AI가 기업들에게 수년간의 기술 부채를 해결할 구실을 제공하고 있다

모든 기업은 AI에 대해 이야기하고 싶어합니다. 얼마나 투자해야 할까요? 어디서 실행해야 할까요? 어떤 새로운 애플리케이션을 만들 수 있을까요? 얼마나 빨리 프로덕션에 투입할 수 있을까요?

하지만 그 모든 흥분 뒤에 다른 일이 일어나고 있습니다. 조직이 AI에 자금을 쏟아붓는 동안, 오랫동안 조용히 비즈니스를 운영해 온 인프라를 면밀히 살펴보게 됩니다. 그리고 그들이 발견한 것은 항상 아름답지만은 않습니다:

• 레거시 운영 체제
• 노후된 데이터베이스
• 인프라에 비해 과도하게 현대화된 애플리케이션  

조직은 수년 전 내린 결정에 기반한 환경을 관찰하고 있습니다. 이는 기술 부채 모두가 존재한다는 것을 알고 있지만, 아무도 충분한 이유나 예산이 없어 해결하지 못하고 있던 것입니다.

아이러니하게도, AI가 마침내 이를 바꿀 수 있습니다.

AI가 인프라 예산을 열어주고 있다

수년 동안 인프라 현대화의 가장 큰 장애물 중 하나는 놀라울 정도로 간단했습니다: 고장이 나지 않았다면, 왜 수백만 달러를 들여 바꾸겠습니까?

이는 인프라 팀이 극복하기 어려운 논리입니다. 10년 된 시스템은 구식이고 비용이 많이 들며 유연성이 없을 수 있지만, 애플리케이션이 정상적으로 작동하고 고객이 불평하지 않는다면, 이를 교체하거나 현대화하는 것은 CFO에게 설득하기 어렵습니다.

AI가 그 대화를 뒤바꾸었습니다.

AI 전략을 지원하기 위해 조직은 인프라에 중대한 새로운 투자을(를) 하고 있습니다. 그 지출은 동시에 다른 인프라 문제를 해결할 기회를 만들 수 있습니다. 스스로 자금을 확보하기 어려웠던 프로젝트가 기업 기술 스택이 다음 10년 동안 어떤 모습이어야 하는지에 대한 훨씬 큰 논의의 일부가 될 수 있습니다.

AI 시대가 레거시 시대와 충돌하고 있다

많은 기업이 여전히 Windows– 기반 인프라와 구버전 SQL Server에 크게 의존하고 있는 반면, 기술 업계는 이미 수년간 클라우드 네이티브 아키텍처와 컨테이너에 대해 이야기해 왔습니다.

애플리케이션 개발은 동시에 진행되었습니다. 개발팀은 Linux, 컨테이너, 클라우드 플랫폼을 수용했지만, 데이터베이스 및 기타 핵심 인프라는 종종 기존 그대로 남아 있었습니다. 이는 기업 내부에 점점 더 어색한 격차를 만들고 있습니다: 한쪽은 최신 애플리케이션, 다른쪽은 레거시 인프라. AI가 그 문제를 만든 것은 아닙니다. 그러나 AI 준비된 기업을 구축하려는 급박함은 이를 무시하기 어렵게 만들고 있습니다.

따라서 조직은 AI 인프라를 고립된 기술 구매로 보는 것을 경계해야 합니다. 이는 훨씬 더 큰 질문을 던질 기회가 될 수 있습니다: AI를 위해 인프라의 일부를 재설계한다면, 여기서 또 무엇을 개선해야 할까요?

현대화가 대대적인 변화를 의미할 필요는 없다

기술 부채가 지속되는 한 가지 이유는 현대화가 대규모 마이그레이션을 필요로 한다는 가정입니다. 실제로는 그렇지 않습니다.

예를 들어 Windows에서 Linux로 전환할 때, 모든 애플리케이션, 데이터베이스 및 운영 프로세스를 동시에 변경할 필요는 없습니다. 또한 Kubernetes를 도입한다고 해서 조직이 이전에 있던 모든 것을 즉시 포기해야 하는 것은 아닙니다. 가장 실용적인 방법으로 수행하려면 현대화는 점진적으로 진행되어야 합니다.

조직은 기존 Windows 워크로드를 유지하면서 Linux 또는 Kubernetes를 병행 도입할 수 있습니다. 비즈니스 사례가 타당할 때 개별 구성 요소를 현대화하고, 전체를 한 번에 대규모 전환 프로젝트에 걸어놓는 대신 점진적으로 워크로드를 이동할 수 있습니다.

이는 특히 데이터베이스에 해당됩니다. 중요한 SQL Server 환경은 수년간 성공적으로 운영되어 왔을 수 있습니다. 오래되었다는 사실이 조직이 무모하게 교체해야 한다는 의미는 아닙니다.

목표는 앞으로 나아갈 경로를 만드는 것입니다.

AI가 유행한다고 해서 현대화하지 말아야 합니다

여기에는 중요한 구분이 있습니다.

AI 지출이 인프라 현대화의 기회를 만들 수는 있지만, 조직이 모든 것이 갑자기 \”AI-ready\”가 되어야 한다고 믿는 이유만으로 워크로드를 마이그레이션해서는 안 됩니다. 인프라 현대화의 비즈니스 사례는 스스로 설득력을 가져야 합니다.

비용을 낮출 수 있을까요?

가용성을 향상시킬 수 있을까요?

특정 플랫폼에 대한 의존도를 줄일 수 있을까요?

워크로드를 더 이식성 있게 만들 수 있을까요?

비즈니스가 애플리케이션과 데이터가 실행되는 위치에 대해 더 큰 유연성을 가질 수 있을까요?

조직의 AI 로드맵에서 무엇이 일어나든 간에 그것들은 가치 있는 결과입니다.

실제로 기업이 저지를 수 있는 실수 중 하나는 AI를 모든 기술 결정의 정당화 수단으로 허용하는 것입니다. AI 워크로드와 기존 트랜잭션 워크로드는 서로 다른 요구 사항을 가지고 있습니다. 조직이 AI에 막대한 투자를 한다고 해서 모든 레거시 워크로드가 갑자기 쿠버네티스에 적합하다고 가정할 이유는 없습니다.

현대화는 실제 인프라 문제를 해결해야 합니다.

AI는 인프라 경제학도 변화시키고 있습니다

유연성이 AI 시대에 더 중요해지는 또 다른 이유는 인프라 경제가 점점 더 역동적으로 변하고 있기 때문입니다. 조직은 워크로드를 어디에서 실행할지에 대해 그 어느 때보다 많은 선택지를 가지고 있습니다… 온프레미스, 프라이빗 클라우드, 퍼블릭 클라우드, 그리고 여러 클라우드 제공업체에 걸쳐서 말이죠. 한 워크로드에 가장 적합한 환경이 다른 워크로드에는 전혀 맞지 않을 수 있습니다. 이는 인프라 이동성을 점점 더 가치 있게 만듭니다.

기업은 수년 전 내린 선택을 기반으로 모든 미래 인프라 결정을 내려서는 안 됩니다. 워크로드가 운영 및 비용 측면에서 가장 합리적인 위치를 평가하고 전체 애플리케이션 환경을 재설계하지 않고도 변경할 수 있어야 합니다. AI가 인프라 지출을 증가시킴에 따라 이는 더욱 중요해집니다. 기술 예산이 확대되면 컴퓨팅, 라이선스 및 클라우드 비용의 상대적으로 작은 차이가 매우 큰 금액으로 이어질 수 있습니다.

선택 능력이 경제적 이점이 됩니다.

실제 AI 인프라 기회는 AI 자체보다 더 클 수 있습니다

AI 인프라 붐을 주로 GPU, 가속기 및 거대한 데이터 센터 측면에서 생각하는 경향이 있습니다. 이러한 투자는 확실히 중요합니다. 그 결과 기업 인프라의 나머지 부분에 어떤 일이 일어나는지가 실제로 더 지속적인 영향을 미칠 수 있습니다.

AI는 조직이 애플리케이션이 어디서 실행되는지, 데이터가 어디에 저장되는지, 인프라가 어떻게 관리되는지, 그리고 얼마나 많은 레거시 기술을 계속 유지할 의향이 있는지를 고민하도록 강요하고 있습니다.

이는 드문 기회를 창출합니다.

수십 년에 걸친 오래된 인프라 결정 위에 최신 기술을 단순히 겹쳐 놓는 대신, 기업은 이번 투자 주기를 활용해 기술 부채를 상환하고 다음에 올 모든 것을 위한 보다 유연한 기반을 만들 수 있습니다.

가장 중요한 질문은 오늘날의 인프라가 AI를 실행할 수 있는가가 아닐 수도 있기 때문입니다.

오히려 오늘날의 AI 투자가 기업에게 이제까지 계속 구축해 왔어야 할 인프라를 구축할 이유를 제공할 수 있는지 여부일 수도 있습니다.