전 세계 데이터의 양은 1년 2개월마다 2배씩 증가
게티이미지뱅크
데이터는 21세기의 원자재로 비유된다. 어떤 일이 발생했을 때 기록으로 남기고 통계화 시켜 데이터화 시키는 것은 중요한 일이기 때문이다. 이 데이터들을 취합하고 응용하는 것이 21세기 산업의 주요 과제가 되었다.
기업의 종류에 관계없이 모든 기업이 보유하고 있는 실제 비즈니스에 이용 가능한 데이터의 양은 1년 2개월마다 2배씩 늘어나고 있다. 이는 2년에 2배 증가한다는 무어의 법칙보다 빠른 것이다.
이처럼 정보의 홍수 속에 계속해서 발생하는 대용량 데이터를 수집, 분류, 처리하기는 어렵다.
■ 스토리지 업계의 인공지능 활용 붐
최근 IDC와 마이크로소프트의 발표에 따르면, 2021년까지 모빌리티, 클라우드, IoT 및 AI 등 디지털 기술을 활용한 제품 및 서비스가 아시아태평양 지역 국내총생산(GDP)의 약 60%를 차지할 것으로 예상된다. 2021년이면 디지털 트랜스포메이션이 아태지역 전체 GDP에 1조 달러 정도를 기여할 것으로 전망된다.
오늘날 기업 IT부서는 애플리케이션 수와 데이터 양의 증가 때문에 이를 관리하는 데 드는 시간을 줄여야 하는 과제를 안고 있다. 관리 시간을 줄이는 대신 혁신에 더 많은 시간을 투자하는 게 더 중요하기 때문이다. 현재 사람의 실수에 따른 전체 시스템 장애 원인의 40% 가량을 차지한다. 자동화된 인프라 관리는 사람의 실수로 발생하는 장애를 원천차단하고, 장애를 미리 예측, 신속히 해결하는 노력의 일환이다.
효성인포메이션시스템, 델EMC, 넷앱 등 데이터 전문기업은 사람의 실수를 줄이면서 인프라의 성능을 최적화 하기 위해 자사의 시스템에 AI 및 머신러닝 기법을 도입하고 있다. 복잡한 가상화 공유 인프라의 환경에서 머신러닝 기반의 지능형 AI 운영을 지원함으로써 자가 치유가 가능한 민첩한 클라우드 인프라를 지원할 수 있게 된다.
최근 데이터센터에 적용되는 AI 기반 분석 및 IT 자동화 기술 동향을 살펴보면, 일부 요소에 국한되지 않고 전체적인 접근법을 취한다. 데이터가 거쳐가는 가상머신, 서버, 네트워크, 스토리지 등 모든 인프라의 성능과 환경설정 변화 데이터를 수집, 분석한다. 요소의 조율을 통해 성능 최적화를 추구하는 것이다.
AI 기반 운영 소프트웨어 등장 전까지 기업은 여러 IT업체의 가상 및 물리 인프라를 혼용하는 IT 환경에서 관리에 어려움을 겪었다. 장애 발생 시 각각의 업체에게 해결을 요청해야만 했던 것이다. 또한, 컨테이너 및 가상머신 등 가상화 공유 인프라에서 단 한 번의 조작 실수가 전체 인프라에 어떤 영향을 미치고 어떤 요소에 기준을 두고 성능을 모니터링해야 하는지 판단하기 어렵다.
AI 기반 운영 소프트웨어를 도입하면 애플리케이션을 최상 성능으로 유지하고, 시스템 가동률을 향상시키기 위해 정확한 예산 계획을 수립할 수 있다. 자동화된 분석 및 문제 해결 기능을 써드 파티 인프라까지 확대 적용해 성능을 정확하게 예측하는 AI 적용 솔루션도 등장했다.
대표적으로 효성인포메이션시스템은 지난 5월 새로운 히타치 VSP제품군을 출시했다. 새로운 VSP는 100% 데이터 가용성을 보장하고, 민첩한 클라우드 인프라 구축을 지원하며, 인공지능 기능을 제공한다.
히타치 VSP에 탑재된 AI 분석
소프트웨어는 성능 병목점 사전 판단과 조치 방법 제안 등의 기능을 갖췄다. AI가 전체 인프라의 과거 성능 트렌드 데이터를 분석, 미래를 예측하는 ‘예측 분석(Predictive Analytics)’을 수행한다. IT담당자의 리소스 계획 수립을 지원하거나, IT 분석으로 얻어낸 예측 결과를 기반으로 실수 없이 즉각적인 조치를 취할 수 있는 서비스 카탈로그 기반 자동화 툴을 기본 제공한다.
또한 AI 운영 소프트웨어 기반으로 제시한 ‘자율 데이터 센터’는 데이터 보호 프로파일 설정과 복제, 재해복구(DR) 및 스토리지 운영 관리를 자동화해서 데이터 손실 시 스스로 복구가 가능해서 AI가 비즈니스 연속성 보장 영역에도 관여할 수 있음을 보여줬다.
델EMC는 머신러닝 등 중요 워크로드에 최적화된 새로운 x86기반 4소켓 14세대 델EMC 파워엣지 서버를 발표했다. 디지털 트랜스포메이션을 가속해 총소유비용 절감을 돕는 델EMC ‘레디 솔루션’, AI를 활용해 워크스테이션 성능과 생산성을 향상시키는 ‘델 프리시전 옵티마이저 5.0’ 등도 출시했다.
넷앱은 최근 AI를 활용한 기술지원 상담 챗봇 ‘엘리오’와 머신러닝 기술을 접목해 장애 여부를 사전에 차단하는 분석서비스인 액티브IQ를 출시했다. 액티브 IQ는 넷앱 시스템에 대한 실시간 예측, 새로운 패턴을 학습해 스토리지의 효율성 및 구성을 향상해 장비 운영을 개선할 수 있다.
업계 전문가들은 AI 기술이 단순히 AI 워크로드에 최적화된 인프라만 제공하거나 제품 레벨의 AI 구현에만 국한되는 경우도 있다고 지적하고 있다. 이 때문에, AI가 구현됐다고 무조건 도입을 진행할 게 아니라 도입 목적과 사용 용도에 맞도록 도입 전에 충분한 검토가 필요하다고 조언한다.
■ 빅데이터 활용 사례
빅데이터 관리는 21세기 산업의 주요 과제가 되었다. 사진=픽사베이
인터넷을 통한 전자상거래와 소셜 네트워크, 커넥티드 기기에서 발생하는 데이터의 양은 10년 후 44배 늘어난다는 통계가 있다. 2020년까지 전화, 자동차, 가전, 안경 등 200억 개의 기기가 인터넷에 연결된다. 이러한 빅데이터 시스템은 문자, 그림, 목소리, 온도, 위치 등 다양한 형태의 데이터를 발생시킬 것이다. 온갖 종류의 비정형 데이터는 전통적 시스템으로는 처리 될 수 없다.
옷가게에서는 빅데이터를 분석해 고객이 선호할 만한 유행 품목을 배열의 앞에 전시하게 된다. (사진=픽사베이)
미국 아이오와 주에서 인도에 이르기까지, 많은 농부들이 어떤 작물을 언제 심을지 결정한다.
농장에서 식탁에 오르기까지 식품의 신선도를 추적하게 된다. 또 기후의 변화에 어떻게 적응할 것인지에 관해 더 나은 결정을 내리기 위해 씨앗과 인공위성, 센서, 트랙터의 데이터를 활용한다.
맥도날드는 안면 인식 기술을 활용한 비디오로 고객의 매장 내 움직임을 분석해 매장 내 구조를 개선한다. 대기 시간은 줄었고 직원 스케쥴과 업무는 최적화되었다.
이는 비용 절감과 고객 만족도 증가로 이어졌다. 이런 맥도날드의 사례는 빅데이터가 제공하는 진정한 가치에 대해 재확인 시켜준다.
옷가게와 같은 일반 매장에서도 빅데이터가 활용된다. 빅데이터를 분석해 고객이 선호할 만한 유행 품목을 배열의 앞에 전시하게 된다.
미국 세튼 병원은 심혈관 질환 후 재입원 가능성을 평가하기 위해서 환자의 입원 기록, 지불 등과 같은 정형 데이터와 가족 지원, 의료 기록과 같은 비정형 데이터를 결합하고 있다.
사실 환자 데이터의 80%를 차지하는 것은 비정형 데이터다.
이 정보를 활용할 수 있다는 건, 곧 사망자 수와 비용을 상당히 감소시킴과 동시에 환자의 삶의 질을 개선할 수 있다는 걸 의미한다.
대중교통 영역에서는 US레일이 맞춤형 예지 정비를 완전히 표현하기 위해 빅데이터 프로젝트를 수행했다. 그 결과 기계 결함을 75%, 유지보수 비용을 20% 감소시켰다.
빅데이터는 클라우드에 저장된다. (사진=픽사베이)
■ 빅이터는 클라우드에 저장
클라우드는 이처럼 넘쳐 흐르는 빅데이터를 인터넷 상에 저장시켜 주는 역할을 한다.
템부의 고객사는 클라우드 서비스를 이용해 물탱크의 수위를 결정하고 누수 부분을 탐지해 신속히 처리한다.
GE의 프레딕스 클라우드 역시 그와 비슷한 산업용 사물인터넷 플랫폼이라고 할 수 있다. 이런 플랫폼을 통해 풍력발전용 터빈 예지 정비용 앱들이 개발된다.
사물 클라우드 서비스는 GPS를 기반으로 특정 영역에 가상 울타리를 설치해 기계의 위치 파악, 데이터 도난 방지, 펌웨어 자동 업데이트 등을 지원한다.
이처럼 각국 기업들은 데이터 관리를 최우선 과제로 두고 있다. 이는 과거의 실수를 반복하지 않으려는 노력이다. 또 미래의 새로운 지평을 여는 지름길로 각광받고 있다.
