Dean Brewster는 네트워크 최적화의 다음 단계가 단순히 명확하게 파악하는 데 그치지 않고 더 신속하게 대응하는 데 있다고 설명하며, AI 기반 프로세스 자동화를 통해 파편화된 가시성을 현대 네트워크 전반의 조율된 대응으로 전환하는 방법을 소개합니다. 이 글은 네트워크 최적화 전략을 살펴보는 3편의 블로그 시리즈 중 세 번째 글입니다.

본 시리즈의 앞선 두 편의 블로그에서는 네트워크 최적화는 현재 네트워크에 무엇이 있는지 더 잘 파악하는 것에서 시작된다는 점을 살펴봤습니다. 첫 번째, 드러내기: 네트워크 감사를 통해 네트워크의 실제 상태를 드러내고 향후 성장을 위한 보다 명확한 기반을 만듭니다. 그런 다음, 분석하기: 고급 통찰력을 적용해 용량, 복원력 또는 고객 경험을 저해하기 전에 숨겨진 리스크를 밝혀냅니다.

이제 세 번째 단계는 자동화입니다. 어떤 일이 벌어지고 있으며 그것이 무엇을 의미하는지 파악했다면, 다음 질문은 변화의 속도를 따라갈 만큼 빠르고 정확하게 대응할 수 있느냐는 것입니다.치명적인 장애가 실제로 발생하기도 하지만, 많은 네트워크 운영자에게 진짜 숨겨진 난제는 서서히 누적되는 일상적인 운영 비효율성입니다. 현대의 멀티 벤더 네트워크는 점점 더 높은 복원력과 이중화, 지능화를 갖추고 있습니다. 문제는 네트워크 주변에서 일어나는 일들입니다. 이벤트를 해석하고, 시스템 간 불일치를 조정하며, 서비스에 미치는 영향을 검증하고, 여러 도메인과 벤더, 팀에 걸쳐 다음 단계를 조율하는 데 있어 수작업이 요구된다는 것입니다.

바로 이 부분에서 운영 비효율이 쌓이게 됩니다. 이는 대규모 사고의 형태로 나타나지 않을 수 있습니다. 대신, 예상보다 오래 걸리는 서비스 개통, 소수의 선임 엔지니어에게 의존하는 장애 해결 사이클, 또는 한 도메인에서는 효과가 있지만 더 넓은 환경으로는 확장되지 않는 자동화 시도로 나타날 수 있습니다. 시간이 지나면서 이러한 작은 지연들은 비용, 생산성, 매출 실현 시간 등에 뚜렷한 부담으로 작용하게 됩니다.

그 원인이 데이터 부족인 경우는 거의 없습니다. 대부분의 운영 팀들은 이미 그 어느 때보다 많은 대시보드, 알람, 원격 측정 스트림, 그리고 도메인별 전용 툴을 보유하고 있습니다. 문제는 이러한 시스템들이 하나의 시스템처럼 작동하지 않는다는 점입니다. 각각은 자체 도메인 내의 정확한 모습을 보여주지만, 운영자들은 여전히 수동으로 전체 그림을 조합해야 하는 것입니다.

From fragmented visibility to coordinated, effective action

그림 1: 인프라 및 애플리케이션의 전술적 멀티 벤더 통합을 통해 수동 프로세스 제거.

사실상 사람이 통합 계층의 역할을 하게 됩니다.

엔지니어들은 알람들의 상관관계 분석, 타임스탬프 비교, 인벤토리 체크, 서비스 관계 해석, 티켓 업데이트, 복구 단계 검증, 해당 문제의 해결 여부 판단 등을 수행합니다. 이런 전문성은 매우 가치가 있지만, 그 전문성이 개별 경험에만 갇혀 있다면 확장하거나, 재사용하거나, 반복되는 워크플로에 내재화하기 어렵습니다.

가시성을 높이는 것만으로는 이를 해결하지 못합니다. 공유된 맥락 정보가 없는 가시성은 잡음의 또 다른 근원이 될 수 있습니다.

최적화의 다음번 단계는 상이한 접근방식을 요구하고 있는데, 바로 AI 기반 프로세스 자동화입니다. 이는 시스템들을 연결하고, 운영 맥락을 정상화하며, 팀이 이미 사용 중인 툴 전반의 작동을 유기적으로 조율합니다.

운영 전문성을 대체하는 것이 아닙니다. 오히려 운영 전문성을 강화하는 것입니다.AI 기반 프로세스 자동화는 성공적인 워크플로를 포착하고, 수동으로 행해지는 인계 절차를 줄이며, 도메인 전반에서 이벤트의 상관관계를 분석하고, 맥락을 반영한 권고사항을 운영자에게 안내하며, 통합된 시스템 전반에서 필요한 조치를 촉발할 수 있습니다. 엔지니어에게 각 이벤트마다 맥락을 처음부터 재구성해 달라고 요청하는 대신, 운영 모델이 해당 지식을 보존하고 재사용하기 시작합니다.

그 결과는 단순히 대응 속도가 빨라지는 데 그치지 않습니다. 더 큰 확신을 가지고 대응할 수 있게 됩니다.팀이 제공받은 맥락 정보를 신뢰하고, 자동화가 기대한 대로 작동한다는 확신이 있으면 곧바로 조치를 취할 수 있습니다. 워크플로에 일관성이 있을 때, 자동화 확장은 훨씬 쉬어집니다. 지식이 시스템에 내재되어 있을 때 신입 엔지니어는 더 빠르게 생산적인 인력이 될 수 있습니다. 시스템이 보다 효과적으로 유기적인 조율을 수행할 때, NOC는 대응 중심의 운영 환경에서 보다 전략적인 운영 기능으로 진화할 수 있습니다.

이는 특히 멀티 벤더 네트워크에서 중요합니다. 멀티 벤더 아키텍처는 유연성, 복원력, 혁신, 상업적 선택지를 제공해 줍니다. 목표는 그 복잡성을 제거하는 것이 아닙니다. 그 복잡성을 보다 관리 가능한 상태로 만드는 것이 목표입니다.

기술 백서 “멀티 벤더 네트워크에서 운영 레버리지 회복하기”에서는 전통적인 운영 모델이 왜 한계에 다다르고 있는지, AI 기반 프로세스 자동화 및 도메인간 조율이 네트워크 확장에 따른 운영 통제력을 회복하는 데 어떻게 도움이 되는지 심층적으로 살펴봅니다.

문제는 네트워크의 복잡성이 아닙니다. 기회는 이들을 운영하는 방식을 현대화하는 데 있습니다.