엔터프라이즈 AI의 호황이 서비스 공급자에게 갖는 의미

엔터프라이즈 AI 여정과 그 연결성의 의미

엔터프라이즈 AI 여정에서 발생하는 필연적인 결과는 맥락에 대한 이해를 높이기 위해 텍스트, 이미지, 오디오, 동영상 등 다양한 유형의 데이터를 결합하는 더 많은 멀티모달 AI 시스템을 점진적으로 도입하게 된다는 것입니다. 이러한 접근 방식은 다양한 사용 사례에서 혁신을 가져오는 것으로 입증되었습니다.  의료 분야에서는 의료 영상 처리를 환자 병력과 함께 의료 기록에 결합하여 증강 진단에서 향상된 통찰력을 확보합니다. 보험업에서는 고객이 제출한 이미지, 동영상 및 문서의 자동 분석을 통해 청구를 더욱 신속하게 처리합니다. 금융 시장에서는 시장 심리에 대한 통찰력을 제공하는 AI 시스템이 논평 동영상에서 언어뿐만 아니라 비언어적 단서까지 스캔합니다. 제조업에서는 멀티모달 센서가 동영상, 소음 및 진동 정보를 조합하여 전반적인 자동화 프로세스를 개선합니다. 컴퓨터 비전은 다양한 산업 분야의 자산 모니터링, 안전 및 보안, 흐름 분석, 프로세스 평가 및 다양한 동영상 검사 및 모니터링 솔루션 등의 애플리케이션에서 사용되고 있습니다.

AI 모델이 단순한 텍스트 기반에서 벗어나 고해상도 이미지, 동영상, 3D 모델 등 더 풍부한 데이터 형식을 포함하게 되면서, 데이터 양은 급격히 증가하고 이를 물리적 위치 간에 전송하기 위해 필요한 대역폭도 크게 늘어나고 있습니다.

많은 조직이 정보 확산을 통제하기 위해 AI 지원 엔터프라이즈 검색을 구현하면서 AI 여정을 시작하고 있습니다. 이러한 도구는 데이터에 대한 보다 빠른 액세스와 더 심층적인 통찰력을 제공하므로, 직원 생산성을 크게 향상하고 의사결정을 가속화하는 동시에 규제 준수도 강화할 수 있습니다. AI 플랫폼은 기업의 지식 기반과 데이터 소스를 통합하고, 인덱싱하고, 분석하며, 순위를 지정함으로써 이를 달성하기 위한 솔루션을 제공합니다. 그러나 이 프로세스를 흐르는 데이터의 양은 어마어마할 수 있습니다. 예를 들어, Mayo Clinic은 과학 연구원들에게 AI Search를 통해 50페타바이트의 임상 데이터에 액세스할 수 있도록 했습니다. 이 데이터 양을 전용 100Gb/s 네트워크 연결로 전송하는 데만 45일 이상 소요됩니다. 따라서 이러한 방대한 데이터 레이크를 다루는 조직은 400Gb/s, 800Gb/s 및 그 이상의 네트워크 연결을 활용해야 한다고 보는 것이 합당합니다.

그러나 새로운 엔터프라이즈 디지털 변환의 정점은 에이전트 AI입니다. AI 애플리케이션은 챗봇에서 벗어나 복잡한 작업 흐름을 처리하고 특정 목표 달성을 위해 결정을 내릴 수 있는 자율형 에이전트로 진화하고 있습니다. 이러한 소프트웨어 엔터티는 AI 모델을 기반으로 맞춤 제작되어 인간의 개입 여부와 상관없이 주변 환경과 상호 작용하고, 정보를 수집하며, 추론하고, 문제 해결을 위한 조치를 취할 수 있습니다. 에이전트 AI는 Gartner의 2025년 주요 기술 트렌트에서 1위를 차지하였으며, 대규모 조직들은 이미 다양한 영역에서 다양한 역할을 수행하는, 비즈니스 과제에 맞춤화된 에이전트 개발에 깊이 관여하고 있습니다.  그림 1은 현재 기업에서 개발 중인 가장 인기 있는 일부 에이전트 유형을 보여줍니다.

그림 1. 기업에서 개발 중인 가장 일반적인 유형의 에이전트(출처: Google Cloud 분석 기반)

새롭고 더 정교한 에이전트를 구축하기 위한 도구는 놀라운 속도로 급증하고 있습니다.  기업의 환경 및 프로세스에 특정한 에이전트를 구축하려면 일반적으로 상용 AI 모델을 기업 데이터로 세부 조정하는 과정이 수반됩니다. 데이터 준비 및 모델 맞춤화 프로세스에서는 여러 소프트웨어 플랫폼과 하드웨어 리소스가 사용됩니다. 이 작업이 완료된 후 에이전트를 실행하려면 추론 인프라를 지속적으로 사용해야 합니다. 그런데 이러한 각 플랫폼 또는 리소스에 대해 가장 편리하거나 비용 효율적인 솔루션이 서로 다른 데이터 센터나 클라우드에 위치해 있을 수 있습니다. 즉, 방대한 양의 업무 기록, 고객 데이터, 통화 녹음, 동영상 또는 모든 종류의 업무 데이터를 프로세스 전반에 걸쳐 수 차례 전송해야 한다는 의미입니다. 그리고 이러한 상황은 비즈니스 각 영역의 여러 에이전트, 그리고 지속적 개선 주기의 새로운 버전마다 발생합니다. 결과적으로, 클라우드와 데이터 센터 간에 대용량의 데이터 세트가 끊임없이 이동해야 하는 것입니다.

그림 2. AI 에이전트 구축에는 대용량 데이터 세트의 빈번한 이동이 필요함

AI 에이전트의 개발 및 지속적 개선에 필요한 데이터 흐름은 이미 증가하고 있는 기업 네트워크 트래픽 위에 새로운 연결 수요를 만들어내며, 이는 기업의 성공을 위해 이러한 에이전트가 얼마나 시급하며 중요한지를 고려할 때 매우 중요한 요소입니다. 에이전트가 실제로 운영되기 시작하면, 여러 시스템과 데이터 소스, 그리고 서로 간에 상호 작용하는 자율적인 엔터티가 됩니다. 이는 일부 경우에는 국지적으로 발생할 수 있지만, 대개는 분산된 리소스와 관련되어 더 많은 네트워크 수요를 만들어냅니다. 다중 에이전트 AI 프레임워크는 빠르게 진화하고 있지만, 이러한 아키텍처에 필요한 지연 시간과 대역폭을 파악하기에는 아직 너무 이릅니다. 그러나 기업 네트워크가 이러한 변화 속도를 따라잡기 위해 훨씬 더 높은 성능을 필요로 하게 될 것이라는 점은 분명합니다.

CSP(통신 서비스 공급자)에게 주어진 기회

AI가 기업의 중요한 성공 요인이 되고 있다는 것은 광섬유 인프라가 풍부하고 신기술 도입 및 신속한 구현에 혁신적인 CSP에게는 반가운 소식입니다. AI 역량이 조직의 생산성과 차별화에 필수적인 요소로 성장함에 따라, AI 여정의 가속화가 주요 경영진의 우선 과제가 되면서 AI의 근간을 이루는 요인으로서 네트워크의 중요성이 더욱 부각되고 있습니다.

조직은 AI 에이전트 및 어시스턴트를 효과적으로 개발 및 운영하기 위해 데이터를 원활하게 전송할 수 있는 네트워킹 기능을 찾고 있습니다.  일반적으로 이 기능은 CSP가 확장 가능한 광 전송 솔루션을 통하여 제공할 수 있는 수백 Gb/s의 대역폭을 포함하는 고용량 파장 서비스의 형태로 구현되며, 종종 코히어런트 라우팅 및 코히어런트 플러그와 결합됩니다.

그림 3. 고용량의 확장 가능한 엔터프라이즈 연결성을 지원하는 기술 요소

그러나 지점 간(P2P) 파장 연결은 엔터프라이즈 AI 이니셔티브가 여러 소프트웨어 플랫폼과 서로 다른 데이터 센터 및 클라우드에서 동적으로 동원되는 컴퓨팅 리소스를 포함하는 복잡한 시나리오에서는 유일하거나 최적의 솔루션이 아닐 수도 있습니다. 엔터프라이즈 고객이 이러한 수요를 해결하도록 선도하고자 하는 혁신적인 CSP는 필요한 경우 에지 데이터 센터와 클라우드에 유연한 연결성 및 대역폭 할당을 가능케 하는 고용량 고확장성 광섬유 솔루션 및 NaaS(서비스형 네트워크) 접근 방식을 모색해 왔습니다.

그림 4. 유연한 에지 클라우드 상호 연결 모델

AI 성숙도는 이제 조직의 경제적 상태를 나타내는 핵심 지표이자, 다양한 산업에서 기업의 중요한 가치 평가 및 차별화 요소가 되었습니다. CSP는 이 여정에서 전략적 파트너가 되어 이러한 변환 노력에서 발생하는 가치의 일부를 확보할 수 있는 독보적인 기회를 갖고 있습니다. 이를 실현하려면 적합한 기술 역량, 비전 및 관계가 필요합니다. Ciena는 고객이 현재 AI 여정의 어느 단계에 있든 상관없이, 이 과정을 지원할 역량과 의지를 갖추고 있습니다.