여 SLE(Service Level Expectations)를 보장할 수 있다.
또한 인터페이스 향상 측면에서 보면 복잡성의 증가는 시각화의 도움에도 불구하고 패턴과 상관관계의 감지를 어렵게 만들고 있다. AI/머신러닝 플랫폼은 복잡한 인터랙션과 이벤트 쿼리 기능을 일반화하는 동시에 통합 가시성(observability)을 향상시키며, 지속적인 학습에 기반하여 개선 조치를 제안할 수 있다. 즉, AI 운영은 복잡성에 대한 새로운 인터페이스가 될 수 있다는 것이다.
무엇을 찾고 어디에 적용할 것인가? 이에 AI는 분류·클러스터링·이미지 인식·예측 등 다양한 작업을 수행할 수 있다. 하지만 데이터 품질·알고리즘·교육·검증 수행 방식 등에 따라 그 결과는 크게 달라지게 된다. 달리 말하면 학습은 AI/머신러닝의 전부라고 말할 수 있다.
AL/머신러닝 학습은 역동적이고 지속적인 작업이다. 새로운 데이터는 동적 환경에 의해 지속해서 생성되기 때문에 모든 유틸리티가 실현하기 위해 모델을 업데이트하고, 지속적인 재교육과 검증이 필요하다. 이는 지속적인 ML은 빅데이터 세트와 대량의 컴퓨팅을 사용하고, 스토리지와 네트워크 리소스를 많이 사용한다.
이러한 요구 사항은 특히 대규모로 모델을 교육하거나 업데이트할 때 인프라에 큰 부담을 줄 수 있음을 의미한다. 따라서 AI/ML 플랫폼 선택 시에는 먼저 명확히 해야 하는 몇 가지 흥미로운 문제가 존재한다.
훌륭한 AI는 훌륭한 데이터로 시작한다. 하지만 최상의 결과를 위해서는 문제 영역에 대한 깊은 인식과 이해를 가진 팀이 필요하다. 올바른 모델과 프레임워크의 선택만큼 데이터를 정리하고, 모델을 올바르게 교육하며, 결과 검증과 쉽게 사용할 수 있는 도구, 또는 실행 가능한 결과로 만드는 방법을 인지하는 것이 중요하기 때문인 것이다.
따라서 AI/머신러닝의 실질 가치 제안을 구체화하기 위해서는 다양한 방향으로 살펴볼 필요가 있다.
여기에 주니퍼 네트웍스의 미스트(Mist)는 과연 무엇을 제공하는지 알아본다. 주니퍼는 풍부한 네트워킹과 보안 분야 경력을 갖고 있는 기업이자, 엔지니어 및 자동화에 친화적인 운영 체제에 연계돼 있는 특징을 보유하고 있는 전문 벤더다. 이는 캠퍼스 엣지부터 엔터프라이즈, 데이터센터, 서비스 프로바이더 등에 이르는 IT 전반에서 AI를 활용할 수 있는 유리한 고지를 선점하고 있다고 의미로도 해석할 수 있다.
특히 주니퍼는 소프트웨어 정의 네트워크를 통해 AI 기반 엔터프라이즈로 전환하면서 엔지니어링과 비즈니스 결과를 단순화하고, 효과적으로 개선할 수 있도록 만들어주는 핵심 구성 요소에 많은 투자를 진행해 왔다. AI 운영을 포함해 복잡성으로 인한 부하가 없고, 조직과 팀이 더 빠르게 나아가게 할 뿐만 아니라 기대 이상의 성과를 이뤄낼 수 있도록 지원하고 있는 중이다.
또 AI 네트워크 어시스턴트를 도입함으로써 유·무선 보장(Wired and Wireless Assurance) 기본 기능으로 제시하고 있다.
주니퍼 미스트는 액세스·사용·실행이 가능한 AI로 IT 분야에서 혁명을 일으키고 있다. 운영 팀은 이같은 AI를 활용해 사후대응이 아니라 선제적인 조치를 취할 수 있으며, 네트워크를 이해하는 AI/머신러닝을 통해 사용자 경험과 서비스 보장에 최적화된 새로운 차원의 관측성(Observability)과 제어성(Controllability)을 확보할 수 있다. 주니퍼 미스트는 인프라 프로바이더가 트러블슈팅·라이프사이클 관리·플랫폼 혁신 등에 대한 업계 기준을 새롭게 정의하고 있다.
전술적 트레드밀이나, 사후대응 고장 제거 활동보다는 전략과 사전 예방 추적에 초점을 맞출 수 있게 함으로써 사람의 창의력을 발휘할 수 있도록 전력을 배가시켜 주는 것이다.
특히, 주니퍼 미스트 클라우드 스택은 마이크로서비스 아키텍처를 기반으로, 수평·수직 확장을 모두 제공하는 분산 및 독립 구축 가능한 모듈형 서비스 세트를 기반으로 구축된다. 이러한 유연한 아키텍처를 통해 신속한 버전화, 무중단 업그레이드, 모든 레이어에서 혁신 속도를 극대화할 수 있는 새로운 기능 개발이 가능하게 된다.
스트리밍 텔레메트리와 지속적인 머신러닝에 관계없이 주니퍼 미스트 클라우드 플랫폼은 전체 팀의 웹 스케일 작업에 필요한 복원력과 확장성, 보안을 제공한다.
아울러 주니퍼 미스트 AI 엔진 '마비스(Marvis)'는 상호 정보, 베이지안 추론, ARIMA 모델, 강화 학습 등 데이터 사이언스 도구 상자에서 다양한 ML 유형을 사용해 IT용 AI로 전환하는 과정에서 다양한 과제를 해결한다.
이를 위해 주니퍼 미스트는 다양한 혁신 기술을 제공한다. 사용자 환경 또는 인프라 문제에 대한 근본 원인 조사와 사용자 엣지에 대한 선제적인 보장성(Assurance) 확인(유선 상태 포함), 진정한 지능형 RRM(Radio Resource Management), 자동 실내 위치 보정 등이다.
마지막으로 마비스는 자연어처리(NLP)를 사용해 모든 수준의 운영팀이 네트워크 상태를 쿼리할 수 있는 간단한 자연어 인터페이스를 제공한다. 뿐만 아니라 복잡한 네트워크에 대한 조사와 복원을 단순화함으로써 문제의 진단·수정을 손쉽게 만든다. 진정한 가상 네트워크 어시스턴트는 업무 시간뿐 아니라 24시간 연중무휴로 동작하는 것을 의미할 수 있어야 한다. 유·무선 네트워킹에 대한 깊은 전문 지식에 기반한 마비스는 학습을 통해 이상 징후를 발견하고 선제적으로 개선 조치를 제공한다.
한편, 이 내용은 주니퍼 네트웍스의 '인공지능(AI) 기반 기업 유·무선 네트워크 구축에 필요한 모든 것'을 요약한 글이다. 더 자세한 내용을 가이드(다운)를 참고하면 된다.
