์ฌ์ ๋ฆฌ๋
์์ด์ ํฑ NOC์ ์๋๋ ์ง๊ธ
현대의 네트워크는 몇 년 전과 비교했을 때 매우 다르다. 원격 작업과 빠른 AI 및 SaaS 채택의 시대에 따라 네트워크는 중앙집중식이고 비교적 예측 가능한 구조에서 복잡한 클라우드 플랫폼, 에지 디바이스, 지사, 홈 인터넷, 온프레미스 시스템의 웹으로 변모했다.
전통적인 네트워크 운영 센터(NOC)는 이러한 구조에 대응하지 못했다. 대부분의 모니터링 도구는 여전히 분산된 시스템 간의 수동 데이터 상관 분석을 요구하며, 가시성을 유지하기가 더 어려워지고 엔지니어들은 빠른 의사 결정과 문제 해결을 위해 끝없는 경고의 홍수에 직면했다.
서비스 제공업체와 엔터프라이즈 IT 팀은 유사한 압력의 상황에서 운영되고 있다. 마진은狭く 팀은 더 작아졌지만 고객 확보 주기는 여전히 동일하다. 계약이 수익성이 되는 데 8~10개월이 걸릴 때 고객 유지와 높은 품질의 고객 경험에 대한 스테이크는 높다.
모두가 에이전틱 NOC의 무대가 완벽하게 준비된 것이다.
에이전틱 NOC 구축
根据 Gartner의 보고서에 따르면, 현재 17%의 조직만 에이전틱 AI를 배포하고 있지만, 60%의 조직은 2년 내에 에이전틱 AI를 배포할 계획이다. 이는 에이전틱 AI가 데이터를 능동적으로 분석하고 정의된 작업을 자동화하는 것만이 아니라, 데이터를 능동적으로 분석하고 문제를 해결하는 데 도움이 되는 기술로 부상하고 있다.
에이전틱 NOC는 네트워크 운영 센터에서 에이전틱 AI를 적용하는 것을 의미한다. 에이전틱 AI는 네트워크의 문제를 더 빠르게 해결하고, 장애를 줄이고, 네트워크의 상태를 더 잘 이해하는 데 도움이 된다. 그러나 이러한 이점을 실현하기 위해서는 에이전틱 NOC가 인간 운영자와의 협력을 기반으로 해야 한다. 속도는 정확성과 신뢰성보다 중요하지 않기 때문에, 에이전틱 AI가 문제를 분석하고 해결하는 데 도움이 될 수 있는 경우, 인간의 판단은 여전히 필수적이다.
에이전틱 NOC는 또한 잘 구조화된 데이터를 기반으로 한다. 정확한 인벤토리, 일관된 레이블링 및 명명 규칙, 네트워크 전체의 트래픽, 라우팅, 성능에 대한 가시성이 현재 무엇이 발생하고 있는지, 네트워크가 어떻게 작동해야 하는지, 이전에 어떻게 문제가 해결되었는지에 대한 그림을 그린다. 이러한 가시성이 없으면, 분석은 불완전할 것이며, 운영자는 자동화할 수 없거나 이해할 수 없는 것을 자동화할 수 없다.
에이전틱 NOC는 또한 부족한 지식을 포착하는 데 도움이 된다.
에이전틱 NOC의 가장 큰 자원은 엔지니어들의 뇌이다. 수년간의 경험과 직관이 네트워크 문제를 진단하고 해결하는 데 도움이 되며, 이는 가장 고급된 에이전틱 AI 모델도 복제할 수 없다. 이러한 지식을 문서화하고 재사용할 수 있는 형식으로 번역해야 한다. 또한 잘 정제된 런북과 중앙화된 학습 루프도 중요한 역할을 한다. 이러한 루프는 인간과 기계의 행동을 더 효과적으로 식별하고 개선하는 데 도움이 된다.
실제적인 이점
IT와 네트워크 문제는 2024년 가장 큰 장애의 23%를 차지했다. 同じ 분석에 따르면, 지난 3년 동안 40%의 조직이 인간의 오류로 인한 주요 장애를 경험했다. 이러한 장애율은 비즈니스, 엔지니어, 소비자 모두에게 지속할 수 없다. 그러나 에이전틱 NOC의 중요성을 강조하는 데 도움이 된다.
에이전틱 NOC의 약속은 자율성 그 자체가 아니라, 실제 네트워크 가시성을 기반으로 하는 더 빠르고 자신감 있는 운영이다. 네트워크에 문제가 발생하면, 가장 큰 지연은 탐지에서가 아니라, 무엇이 변경되었는지, 무엇이 영향을 받았는지, 다음에 무엇을 해야 하는지 이해하는 데 있다. 에이전틱 시스템은 이 타임라인을 압축하는 데 도움이 된다. 이는 가속화된 근본 원인 분석에서 시작한다.
문제의 근본 원인을 몇 분 안에 식별하는 것과 몇 시간 또는 며칠 안에 식별하는 것의 차이는 매우 크다. 중형 및 대형 기업의 경우, 네트워크 다운타임 1시간당 평균 비용은 30만 달러 이상이다. 실제로, 41%의 기업은 1시간당 다운타임 비용이 100만 달러에서 500만 달러 이상이라고 보고했다.
그러나 현실은 수동으로 데이터를 분석하는 운영자가 더 느린 경우가 많다. 반면에, 에이전틱 AI 도구는 잠재적인 원인과 영향을 받은 서비스를 몇 초 안에 식별하고 다음 단계를 추천할 수 있다. 금전적 스테이크가如此 높을 때, 더 빠른 근본 원인 분석과 더 안전한 복구는 절대적으로 필요하다.
전술적인 작업을 강화하는 것을 넘어서, 에이전틱 NOC는 지식 공유를 위한 촉매제로 작용한다. 조직 전체의 엔지니어들의 전문 지식을 하나의 자원으로 결합한다. 장기적으로, 이 프로세스는 지속적인 학습 루프를 생성한다. 여기서 모든 사건의 성공과 도전은 새로운 사건이 발생했을 때 에이전틱 AI의 추천을 정보하고 정제하는 데 도움이 된다.
예를 들어, 네트워크 성능 문제를 해결하기 위해 새로운 디바이스를 구현하기로 결정했지만, 업데이트는 구성 변경이 필요하다. 에이전틱 NOC 시대에는 에이전틱 AI 시스템이 텔레메트리, 토폴로지, 디바이스 상태, 최근 변경 사항을 상관시켜, 운영자가 잠재적인 근본 원인을 몇 분 안에 식별할 수 있도록 도와줄 수 있다. 에이전틱 시스템의 네트워크 운영에 대한 긍정적인 영향은 명확하며, 데이터도 이를 뒷받침한다.
McKinsey는 최근에 네트워크 운영에서 자율적인 문제 해결과 수리가 총 문제 해결 티켓을 70%까지 줄이고, 운영 비용을 55~80%까지 줄였으며, 수리 시간을 30~40%까지 단축했다고 보고했다.
주의할 점
가장 일반적인 실수는 에이전틱 AI를 도입하기 전에 필요한 기반을 구축하지 않는 것이다. 대부분의 직원(70%)은 에이전틱 AI의 이점에 대해热心하다. 그러나 신뢰할 수 있는 데이터와 잘 문서화된 프로세스가 없으면, 이러한 시스템의 가치는 감소한다.
대신, 에이전틱 AI는 점진적으로 도입되어야 한다. 에이전틱 NOC를 구축하는 것은 여정이다. 궁극적으로, 시스템은 더 고급된 사용 사례를 담당하게 될 것이다. 예를 들어, 온도 스파이크의 패턴을 감지하거나 디바이스 재부팅의 추세를 식별하는 것과 같은 작업이 있다. 이러한 작업은 곧장 장애의 신호가 될 수 있다. 그러나 처음에는, 시스템은 더 작은 작업을 수행해야 한다. 예를 들어, 진단을 지원하는 작업이 있다. 이러한 접근 방식은 시스템이 학습하고 개선하는 데 필요한 공간을 제공한다.
또 다른 실수는 모든 작업이 자동화될 수 있다고 생각하는 것이다. 좋은 규칙은, 인간이 동일한 문제를 반복적으로 해결할 때, 그 작업은 자동화의 좋은 후보이다. 이러한 점진적인 접근 방식은 신뢰와 확신을 구축하는 데 도움이 될 수 있다.
2025년 2월부터 미국 직원의 에이전틱 AI에 대한 신뢰는 33% 감소했다. 반면에, Deloitte는 에이전틱 AI에 대한 신뢰는 기술이 아니라 신뢰의 문제라고 보고했다. McKinsey의 2026 AI 신뢰 지수는 출력의 부정확성이 여전히 미국 기업의 주요 우려 사항이다(74%). 다음으로 사이버 보안 문제(72%)가 있다. KPMG 보고서에 따르면, 미국 직원은 에이전틱 AI를 받아들이고 싶어하지만, chỉ 41%의 직원이 에이전틱 AI를 신뢰한다.
에이전틱 AI에 대한 우려를 예방하는 것은 거버넌스와 설명 가능성에 달려 있다. 명확한 운영 가이드와 감시 트레일은 엔지니어에게 에이전틱 AI가 어떻게 최종 추천을 내렸는지, 그리고 어떻게 오류를 잡고 수정할 수 있는지에 대한 통찰력을 제공한다. 신뢰, 거버넌스, 인간의 검증은 유용한 에이전틱 운영과 위험한 자동화를 구분하는 데 필요한 요소이다. 따라서 에이전틱 NOC의 목표는 인간의 감시를 제거하는 것이 아니라, 인간의 감시를 강화하는 것이다.
현대의 네트워크는 오늘날의 운영자에게 많은 것을 요구한다. 이러한 요구에 대응하기 위해, 인간의 노력은 반복적인 진단에서 정책, 검증, 거버넌스, 새로운 또는 고위험한 사례로 이동해야 한다. 에이전틱 AI는 이러한 이동을 가능하게 한다. 에이전틱 AI는 문제를 더 일찍 식별하고, 팀 간에 지식을 더 효과적으로 공유하며, 의사 결정을 더 일관性 있게 만드는 데 도움이 된다. 네트워크를 모니터링하고 유지하는 방식의 지속적인 발전과 개선은 에이전틱 AI에 뿌리를 두고 있다.
