AIOps 솔루션에는 기존 AI와 생성 AI가 모두 필요합니다.

생성적 AI가 도입된 이래로, 우리가 항상 AI라고 지칭해 온 것에는 별도의 명칭이 필요했습니다. 시장에서는 "생성형 AI를 제외한 모든 AI"를 설명하기 위해 기존 AI라는 용어 를 사용하기로 결정했습니다.

기존 AI는 생성 AI와 동일한 훈련 기술과 기본 원리를 많이 사용하지만, 대부분 구조화된 데이터에서 패턴과 관계를 식별 하여 결과를 분석하고 심지어 예측하도록 설계되었습니다. 기존의 AI는 분류와 인식에 매우 뛰어납니다.

기존 AI는 수십 년 동안 다음과 같은 용도로 사용되었습니다.

1. 계정 인수(ATO)와 같은 남용 및 사기를 방지하기 위해 봇 식별
2. 네트워크(DDoS) 및 애플리케이션(L7) 트래픽 의 행동 패턴을 기반으로 공격 탐지
3. 소비 패턴에 따라 제품 및/또는 서비스를 추천합니다.
4. 필기 및 이미지 인식

기존 패턴과 관계를 예측할 수 있을 뿐만 아니라 거의 실시간으로 새로운 패턴과 관계를 발견해내는 기존 AI의 능력이 진정한 AIOps 솔루션에 있어서 매우 귀중한 기술입니다. 새로운 데이터를 분석하고 공격의 존재를 추론하거나 가용성을 방해하거나 성능을 저하시키는 문제를 예측할 수 있는 모델이 필요합니다. 기존 AI는 두 가지 모두에 특히 능숙합니다. 즉, 관찰 기능에 이상 징후를 감지하는 기능을 부여하고, 분석 기능에 패턴과 관계를 발견하는 기능을 제공합니다.

생성 AI는 코드, 구성, 콘텐츠를 생성할 수 있습니다. 기존 패턴을 복제 하고 이를 적용하여 새로운 콘텐츠를 생성합니다. 이는 아무것도 창조하지 않지만, 피드백을 기반으로 강화되거나 약화되는 객체 간의 관계에 의존합니다.

실제로, 생성 AI에게 새로운 데이터를 분석하도록 요청하는 것은 많은 위험을 초래합니다. 정답을 줄 수도 있지만, 환각을 보고 틀린 답을 줄 수도 있습니다. 궁극적으로 생성 AI는 숫자 게임이기 때문에 데이터 포인트 간의 관계나 패턴이 강하지 않거나 충분히 존재하지 않으면 옳든 그르든 단순히 공백을 채울 뿐입니다.  

생성적 AI가 우리에게 제공하는 것은 데이터에 대한 접근성 입니다. 쿼리 언어에 대한 전문가가 될 필요가 없고, 개발자가 인터페이스를 구축해 줄 것을 기대할 필요도 없기 때문입니다. 또한 문제를 해결하기 위해 실행할 수 있는 코드나 구성을 자동으로 생성하는 기능도 제공합니다. 이것 역시 접근성인데, 이를 통해 코드를 작성하거나 여러 API를 활용하는 데 있어 전문가가 될 필요성이 줄어들기 때문입니다.

하지만 실시간으로 원격 측정 데이터를 분석할 수 있는 기존 AI가 없다면 이러한 시스템은 완벽한 기능을 갖춘 AIOps 솔루션에 필요한 세 가지 기능 중 두 가지만을 부분적으로만 처리할 수 있습니다. 따라서 우리는 전통적인 AI와 생성적 AI를 모두 사용해야 합니다.

• 관찰 : 이상 감지를 위한 기존 AI.
• 분석: 기존 AI를 이용해 패턴과 관계를 파악합니다.
• 참여 : 사용자가 데이터와 통찰력을 시각화하고 상호작용할 수 있도록 하는 생성 AI.
• 행동 : 통찰력을 행동으로 전환하는 생성 AI.   

따라서 저는 생성적 AI와 이를 통해 운영을 단순화하고 가속화할 수 있는 능력에 대해 긍정적으로 생각하지만, AIOps에서 AI의 잠재력을 최대한 실현하려면 기존 AI와 생성적 AI가 모두 필요하다는 사실도 알고 있습니다.