링핑 가오, 네트브레인 테크놀로지의 설립자, CEO 및 회장 – 인터뷰 시리즈

링핑 가오, 네트브레인 테크놀로지의 설립자, 최고 경영자, 및 회장은 2004年に 회사를 설립하여 네트워크 관리를 단순화하는 것을 목표로 했다. 네트브레인을 설립하기 전에, 가오 씨는 톰슨 파이낸셜의 최고 네트워크 아키텍트였으며, 대규모 기업 네트워크의 복잡성을 관리하고 네트워크 성능을 유지하는 어려움을 경험했다.

가오 씨는 관리, 엔지니어링, 네트워킹, 소프트웨어, 자동차 산업을 포함한 여러 분야에서 경험을 가지고 있다. 그는 청화 대학에서 자동차 공학 학사와 예일 대학에서 공학 석사를 가지고 있다.

2004년에 설립된 네트브레인은 네트워크 자동화의 시장 선도자이다. 네트워크 엔지니어들에게 하이브리드 환경 전반에 걸친 종단 간 가시성을 제공하는 동시에 IT 워크플로우 전반에 걸친 작업을 자동화하는 기술 플랫폼을 제공한다. 현재, 세계에서 가장 큰 기업과 관리 서비스 제공자 2,400여 개가 네트워크 문서 자동화, 문제 해결 가속화, 네트워크 보안 강화 등을 위해 네트브레인을 사용하고 있다. 네트브레인은 매사추세츠 주 벌링턴에 본사를 두고 있으며, 미국과 캐나다, 독일, 영국, 인도, 중국에 직원을 두고 있다.
네트브레인을 2004년에 설립하게 된 동기는 무엇인가? 톰슨 파이낸셜에서 직면한 특정한 도전이 네트워크 관리의 격차를 인식하게 된 계기가 되었는가?
내 경력 초기에, 나는 5년 동안 톰슨 파이낸셜의 네트워크 엔지니어로 일했다. 나는 한 번 노크 센터에 가는 도중 밤새 문제를 해결하는 데 도움을 주었다. 그 결과, 시스코 스위치가 업그레이드되어 중요한 구성이 변경되었다. 나는 왜 그렇게 오래 걸렸는지 궁금했다. 스마트 엔지니어들이 작업하고 있었음에도 불구하고 말이다. 분명히 더好的 방법이 있을 것이다.
나는 문제가 어려운 이유가 데이터의 부족 때문임을 깨달았다. 그 긴 밤 동안, 엔지니어들은 항상 같은 질문을 한다. 내 네트워크는 어떤 장치로 구성되어 있는가? 기준선은 무엇인가? 누가 이것을 만들었고, 왜 이렇게 구성했는가? 나는 네트워크 데이터에 더 쉽게 접근할 수 있도록 하여 문제를 더 빠르게 해결할 수 있도록 네트브레인을 설립했다.
나는 네트워크 데이터가 더 쉽게 접근할 수 있다면 문제가 훨씬 더 빠르게 해결될 수 있을 것이라고 알았다. 첫 번째 직장에서, 당신은 휴가를 갈 때마다 페이지와 네트워크 도면을 가지고 다녀야 했다! 내 비전은 엔지니어들에게 문제를 해결하고 작업을 자동화할 수 있도록 빠르고 쉽게 네트워크 데이터에 접근할 수 있도록 하는 것이었다. 그래서 우리는 문제를 예방적으로 해결할 수 있고, 반응적으로 해결할 필요가 없다. 이제, 20년 후, 내 비전이 실현되고 있다.
네트브레인은 네트워크 관리를 위한 노코드 자동화를 개척했다. 전통적인 스크립팅이나 프로그래밍 기반 자동화 대신 노코드 솔루션을 개발한 생각 과정은 무엇인가?
우리는 네트워크 운영 팀이 직면하는 중요한 도전을 해결하고 네트워크 자동화를 채택하고 사용하는 데 대한 장벽을 낮추고 모든 수준의 IT 기술 세트에 접근할 수 있도록 하기를 원했다. 우리는 자동화를 네트워크 엔지니어의 전문성을 활용하여 자동화를 생성하고 플랫폼을 더 유용하고 네트워크 운영의 문화에 깊이 뿌리내리는 것으로 본다.
스크립트 기반 DIY 네트워크 자동화는 파이썬과 같은 코딩과 높은 수준의 네트워킹 및 CLI 지식을 가진 엔지니어가 필요하다. 그런 기술 세트를 가진 사람은 충분하지 않다(그리고 비싸다!). 코더와 네트워크 엔지니어를 짝지어 프로젝트를 진행하면 상대적으로 적은 수의 자동화를 생성하여 제한된 문제만 해결할 수 있다.
노코드 자동화는 하이브리드 네트워크에 걸쳐 자동화를 배포하고 확장할 수 있을 만큼 쉽게 만들어준다. 이것은 많은 문제, 실제로 반복적인 모든 작업에 사용될 수 있다. 이것은 자동화를 첫 번째 해결책으로 사용하는 마음의 변화를 가져온다. 네트워크 운영 팀과 다른 IT 팀은 대부분의 문제에 대한 자동화를 사용한다.
AI는 기업 IT 운영을 점점 더 많이 형성하고 있다. 네트브레인의 네트워크 자동화 기능, 특히 문제 해결과 보안 강화에서 AI가 어떻게 강화하는가?
AI 기반 기능은 네트브레인의 최신 버전, Next-Gen Release 12(R12)에서 주요 업데이트였다. 이러한 기능 중 하나는 네트워크 자동화 결과를 자연어로 평가, 오케스트레이션, 요약할 수 있는 GenAI LLM Co-Pilot이다. 이 AI Co-Pilot는 기술 번역가로 작용하여 사용자가 노코드 자동화와 상호 작용할 수 있도록 한다. 우리는 향후 릴리즈에서 AI 기능을 계속 확장할 계획이다.
我们的聊天봇은 또한 가상 셀프 서비스 도구로 작용하여 운영 및 보안 팀이 필수 네트워크 정보를 수집할 수 있도록 해준다. 사용자는 자연어로 질문을 할 수 있으며, 직관적인 문제 해결과 자동화된 문제 해결, 변경 관리 및 평가 워크플로우를 가능하게 한다.
rộng게, 우리는 자동화를 네트워크 운영 프로세스를 기계 규모로 확장하는 방법으로 본다. AI는 사람들이 자동화와 네트워크 전체와 상호 작용하는 방법이다. 함께,它们는 IT 팀 내의 지식 격차를 메우는 데 도움이 된다. 거의 모든 기업에는 모든 네트워크 문제를 해결할 수 있는 엔지니어가 있다. 하지만 그 사람이 휴가 중이거나, 다른 국가에 있거나, 사용할 수 없을 때는 어떻게 해야 하는가? 자동화와 AI는 그 사람의 지식을 다른 IT 팀과 공유할 수 있도록 해주며, 깊은 엔지니어링 및 코딩 기술을 요구하지 않는다.
네트브레인의 디지털 트윈 기술이 어떻게 작동하는지 그리고 하이브리드 및 멀티 클라우드 네트워크를 관리하는 조직에게 어떤 이점을 제공하는지 설명해 주세요.
네트브레인의 디지털 트윈은 클라이언트의 멀티 벤더 네트워크의 라이브 모델로, 인텐트, 트래픽 전달, 토폴로지 및 장치 데이터를 포함하며 노코드 자동화와 동적 맵을 지원한다. 다른 디지털 트윈과 달리, 우리의 인텐트 레이어는 네트워크 구성 및 서비스 수준 디자인의 큰 컬렉션을 포함한다.
또한 우리의 디지털 트윈의 또 다른 고유한 기능은 모든 레이어에 걸쳐 실시간 데이터를 제공하여 더 무결하고 통합된 시스템을 만든다. 우리의 고객은 하이브리드 네트워크에 걸쳐 기준선 및 역사적인 전달 경로의 실시간 계산, 멀티 클라우드 및 하이브리드 환경에 걸쳐 전통적인, 가상적인, 클라우드 기반 구성 요소의 토폴로지 및 구성의 실시간 데이터를 보장한다. 이것은 또한 네트워크 자동 발견을 통해 정적인 네트워크 맵을 수동으로 생성하고 계속 업데이트하는 필요성을 제거한다. 실시간 데이터의 이점은 내부에서 더 효율적으로 작동할 수 있으며, 인간의 오류를 걱정하지 않고 단일 장치에서 전통적인, 가상적인, 클라우드 기반 장치를 발견할 수 있다.
많은 회사들이 네트워크 다운타임과 문제 해결에 어려움을 겪고 있다. 네트브레인의 AI 기반 자동화가 평균 수리 시간(MTTR)을 줄이는 데 어떻게 도움이 되는가?
네트브레인은 문제 해결을 더 효율적이고 정리된 방식으로 만들어서 MTTR을 줄인다.
우리의 AI 기반 자동화는 다음과 같은 방식으로 작동한다:

• 사건 요약 대시보드를 자동으로 생성한다.
• 사용자에게 영향을 미치기 전에 문제를 자동으로 감지한다
• 티켓이 열릴 때 기본 진단 테스트를 자동으로 수행한다
• 티켓을 자동으로 닫는다
• 문제의 가능한 원인이나 수정 사항을 제안한다
• 다른 IT 팀이 네트워크 데이터에 더 쉽게 접근할 수 있도록 해준다

조금의 시간 절약은 규모에서 빠르게 합계된다. 우리의 고객 중 한 명은 2022년에 약 63,000개의 티켓에서 16,000개의 문제 해결 시간을 절약했다고 추정했다. 모두 합쳐서, 이러한 기능은 문제 해결을 더 효율적으로 만들고 MTTR을 직접 줄인다. 또한, 레벨 1 엔지니어가 더 많은 문제를 스스로 해결할 수 있도록 해주고, 상위 엔지니어에게 더 어려운 문제를 해결할 시간을 제공한다. 이것은 종종 “왼쪽으로 이동”이라고 불린다.
하이브리드 클라우드와 SDN 환경의 부상과 함께, 네트브레인은 다양한 인프라 전반에 걸쳐 종단 간 네트워크 가시성과 규정 준수를 어떻게 보장하는가?
네트브레인은 하이브리드 클라우드와 SDN 환경 전반에 걸쳐 종단 간 네트워크 가시성과 규정 준수를 보장한다. 우리는 AWS, Microsoft Azure, Google Cloud Platform와 같은 멀티 클라우드 인프라를 원활하게 지원하며, 전통적인 네트워크, SD-WAN, SDN 배포도 지원한다.
우리의 플랫폼은 클라우드 구성 변경을 실시간으로 모니터링하고, 지속적인 규정 준수 평가를 자동화하며, 네트워크 구성의 진화를 통해 직관적인 대시보드를 제공한다. 또한, 네트브레인은 네트워크, 서버, 데이터, 애플리케이션 레이어를 통해 멀티 레이어 보안 가시성을 제공한다.
SDN 패브릭의 경우, 네트브레인은 가시성과 SDN 지식을 팀 간에 쉽게 공유할 수 있도록 해준다. 자동화를 통해 조직은 SDN 전문 지식을 확장하고 사건 반응을 가속화할 수 있다. 우리의 “왼쪽으로 이동” 접근 방식은 네트워크 지원 라이프 사이클의 초기에 근본 원인을 프로actively 식별하고 데이터 센터 문제를 해결하여 MTTR을 크게 줄인다.
네트브레인이 새로운 사이버 보안 도전에 어떻게 적응했는지, 특히 네트워크 보안 취약성에 대한 우려가 증가하고 있는 상황에서?
사이버 위협은 빠르게 진화하고 있으며, 전통적인 반응적인 보안 접근 방식은 더 이상 따라가지 못한다. 네트브레인은 네트워크 보안을 프로액티브하고 자동화하여, IT가 구성 오류와 취약성을 발견하기 전에 공격자들이 악용할 수 있는 취약성을 발견하도록 도와주었다.
우리는 트리플 디펜스 변경 관리를 제공하여 네트워크 변경을 보안 정책에 대해 적용 전, 적용 중, 적용 후에 검증한다. 이것은 규정 준수를 보장하고 의도하지 않은 노출을 방지한다. 우리의 자동화는 또한 구성의 드리프트를 감지하고 ITSM 및 보안 플랫폼과 통합하여 실시간으로 최선의 관행을 적용한다.
AI와 자동화를 활용하여, 네트브레인은 기업들이 인간의 오류를 줄이고, 반응 시간을 개선하고, 보안 격차를 방지하여 네트워크를 안전하게 유지할 수 있도록 도와준다.
네트브레인의 네트워크 다운타임을 제거하고 보안 강화를 개선하는 능력에 비추어 볼 때, AI 기반 네트워크가 완전히 자율적으로 될 미래를 볼 수 있는가?
AI 기반 네트워크가 발전함에 따라, 전통적인 네트워킹 방법을 대체하고 있다. 그러나, 완전한 자율성은 미래의 가능성보다는 즉각적인 현실이다.
AI는 노동 집약적인 작업을 자동화하여 네트워크 운영을 간소화하는 데 중요한 역할을 한다. 예를 들어, IT 인프라 구성 요소를 식별하고 카탈로그화하는 것은 전통적으로 시간이 많이 걸리는 작업이다. 그러나, AI 기반 디지털 트윈 기술을 사용하면 BGP 터널 문제를 진단하는 작업을 2시간에서 10분으로 줄일 수 있다. AI는 또한 IT 팀 내의 지식 격차를 메우는 데 도움이 된다. 문제가 발생하면, AI는 진단을 도와주고, 다음 단계와 후속 절차를 추천할 수 있다. 이것은 반응 시간을 크게 줄이고, 팀이 문제를 더 빠르게 해결할 수 있도록 해준다.
그러나, AI에는 여전히 제한이 있다. AI는 데이터를 분석하고, 최적화를 제안하고, 특정 프로세스를 자동화할 수 있지만, 의사 결정을 내리거나, 책임을 지거나, 네트워크 변경을 승인할 수 없다. 기업 네트워킹의 복잡성과 높은 위험성에 비추어 볼 때, AI의 제안은 엔지니어에 의해 검증되어야 한다. 비용적인 오류와 다운타임을 방지하기 위해, AI는 더 높은 신뢰성과 상황에 따른 의사 결정 능력을 보여줄 때까지, 완전히 자율적인 네트워크는 바람의 구실이다.
네트브레인은 현재 2,500개 이상의 기업 고객을 보유하고 있으며, 그 중에는 포춘 500대 기업의 3분의 1이 포함되어 있다. 규모를 확대하고 기업을 채택하는 데 성공한 비결은 무엇이라고 생각하는가?
우리의 성공은 기업들이 네트워크를 관리하는 방식을 근본적으로 변革한 데 있다. 반응적인 문제 해결은 더 이상 확장할 수 없으므로, 우리는 네트워크 운영을 반응적인 것이 아니라 예방적인 것으로 만들기 위해 노코드 네트워크 자동화를 개척했다.
중요한 차별점은 우리의 디지털 트윈이다. 이것은 전체 하이브리드 네트워크에 대한 실시간 가시성을 제공하며, 팀이 진단을 자동화하고, 금형 엔지니어링 표준을 적용하고, 다운타임을 예방할 수 있도록 해준다. ITSM 통합 문제 해결과 트리플 디펜스 변경 관리와 결합하면, 기업은 자동화를 복잡한 환경에 걸쳐 확장할 수 있다. 개발자 대군이 필요하지 않다.
궁극적으로, 네트브레인은 자동화를 접근할 수 있게 해주며, 팀이 문제를 더 빠르게 해결하고, 디자인 의도를 적용하고, 비즈니스クリ티컬한 애플리케이션을 원활하게 실행할 수 있도록 해준다. 자동화와 정확한 네트워크 매핑 및 더 깊은 네트워크 통찰력을 결합하면, 우리는 추가적인 오버헤드 없이 많은 네트워크 운영 도전 과제를 해결할 수 있다.
5년 후, 네트워크 자동화의 풍경이 어떻게.evolve할 것으로 보이는지, 그리고 네트브레인이 AI 기반 네트워크 운영의 미래를 형성하는 데 어떤 역할을 할 것으로 보이는지 설명해 주세요.
다음 5년 동안, 네트워크 자동화는 스크립트된 작업과 반응적인 문제 해결을 넘어서, 동적으로 네트워크 조건에 적응하는 AI 기반, 인텐트 기반 자동화로 진화할 것이다. 수동 진단과 단편적인 도구의 날들은 번잡하다 — 자동화는 네트워크 운영의 백본이 될 것이다. 회복력, 보안, 민첩성을 확보하기 위해 규모에 맞게 작동할 것이다.
AI는 자동화를 모든 수준의 운영에서 접근할 수 있게 만들고, 사용성을 낮출 것이다. 네트워크 데이터를 쉽게 얻고, 의미 있는 정보로 변환하여 팀이 더 빠르게 위험을 줄이고, 효율성을 개선할 수 있도록 해줄 것이다.
네트브레인은 이 진화의 최전선에 있다. 우리의 디지털 트윈은 네트워크의 라이브 모델을 제공하며, AI가 디자인 의도를 이해하고, 예방적으로 적용할 수 있도록 해준다. 우리는 GenAI 기반 문제 해결, 자가 치유 네트워크, 더 깊은 ITSM 통합을 개척하여 기업들이 수동적인 개입에서 완전히 자율적인 운영으로 전환할 수 있도록 한다. 우리의 비전은 간단하다: 네트워크 자동화를 직관적이고, 확장 가능하고, 필수적으로 만들기 — 모든 엔지니어를 자동화 전문가로 만드는 것, 코딩을 요구하지 않는다.
다음 몇 년 안에, AI 기반 네트워크 운영은 사치품이 아니라, 필수품이 될 것이다. 네트브레인은 이 추세를 주도하며, 기업들이 복잡성에 앞서서 네트워크를 안전하고, 규정 준수하고, 항상 사용할 수 있도록 유지할 수 있도록 한다.