안녕하세요, 메클레터 독자님들!
연휴의 축복이 끝이 없었기에 더 보내기 아쉬운 5월 마지막 주입니다.🙇

이번 달에는 국내 최대 규모 IT 컨퍼런스인 AWS Summit Seoul이 개최되었죠! 아마 독자님들도 많이 참여하셨을 것 같은데요, 세션장에서부터 엑스포장까지 ‘생성형 AI’와 관련된 이야기들이 넘쳐났습니다.

메가존클라우드 부스에서는 성공적인 생성형 AI 도입을 위해 꼭 필요한 클라우드 전환부터 AI 개발까지의 단계를‘AX 라이프사이클’로 가시화하여 선보였습니다. 엑스포 현장에서 관심도가 정말 높았던 만큼 궁금하실 구독자님들을 위해 이번 메클레터에서 자세히 짚어보려고 합니다.😉

생성형 AI, 환멸의 골짜기가 온다고? 😨

(출처: Gartner, What’s New in the 2023 Gartner Hype Cycle for Emerging Technologies)

‘AX 라이프 사이클’을 본격적으로 살펴보기 전에 보여드리고 싶은 게 있어요! 여러분은 가트너의 하이프 사이클(hype cycle)을 아시나요? 하이프 사이클은 신기술의 성숙도와 시장 수용도를 나타내는 지표로 활용되는데요, 기술 촉발 → 기대 정점 → 환멸의 골짜기 → 계몽 단계 → 생산성 안정의 5단계로 이루어집니다.

가트너는 작년 하반기에 발표한 ‘2023 Hype Cycle for Emerging Technologies’ 보고서에서 ‘생성형 AI’를 하이프 사이클의 5단계 중 기대감이 정점에 달한 상태로 분류했습니다. 흥미로운 건 내년에는 하이프 사이클의 주기상 시장의 기대감과 관심이 급격하게 떨어지는 ‘환멸의 골짜기’ 단계에 접어들 것이라고 예측했다는 점입니다.

신기술이 기대감의 정점에서 환멸의 골짜기로 떨어지는 이유는 무엇일까요? 이는 초기에 신기술을 도입한 기업들이 수익화에 실패하면서 살아남은 일부만 투자를 계속하게 되기 때문입니다. 이후 좋은 수익 사례가 발생하고 2~3세대 제품이 출시되는 계몽 단계를 거쳐 시장에서 광범위하게 채택되는 생산성 안정 단계에 진입한다는 논리예요.

이러한 시도를 하는 기업들은 모두 신기술의 초기 단계에서 도입에 성공하여 혁신의 폭발적인 가치를 누리기를 원할 것입니다. 그렇다면 환멸의 골짜기가 와도 살아남는 성공적인 AI 도입을 위해서는 무엇이 필요할까요?

천리길도 한 걸음부터: 클라우드 전환부터 운영까지

STEP1️⃣ 클라우드 전환

생성형 AI 도입에 클라우드 전환이 필수라는 말 많이 들어보셨을 텐데요, 이는 클라우드 환경이 제공하는 ‘유연성’과 ‘접근성’ 때문입니다. 비즈니스 목표에 맞는 맞춤형 모델을 개발하고 정착시키기 위해서는 각 기업의 데이터로 모델을 학습시키는 과정이 필요하고, 이러한 학습에는 방대한 양의 데이터와 컴퓨팅 성능이 필요합니다. 그런데 클라우드는 필요에 따라 리소스를 쉽게 확장하거나 축소할 수 있으니 이러한 요구 사항에 적합한 것이죠.

올해 4월 발간된 <2024년 국내 클라우드 컴퓨팅 및 AI 현황과 전망>에 따르면 국내 기업 중 어떤 식으로든 클라우드를 활용하고 있는 기업은 75.4%에 달한다고 합니다. 그러나 좀더 자세하게 살펴보면 ‘미션 크리티컬한 업무를 제외한 업무 중 일부만을 클라우드로 구동하고 있다’는 응답이 36.6%로 가장 많고, ‘모든 업무를 클라우드 환경에서 구동하고 있다’는 응답은 5.9%에 불과합니다.

클라우드가 지난 10년 간 하나의 거대한 기술 흐름으로써 작동했고, 그 필요성은 이제 보편적인 상식이 되었지만 디지털 전환(DX)을 넘어 AI 전환(AX)이 거론되고 있는 시대에서 그 여정은 더욱 가속화되어야 할 필요성이 있는 것입니다.

대규모 마이그레이션에 있어 중요한 것은 애플리케이션과 데이터베이스 간의 유기적인 관계나 OSS 전환과 같은 현대화가 필요한 부분에 대해 명확하게 파악하는 것입니다. 위의 사진은 메가존클라우드 Mass Migration & DR 센터(이하 MMDR 센터)에서 제시하는 Mass Migration & DR Framework (이하 MMF)인데요, 총 8개의 서비스 프레임워크로 구성된 MMF를 활용하여 Discovery부터 DX까지의 클라우드 여정을 설계해야 합니다.

메가존클라우드의 MMDR 센터는 수년간의 클라우드 이관 경험을 통해 쌓은 노하우를 기반으로 클라우드 마이그레이션 솔루션인 Hyper Mig를 개발하였습니다. 크게 클라우드 마이그레이션의 단계를 Discovery(인벤토리 수집 및 검증) – Assessment(인프라·애플리케이션·데이터베이스 통합 분석) – Migration으로 구분하는데요, Hyper Mig는 기업의 인벤토리를 효율적으로 수집하고, 인프라와 애플리케이션, 데이터베이스 등의 연관 관계를 심층적으로 진단 및 분석할 수 있는 자동화 도구입니다. 이를 통해 기업은 클라우드 전환 프로젝트의 가시성을 확보하고 기간을 단축할 수 있습니다.

👉클라우드 마이그레이션 솔루션, Hyper Mig

STEP2️⃣클라우드 운영·관리

클라우드가 보편화된 오늘날 좀더 많은 기업의 관심사는 클라우드 운영·관리입니다. 대부분의 기업이 여러 개의 CSP를 운용하는 멀티클라우드를 채택함에 따라 과도한 클라우드 비용 지출, 높아지는 클라우드 보안 위협, 다수의 클라우드 계정 관리, 산재된 클라우드 자산 등 여러 어려움을 겪게 되었고, 이를 효율적으로 관리하는 것이 또 하나의 중요한 과제가 되었기 때문입니다.

메가존클라우드에서는 비용, 장애 알림, 보안 등의 여러 클라우드 리소스를 하나의 플랫폼에서 통합 관리할 수 있는 멀티클라우드 통합 포탈 SpaceONE을 서비스하고 있습니다. 클라우드 자원과 비용 관리에서 더 나아가 워크스페이스를 활용하여 조직 및 프로젝트를 체계적으로 관리할 수 있게 됩니다.

👉멀티클라우드 통합 포탈 SpaceONE

STEP3️⃣클라우드 보안

지난 4월 메클레터에서 생성형 AI 시대의 클라우드 보안에 대해 이야기했던 것 기억하시나요? 해킹 등 공격자 위협과 ‘섀도우 IT’로 인한 사용자 위협으로 인해 공격 표면이 날로 증가하고 있다고요. 그래서 필요한 건 AI 기반에서 요구되는 대량의 로그와 이벤트 데이터를 실시간으로 분석하고 탐지 및 대응할 수 있는 보안 역량을 내재화하는 것입니다.

그러나 이러한 위협 이벤트를 능동적으로 탐지하고 위협 및 취약점을 분석하는 것은 쉽지 않습니다. 원격 보안관제 서비스를 받는 것도 기업에는 부담으로 작용하고 보안관제를 위한 전문성을 갖추기도 어렵기 때문입니다.

메가존클라우드 Cloud Technology Center에서는 클라우드 워크로드 내 보안 서비스에서 발생하는 로그 이벤트를 탐지하고, 각 기업의 보안 담당자가 이를 손쉽게 분석할 수 있는 보안 대시보드 환경의 구축을 지원합니다.

👉클라우드 보안 전문가와 상담하기

AI도 맞들면 낫다: 데이터 분석부터 개발까지

STEP4️⃣ 데이터 분석

AI 프로젝트를 이야기할 때 아무리 강조해도 과하지 않은 것이 바로 ‘데이터’입니다. AI 도입이 성공적으로 이루어지기 위해서는 충분한 기간 동안 수집한 양질의 데이터가 반드시 필요하기 때문입니다.

하지만 기업 내 데이터 양이 급증하고 시스템이 분산됨에 따라 데이터의 효과적인 통합 관리와 활용이 어려워지고 있습니다. 필요한 데이터를 요청하고 확인할 때까지 많은 시간과 노력이 필요하기도 하고요.

이러한 니즈를 바탕으로 메가존클라우드가 AI & 데이터 분석 플랫폼 ‘DP360’을 출시합니다. 🎉 데이터 탐색부터 AI 분석 및 시각화까지, 데이터 분석 프로세스 전반을 IT 담당자의 지원 없이 직접 수행 가능한 데이터 민주화를 실현하는 셀프서비스 환경입니다.

데이터 공급 및 공유 단일화를 통해 고품질 데이터를 자유롭게 탐색하고, 권한에 따라 접근을 통제하여 데이터 거버넌스 기능을 제공하는 카탈로그 솔루션 ‘DP360 Catalog’와 분석 환경 준비부터 데이터 공급 자동화, 분석, 모델 서빙 및 시각화 서비스 연동으로 셀프 서비스 환경을 제공하는 ‘DP360 Portal’로 구성되어 있습니다.

정확하게 답변하는 생성형 AI의 기반은 고품질 데이터와 데이터 거버넌스입니다. DP360을 도입하여, 생성형 AI에 양질의 데이터를 공급하여 결과 품질을 높일 수 있고, 데이터의 접근 권한도 함께 적용되어 민감한 데이터의 보안을 강화할 수도 있습니다.

👉AI & 데이터 분석 플랫폼, DP360

STEP5️⃣ AI 개발과 MLOps

클라우드 기반도 잘 갖춰져 있고, 데이터도 잘 정제되어 있고, 생성형 AI 도입에 대한 구체적인 목표도 설정했다면 이제 본격적으로 AI를 개발하고 정착시키는 실전 단계로 나아가야겠죠! 그러나 여기에도 역시 많은 어려움이 존재합니다. 특히 AI 애플리케이션의 환경 구축과 운영을 위한 숙련된 인적 자원의 부족이나 높은 개발 비용 등이 장벽으로 작용하는 경우가 많습니다.

(출처: nvidia blog)

이때 AI 워크로드를 자동화하여 개발자들이 AI 개발부터 관리까지 쉽게 할 수 있는 MLOps의 역할이 중요합니다. MLOps는 ML(Machine Learning) + Ops(Operation)의 합성어로, 개발(Dev)과 운영(Ops)을 통합하여 개발 생산성과 운영 안정성을 동시에 높이는 DevOps와 마찬가지로 ML 모델을 소프트웨어 개발 프로세스에 통합하여 지속적인 배포 및 유지 관리를 가능하게 하는 것을 목표로 합니다.

메가존클라우드에서는 AI 워크로드를 효율화 및 자동화하여 개발 현장에서 실전 중심으로 업무에 집중할 수 있도록 지원하는 Matilda AI Platform을 서비스하고 있습니다. Matilda AI Platform을 통해 모델 개발에서 전체 Machine Learning Lifecycle을 관리하며, ML모델의 학습(CT) 및 배포(CD) 프로세스를 자동화할 수 있습니다.

AI엔지니어들은 GPU, IPU와 같은 AI전용 프로세서를 포함한 개발 환경의 번거로운 절차 없이 바로 사용할 수 있으며 MLOps 파이프라인에 꼭 필요한 학습, 하이퍼 파라미터 튜닝, 인퍼런스 배포 등을 자동화하여 지속적으로 반복 실행할 수 있도록 지원하고 있습니다.

👉최적의 AI 통합 플랫폼, Matilda AI Platform

🌎Go Global🌎

해외 진출에 관심있으신가요?
글로벌 IT 시장의 트렌드도 함께 읽어요!

[일본] NextRise2024에서 일본의 유망 스타트업 기업을 직접 만나보세요!

[일본] 한국관광공사×WeWork KOREAN STARTUP NIGHT2024년 베트남, AI가 인간 노동자를 대체할까?

[동남아] 동남아 데이터센터 시장 140억 달러 돌파!?💰