IT 전문가들은 네트워크 데이터가 AI 도구에 공급되는 것을 걱정합니다.

샤무스 맥길리커디

네트워크 세상 |

점점 더 많은 IT 조직이 인공 지능(AI), 머신 러닝(ML), 소위 AIOps 기술을 네트워크 관리에 적용함에 따라 네트워크 데이터가 성공에 매우 중요해졌습니다. AI/ML 기술은 개별 네트워크를 학습하고 통찰력을 도출하며 권장 사항을 제공하기 위해 점점 더 많은 데이터를 필요로 합니다. 불행하게도 많은 조직에서는 이러한 AI 도구에 네트워크 데이터를 공급하려고 할 때 문제에 직면합니다.

즉, 네트워크 팀은 AI 기술을 수용하기 전에 네트워크 데이터에 대한 접근 방식을 현대화해야 합니다.

Enterprise Management Associates는 최근 "AI 기반 네트워크: 네트워크 관리 수준 향상" 보고서를 위해 AI/ML 기반 네트워크 관리 솔루션에 대한 경험에 대해 250명의 IT 전문가를 대상으로 설문 조사를 실시했습니다. AI/ML을 네트워크 관리에 적용할 때 직면하게 되는 두 번째 기술적 과제는 데이터 문제라는 사실이 밝혀졌습니다. 네트워크 복잡성만이 더 큰 기술적 문제입니다.

또한 조직의 90%가 AI/ML 솔루션을 사용하려고 할 때 네트워크 데이터와 관련하여 적어도 한 가지 심각한 문제에 직면한 것으로 나타났습니다.

90억 달러 규모의 금융 서비스 회사의 IT 부사장은 최근 "AIOps는 워크플로를 추진하기 위해 데이터가 필요합니다"라고 말했습니다. "데이터가 없으면 AIOps도 없는 것입니다. [AI 프로젝트에서] 가장 먼저 해야 할 일은 데이터를 준비하는 것입니다. 데이터를 보고, 이해하고, 격차가 어디에 있는지 확인하세요."

설문 조사에 참여한 IT 전문가에 따르면 데이터 문제의 주요 원인은 다음과 같습니다.

46%의 조직에 영향을 미치는 가장 큰 문제는 데이터 품질이었습니다. IT 조직은 가비지 데이터가 가비지 인사이트를 생성한다는 사실을 빠르게 발견합니다. 오류, 형식 문제, 비표준 데이터로 인해 어려움을 겪고 있습니다. 이는 IT 조직이 여러 사일로 도구의 데이터를 타사 AIOps 솔루션에 공급하는 경우 특히 문제가 될 수 있습니다. 일반적인 IT 조직에서는 4~15개의 도구를 사용하여 네트워크를 관리하고 모니터링합니다. 각 도구는 다양한 수준의 품질로 자체 데이터베이스를 유지합니다. AIOps 솔루션이 해당 데이터 세트 전반에 걸쳐 통찰력을 연관시키려고 시도하면 문제가 드러납니다.

거의 39%가 AI/ML 시스템과 네트워크 데이터를 공유하는 것과 관련된 보안 위험으로 어려움을 겪고 있다고 EMA에 말했습니다. 많은 공급업체가 AI 기반 네트워킹 솔루션을 클라우드 기반 제품으로 제공합니다. IT 팀은 분석을 위해 네트워크 데이터를 클라우드로 보내야 합니다. 금융 서비스와 같은 일부 산업에서는 네트워크 데이터를 클라우드로 전송하는 것을 꺼립니다. 오히려 온프레미스 도구를 사용하여 사내에 보관하는 것을 선호합니다. 안타깝게도 많은 네트워크 공급업체에서는 AI 데이터 레이크의 온프레미스 버전을 지원하지 않습니다. 이를 위해서는 클라우드 확장성이 필요하기 때문입니다.

일부 공급업체는 네트워크의 글로벌 분석을 위해 모든 고객의 익명화된 데이터를 결합하기도 합니다. 이를 통해 지역, 산업 및 기타 변수 전반의 추세를 확인할 수 있습니다. 그러나 일부 고객은 AI/ML 솔루션의 이러한 측면을 불안해합니다. 그들은 익명화된 데이터조차 이런 방식으로 포함되는 것을 원하지 않습니다.

세 번째로 큰 데이터 관련 문제는 네트워크 오버헤드입니다. 36% 이상의 조직이 방대한 데이터 세트를 오프프레미스에서 클라우드 기반 데이터 레이크로 이동하는 데 드는 네트워크 비용에 대해 우려하고 있습니다. 이 데이터 전송은 때때로 너무 많은 대역폭을 소비할 수 있습니다. 일부 공급업체는 로컬 프로브를 사용하여 네트워크 에지에서 데이터를 처리한 후 분석을 위해 메타데이터를 AI 클라우드로 전달하여 이 문제를 완화합니다. AI 기반 네트워킹 솔루션을 평가하는 조직은 잠재적 공급업체에게 이 문제를 어떻게 해결하는지 물어봐야 합니다.

마지막으로, 조직의 32%가 EMA에 데이터 세분화가 부족하다고 말했습니다. AI 솔루션에 네트워크에 대한 충분한 통찰력을 제공할 만큼 짧은 간격으로 데이터를 수집할 수 없습니다. 이 문제는 다양한 방식으로 나타날 수 있습니다. 일부 SD-WAN 공급업체는 원격 측정 트래픽이 네트워크 성능에 영향을 미칠 수 있기 때문에 네트워크 원격 측정 수집 속도를 제한합니다.