운영 경험의 위기

2025년 애플리케이션 전략 현황 보고서에서 얻은 인사이트

작성자: Lori MacVittie

소개

조직이 디지털 서비스를 더 빠르고 안전하며 효율적으로 제공하고자 하는 가운데, 운영 복잡성이 주요 장애물로 떠오르고 있습니다. 멀티클라우드, 분산형 애플리케이션, 하이브리드 아키텍처에 대한 의존도가 높아지면서 IT 운영팀은 시간이 많이 소요되는 작업과 단절된 워크플로에 직면하고 있습니다. 기존 지표만으로는 운영 담당자들이 매일 겪는 누적된 마찰을 제대로 파악하기 어렵습니다.

“사실: 응답자의 70%가 탁월한 디지털 경험을 위한 가장 중요한 기술적 척도로 성능을 꼽았습니다. ”

이러한 격차를 해소하기 위해 운영 경험 점수(OES)를 도입합니다. 이는 운영상의 어려움을 정량화하고 자동화, 특히 AI 기반 운영(AIOps)이 필수적인 영역을 파악하도록 설계된 종합 지표입니다. 이 점수를 통해 IT 팀의 운영 효율성과 병목 현상 및 비효율이 발생하는 지점을 명확하게 데이터 기반으로 파악할 수 있습니다.

평가 방법론 및 점수 산정 공식

다른 기술 분야에서는 ‘경험’을 어떻게 측정하는지 조사하고, 이를 바탕으로 세 가지 핵심 요소의 데이터를 종합하는 공식을 도출했습니다:

작업 생산성(TP) – 작업을 완료하는 데 필요한 수작업의 양을 측정합니다. 팀이 스크립트 작성, API와의 직접 연동 또는 일상적인 작업의 수동 승인에 크게 의존하는 경우 TP 점수가 낮아집니다.

워크플로 효율성(WE) – 작업 수행에 걸리는 시간과 복잡성을 고려합니다. WE 점수가 높을수록 도구의 파편화, 프로세스 지연 또는 높은 인적 개입 의존도로 인해 처리 시간이 더 길다는 의미입니다.

사용자 만족도(US) – 실무자가 사용하는 도구와 워크플로에 얼마나 만족하는지를 나타내며, 자동화에 대한 수용성, 구성의 용이성, 결과에 대한 신뢰도를 포함합니다.

이 접근 방식은 만족도가 높을수록 더 높은 점수를 부여하고, 수작업과 비효율이 지배적인 환경에는 감점을 적용합니다. 이를 운영 경험 점수라고 합니다.

OES를 산출하기 위해 세 가지 점수 구성 요소 각각에 매핑된 구조화된 설문 응답을 활용했습니다. 데이터 세트는 ‘2025년 애플리케이션 전략 현황 보고서’ 설문에 응답한 자격 요건을 갖춘 IT 의사 결정권자와 기술 실무자 500여 명으로 구성되었습니다.

전체 응답자의 평균 OES는 5.50이었으며, 산업 부문별로 상당한 차이가 있었습니다. 결과는 다음과 같습니다:

OES 점수는 최대 10점이며, 10점은 최적의 경험(낮은 작업 복잡성, 높은 효율성, 높은 만족도)을, 1점은 좋지 않은 경험(높은 복잡성, 낮은 효율성, 낮은 만족도)을 의미합니다.

핵심 요점

41%의 응답자가 "벤더 API로 작업하기" 또는 "스크립트 작성하기"가 업무에서 가장 많은 시간이 소요되는 부분이라고 답했습니다.

38%는 AI가 구성과 정책을 자동으로 조정하기를 원합니다.

56%는 워크플로를 가속화하기 위해 AI가 생성한 제안을 활용하고자 합니다.

단 6%만이 자동화 워크플로에서 AI를 사용하고 싶지 않다고 답했습니다.

이 데이터에서 두드러지는 한 가지 추세는 규제가 엄격한 산업에서 OES가 현저히 낮게 나타난다는 점입니다. 금융 서비스, 정부, 에너지/유틸리티 부문에서는 운영상의 마찰이 지속적으로 더 크게 나타납니다. 이는 그리 놀라운 일이 아닙니다. 이러한 산업은 수동 점검, 엄격한 승인 절차, 느린 변경 주기를 요구하는 경우가 많은 엄격한 규정 준수 체계 아래에서 운영됩니다. 따라서 자동화 도구를 사용할 수 있더라도 팀이 이를 충분히 활용하는 데 제약을 받을 수 있습니다.

또한 규제가 엄격한 환경에서는 레거시 인프라가 더 오래 유지되는 경향이 있어, 워크플로 효율성에 영향을 미치는 통합 및 현대화 과제가 발생합니다. 이러한 분야의 실무자들이 AI 도입에 적극적이더라도 정책과 위험 회피 성향으로 인해 도입이 지연되는 경우가 많습니다. OES 지표는 이러한 마찰을 가시화하고, 체계적으로 관리되는 AIOps가 제공 속도를 높이는 동시에 규정 준수 부담을 완화하는 데 수행할 수 있는 핵심적인 역할을 강조합니다.

분산 + 규모 = 운영 부담

현대의 애플리케이션 환경은 배포 위치뿐만 아니라 처리해야 하는 규모 측면에서도 복잡합니다. 오늘날 대부분의 조직은 퍼블릭 클라우드, 프라이빗 데이터 센터, 코로케이션, 엣지, SaaS 등 여러 유형의 인프라를 아우릅니다. 동시에 이러한 환경 전반에서 수십 개에서 수백 개에 이르는 애플리케이션을 관리하고 있습니다.

영향을 정량화하기 위해 두 가지 핵심 변수를 살펴보았습니다:

분산성: 애플리케이션이 배포되는 서로 다른 환경의 수.

규모: 관리되는 애플리케이션의 총수.

데이터가 보여주는 내용:

분산도와 OES 간의 상관관계: –0.22
이러한 음의 상관관계는 애플리케이션이 더 많은 환경에 배포될수록 운영 경험이 저하된다는 것을 보여줍니다. 각 환경마다 고유한 도구, 정책 및 통합 문제가 발생하여 제어가 분산되고 대응 속도가 느려집니다.

애플리케이션 수와 OES 간의 상관관계: +0.05
애플리케이션 수 자체는 운영상의 마찰과 거의 상관관계가 없습니다. 하지만 분산 정도와 함께 살펴보면 더 명확한 양상이 드러납니다. 애플리케이션과 환경이 모두 많은 조직일수록 OES 점수가 가장 낮습니다.

애플리케이션 규모가 커질수록 수직적 부담: 관리해야 할 구성, 정책, 업데이트가 애플리케이션 수만큼 늘어납니다. 분산이 확대될수록 수평적 복잡성: 더 많은 환경에 대응하기 위해 더 많은 통합, 가시성 도구, 전문 지식이 필요해집니다.

이러한 요소들이 결합되면 운영 속도를 갈수록 더 저해하게 됩니다.

OES 점수가 가장 낮은 금융 서비스, 에너지, 제조업 등의 산업은 분산 수준과 애플리케이션 규모가 가장 큰 산업군에 속하기도 합니다. 반면, 일반적으로 애플리케이션 수가 적고 인프라 토폴로지가 단순한 교육 및 의료 산업은 OES 점수가 훨씬 높은 것으로 나타났습니다.

중요한 이유

운영팀은 단순히 복잡성을 감당하는 수준을 넘어, 그 속에 파묻혀 있습니다. 환경이 더 세분화되고 규모가 커질수록 워크플로는 더 취약해지고 대응은 더 늦어지며, 자동화의 필요성은 더욱 절실해집니다.

운영상의 문제점

운영 경험 점수는 단순한 숫자가 아니라, IT 및 운영 팀이 현대적이고 분산되어 있으며 흔히 파편화된 환경을 관리하면서 직면하는 실제 과제를 반영한 지표입니다. 데이터의 전반적인 패턴을 살펴보면, 문제점과 자동화 및 AIOps 도입의 시급성을 모두 설명하는 데 도움이 되는 몇 가지 주제가 드러납니다.

1. 수동 작업이 여전히 지배적입니다

자동화 도구에 수년간 투자해 왔음에도 불구하고, 운영 업무의 상당 부분은 여전히 수작업으로 이루어지고 있습니다. 이는 단순히 레거시 시스템만의 문제가 아니라, 도구 간의 단절, 표준화 부족, 그리고 애초에 확장성을 고려하지 않고 만들어진 스크립트와 API로 인해 발생하는 비효율과도 관련이 있습니다.

41% 의 응답자가 공급업체 API를 연동하거나 스크립트를 작성하는 일이 업무 과정에서 가장 많은 시간이 소요되는 작업이라고 답했습니다.

클라우드 네이티브 조직에서조차 자동화는 간소화된 오케스트레이션이 아니라 흔히 "스크립트 모음"을 의미합니다.

이는 하드코딩된 로직과 조직 내 일부 구성원에게만 축적된 지식에 대한 의존도를 줄일 수 있는, 더욱 지능적이고 유연한 자동화가 절실히 필요하다는 점을 보여줍니다.

2. 워크플로의 비효율성은 시스템 전반의 문제입니다

데이터에 따르면 지연과 비효율은 특정 도구나 프로세스에만 국한된 문제가 아닙니다. 오히려 단절된 승인 체계, 프로세스 간 사일로, 통합되지 않은 시스템으로 인해 발생하는 전사적이고 구조적인 문제입니다.

약 30%의 응답자가 승인이나 인계 대기를 지연의 주요 원인으로 꼽았습니다.

18%는 도구 간 통합 부족이 비효율의 주요 원인이라고 답했습니다.

이는 워크플로 효율성을 높이는 일이 단순히 더 많은 도구를 도입하는 데 그치는 것이 아니라, 프로세스를 새롭게 설계하고 의도와 실행 사이의 지연을 줄이는 피드백 루프를 구축하는 데 있음을 보여줍니다.

3. 마찰로 인해 높아진 AI 수용도

자동화 성숙도에는 차이가 있지만, 직무와 산업 전반에서 AI 도구를 수용하려는 의지는 일관되게 높습니다. 이러한 관심은 단순한 가정에 그치지 않으며, 운영상의 마찰이 큰 영역과 밀접한 상관관계를 보입니다.

AI에 대한 관심과 OES 간의 상관계수는 –0.62로, 가장 큰 어려움을 겪는 사람들이 AI 도입을 가장 적극적으로 받아들일 준비가 되어 있음을 의미합니다.

팀은 AI가 인간을 대체하는 것이 아니라 로그 요약, 정책 생성, 상태 보고, 자동 확장 등 반복적이고 오류가 발생하기 쉬운 작업으로 인한 인지적 부담을 줄여주기를 원합니다.

이러한 의지는 강력한 기회가 있음을 시사합니다. 즉, 가장 큰 부담을 느끼는 팀에 권한을 부여함으로써 상향식 AIOps 도입을 가속화할 수 있습니다.

4. 규모와 분산이 커질수록 복잡성도 증가합니다

애플리케이션 규모와 분산 인프라가 결합되면 고유한 운영상의 과제가 발생합니다. 각 요인이 개별적으로 OES에 미치는 영향은 제한적이지만, 두 요인이 결합되면 측정 가능한 운영 마찰이 발생합니다.

애플리케이션 수가 많고 다중 환경에 배포하는 산업(예: 금융 서비스, 에너지, 제조업)은 OES 점수가 가장 낮았습니다.

반면, 애플리케이션 포트폴리오와 환경의 다양성이 상대적으로 낮은 교육 및 의료 부문은 훨씬 더 높은 점수를 기록했습니다.

이는 복잡성이 복합적으로 작용한다는 점을 다시 한번 보여줍니다. 즉, 규모(수직적 부담)와 분산(수평적 확산)이 커질수록 복잡성도 증가합니다. 바로 이 지점에서 자동화, 특히 AIOps는 단순히 유용한 수준을 넘어 필수 요소가 됩니다.

5. 현 상태는 지속 가능하지 않습니다

아마도 가장 주목할 만한 점은 많은 팀이 변곡점에 가까워지고 있다는 것입니다. 증가하는 요구 사항, 정체된 인력 규모, 레거시 도구, 수작업 임시방편이 맞물리면서 감당하기 어려운 운영 부담이 가중되고 있습니다.

팀들이 번아웃의 징후를 보이고 있습니다.

AI에 대한 요구는 이상이 아닌 실용적 필요에서 비롯됩니다.

그리고 변화를 받아들이려는 움직임은 이미 시작되었습니다.

데이터가 분명히 말해주듯, 앞으로 나아갈 길은 더 많은 스크립트나 도구, 대시보드를 도입하는 것이 아니라 운영 요구사항에 맞춰 진화할 수 있는 지능형 컨텍스트 인식 자동화를 구현하는 것입니다.

해답은 AI입니다

AI가 운영 경험에 어떻게 접목되는지 더 잘 이해하기 위해, AI와 자동화에 관한 질문에 대한 응답을 분석했습니다. 특히 응답자들이 운영 업무의 어느 부분에 AI를 적용하고 싶어 하는지, 또는 AI를 사용할 의향이 있는지를 살펴보았습니다. 그런 다음 AI와 관련된 긍정적 응답 수를 각 응답자의 운영 경험 점수(OES)와 비교했습니다.

AI 관심도와 OES 간의 상관관계: -0.62

이는 강한 음의 상관관계로, 팀이 운영상의 어려움을 많이 겪을수록 AI의 도움을 더 원한다는 뚜렷한 패턴을 보여줍니다. 다시 말해, 로그 요약, 정책 조정, 구성 생성 등 AI의 지원을 가장 적극적으로 원하는 이들이 운영 경험 점수도 가장 낮습니다.

이는 AIOps 도입의 시급성을 더욱 부각합니다. 조직들은 단순히 새로움을 추구하기 위해 AI를 도입하려는 것이 아니라, 현재 겪고 있는 마찰을 해소하는 데 꼭 필요한 해결책으로 AI를 선택하고 있습니다. 규모, 복잡성 또는 낡은 프로세스에서 비롯된 것이든, 이러한 압박은 지능적이고 맥락을 인식하며 운영에 내재된 자동화에 대한 상향식 수요를 촉진하고 있습니다.

이 데이터는 AIOps에 대한 관심이 단순한 기대에 그치는 것이 아니라 실질적인 활용을 위한 것임을 보여줍니다. 응답자들은 아직 불확실한 미래의 활용 사례를 꿈꾸는 것이 아니라, 현재 워크플로에서 시간을 낭비하는 요소를 없애고 수작업의 복잡성을 줄이려 하고 있습니다.

스크립트 작성, 로그 요약, 서비스 확장과 같은 작업은 최첨단 기술이라기보다 현대적인 인프라를 운영하면서 매일 감당해야 하는 부담입니다. 그리고 응답자들이 AI의 도움을 원하는 부분이 바로 이런 업무입니다.

결과는 명확한 결론을 보여줍니다. AI 도입에 가장 적극적인 팀일수록 번아웃에 가장 가까운 상태이기도 합니다.

이들은 핵심 운영 업무를 자동화하고 간소화하며 확장하는 데 도움이 되는 도구를 요구하고 있습니다. 파편화된 스크립트와 불안정한 워크플로, 수동 분류에 의존하는 현재 방식으로는 지속 가능하지 않기 때문입니다.

이는 OES 프레임워크의 핵심 논지를 뒷받침합니다. 즉, 운영 복잡성은 측정 가능하고 상당한 고충을 초래하며, IT 운영 분야에서 증가하는 AI 수요와 밀접하게 연관되어 있습니다.

운영 경험 점수는 명확하고 정량화할 수 있는 신호를 보여줍니다. 현대의 IT 운영이 한계점에 다다르고 있다는 것입니다. 규모의 확대, 분산화, 복잡성의 증가가 맞물리면서 기존 도구와 인력 중심의 프로세스로는 더 이상 감당하기 어려워졌습니다. 그 결과 업무 마찰과 운영 비용이 늘어나고 있으며, 기술팀 전반에서 번아웃 위험도 커지고 있습니다.

AIOps는 확장 가능한 유일한 미래 전략입니다

글로벌 2025년 애플리케이션 전략 현황 보고서의 데이터가 보여주는 바는 명확합니다. 업종을 막론하고 가장 큰 운영상의 과제는 생소한 것이 아니라 뼈아플 정도로 익숙한 문제들입니다:

분산된 배포 토폴로지가 퍼블릭 클라우드, 프라이빗 데이터 센터, 코로케이션, 엣지 및 SaaS 전반에 걸쳐 있습니다.

지원 건수 및 처리 속도 증가, 특히 디지털화 수준이 높은 부문에서 두드러집니다.

취약한 스크립트와 조직 내 암묵지에 대한 지속적인 의존, 이로 인해 기본적인 자동화조차 불안정해지고 확장하기 어려워집니다.

이러한 현실은 새로운 것이 아니지만, 인간의 노력만으로는 이를 해결할 수 없다는 인식이 점차 확산되고 있다는 점은 새로운 변화입니다.

하지만 그럼에도 희망적인 점이 있습니다. 실무자들은 준비되어 있습니다.

설문조사 응답에 따르면, 고충을 가장 가까이에서 겪는 사람들이 변화에 대한 의지도 가장 강합니다:

56%는 AI가 반복적이거나 복잡한 작업을 지원하기를 원합니다(예: 로그 요약, 스크립트 생성 또는 정책 적용).
38%는 AI가 구성을 자동으로 조정하고 의사 결정을 내리기를 원합니다(단순히 제안만 하는 것이 아니라).
단 6%만이 AI 도구에 전혀 관심이 없다고 답했으며, 이는 변화에 대한 요구가 얼마나 광범위해졌는지를 보여주는 소수에 불과합니다.

이는 문화적 변화를 보여줍니다. 팀들은 AI를 두려워하는 것이 아니라 오히려 원하고 있습니다. 인간의 판단을 대체하기 위해서가 아니라, 이를 보완하고 가속화하며 반복적인 고된 업무에서 벗어나게 하기 위해서입니다.

아무것도 하지 않는 데 따르는 비용은 더 이상 감춰져 있지 않습니다

원활하지 않은 인계 절차를 바로잡기 위해 작성된 모든 스크립트. 수동 승인으로 인해 지연된 모든 배포. 시스템 간 연동이 되지 않아 생성된 모든 티켓. 이는 사소한 불편이 아니라 운영 부채를 누적시키는 요인입니다.

그리고 디지털 성과가 곧 비즈니스 성과인 세상에서, 이러한 부채는 다음과 같은 결과로 직결됩니다:

시장 출시 기간 지연

보안 및 규정 준수 위험 증가

번아웃과 고된 업무로 인한 인재 이탈

OES는 이러한 숨겨진 비용을 정확히 밝혀내고, 어떤 조직이 뒤처질 위험이 가장 큰지 보여줍니다.

AIOps는 운영 성숙도가 자연스럽게 진화한 결과입니다

인프라가 물리 환경에서 가상 환경을 거쳐 클라우드 네이티브로 전환해 왔듯이, 운영 역시 수동 방식에서 지능형 방식으로 진화해야 합니다. AIOps는 단순한 트렌드가 아니라 엔터프라이즈 운영 진화의 다음 성숙 단계입니다.

AIOps를 도입하는 조직은 다음과 같은 이점을 얻게 됩니다:

단순한 작업뿐 아니라 고된 반복 업무까지 자동화하세요

팀이 구문이 아닌 전략에 집중할 수 있도록 지원하세요

실시간으로 학습하고 조정하며 대응하는 적응형 시스템 구축

그렇지 못한 기업은 어떻게 될까요? 비즈니스의 속도를 따라가지 못하는 워크플로에 계속 얽매이게 될 것입니다.

AIOps는 복잡성으로 인해 발생한 운영 경험의 위기를 해결하는 데 필요한 진화입니다. 이제 AIOps는 있으면 좋은 것이 아니라 반드시 필요한 요소입니다.

부록: 설문 문항, 응답 및 결과 요약

작업 생산성

41% 의 응답자가 가장 시간이 많이 소요되는 작업으로 "벤더 API 연동" 또는 "스크립트 작성"을 꼽았습니다.

56%는 스크립트 생성, 로그 요약 또는 텔레메트리와의 상호작용을 위한 AI 지원을 요청했습니다.

32%는 제공 및 보안 서비스를 관리하기 위해 타사 자동화 또는 오케스트레이션 플랫폼에 의존합니다.

현재 자동화와 관련하여 가장 많은 시간이 소요되는 작업은 무엇인가요?

다음 IT 운영 작업 중 생성형 AI의 지원을 받고 싶은 작업은 무엇인가요? (복수 선택: 로그 요약, 상태 업데이트, 텔레메트리 인터페이스, 스크립트 생성)

현재 애플리케이션 전송 및 보안 서비스를 어떻게 관리하고 계십니까? (예: 스크립트, 자동화/오케스트레이션 도구 사용)

워크플로 효율성

38%의 응답자는 AI가 구성을 자동으로 조정하거나 정책을 적용하기를 원합니다.

29%는 승인이나 인계 대기가 지연의 주요 원인이라고 답했습니다.

18% 는 도구 간 통합 부족이 효율적인 워크플로를 저해하는 요인이라고 답했습니다.

현재 자동화와 관련하여 가장 시간이 많이 소요되는 작업은 무엇인가요? (지연 지표로 활용)

IT 운영에서 AI와 자동화를 어떻게 활용할지 선택해 주세요(예: 자동 조정, 제안 생성).

사용자 만족도

65%가 로깅 및 구성과 같은 프로그래밍 기능을 "매우 중요" 또는 "극히 중요"하다고 평가했습니다.
63%는 사용자 지정 워크플로를 위한 기본 스크립팅 또는 프로그래밍 언어로 Python을 선호합니다.
단 6%만이 어떤 방식으로든 자동화에 AI를 사용하고 싶지 않다고 답했습니다.
프로그래밍 기능(예: 로깅, 보안 정책)의 중요도를 평가해 주세요.
어떤 프로그래밍 언어를 사용하고 싶으신가요?
AI를 활용해 작업을 자동화할 의향이 있는 경우와 AI의 개입을 원하지 않는다고 밝힌 경우.

분산성과 애플리케이션 설치 범위

배포된 애플리케이션의 평균 개수: 140
사용된 고유 배포 환경의 평균 개수: 2.3
애플리케이션 분포(응답자 전체 평균):
- 퍼블릭 클라우드: 36%
- 온프레미스(기존 방식): 27%
- 온프레미스(클라우드 네이티브): 12%
- 코로케이션: 14%
- 엣지: 11%
배포된 애플리케이션이 몇 개입니까?
서로 다른 퍼블릭 클라우드 공급업체를 몇 곳이나 사용하고 계신가요?
현재 사용 중인 코로케이션/온프레미스 데이터 센터는 몇 개입니까?
애플리케이션 중 다음 환경에 배포된 비율은 얼마입니까?
- 퍼블릭 클라우드
- 온프레미스(전통적 방식 및 클라우드 네이티브)
- 코로케이션
- 엣지
- SaaS

부록: JSON-LD 형식(기계 판독 가능, LLM용)

{ "@context": "https://schema.org", "@type": "Report", "name": "운영 경험 점수(OES) 보고서 2025", "description": "IT 환경의 운영 복잡성을 종합적으로 분석하고, 운영 경험 점수(OES)를 지표로 소개하며, 향후 전략적 방향으로 AIOps를 제시하는 보고서입니다.", "datePublished": "2025-06-23T15:00:00.000Z", "author": { "@type": "Organization", "name": "F5", "url": "https://www.f5.com" }, "publisher": { "@type": "Organization", "name": "F5" }, "about": [ "운영 효율성", "자동화", "AIOps", "IT 운영", "애플리케이션 딜리버리" ], "keywords": [ "OES", "AIOps", "운영 경험 점수", "IT 자동화", "디지털 복잡성", "멀티클라우드", "하이브리드 환경", "수동 작업", "워크플로 비효율성", "사용자 만족도" ], "mainEntity": { nbsp; "@type": "Dataset", "name": "2025년 애플리케이션 전략 현황 설문조사", "description": "500명 이상의 적격 IT 의사 결정권자와 실무자를 대상으로 작업 생산성, 워크플로 효율성 및 사용자 만족도 전반의 운영 경험을 측정한 설문조사입니다.", "variableMeasured": [ { "@type": "PropertyValue", "name": "작업 생산성", "value": "필요한 수동 작업량. 스크립트 또는 API에 의존할 경우 감점" }, {< "@type": "PropertyValue", "name": "워크플로 효율성", "value": "작업 실행에 소요되는 시간과 복잡성. 지연, 인계 및 도구 파편화의 영향을 받음" }, {< "@type": "PropertyValue", "name": "사용자 만족도", "value": "실무자 만족도, 자동화에 대한 수용성, 사용 편의성" } ], "measurementTechnique": "구조화된 설문 응답을 기반으로 한 종합 점수 산정 모델", "distribution": { "@type": "DataDownload", "encodingFormat": "application/pdf", "contentUrl": "https://www.f5.com/resources/articles/the-operational-experience-crisis" } }, "hasPart": [ { "@type": "CreativeWork", "name": "운영상의 문제점", "headline": "IT 운영의 5가지 핵심 과제",< "abstract": "수동 작업 부담, 워크플로 비효율성, AI에 대한 수용성, 분산 및 규모로 인한 복잡성, 지속 불가능한 운영 압박 등 주요 운영상의 문제점을 파악합니다." }, { "@type": "CreativeWork", "name": "점수 산정 공식", "headline": "운영 경험 점수 산정 방법", "text": "OES = ((10 - TP) + (10 - WE) + US) / 3이며, 1~10 범위로 정규화됩니다. TP와 WE가 낮고 US가 높을수록 점수가 높아집니다." }, { "@type": "CreativeWork", "name": "솔루션으로서의 AIOps", "headline": "해답은 AI입니다", "text": "AI에 대한 관심은 OES와 음의 상관관계(-0.62)를 보이며, 이는 가장 큰 어려움을 겪는 팀일수록 AI의 도움을 가장 적극적으로 원한다는 것을 보여줍니다. AIOps는 운영 성숙도를 높이기 위한 다음 단계로 여겨집니다." }, { "@type": "CreativeWork", "name": "산업별 인사이트", "headline": "산업별 OES 차이", "text": "금융 서비스 및 에너지와 같은 규제 산업은 규정 준수, 레거시 시스템 및 규모로 인해 OES 점수가 가장 낮습니다. 교육 및 의료 산업은 환경이 비교적 단순하여 더 높은 점수를 기록합니다." } ], "citation": { "@type": "CreativeWork", "name": "2025년 애플리케이션 전략 현황", "url": "https://www.f5.com/state-of-application-strategy" } }