“스스로 문제 파악하고 고친다” HPE가 제안하는 AI 자율주행 네트워크 비전

2026년 초 AI 개발사 앤트로픽은 AI가 노동시장에 미치는 영향을 분석한 보고서를 발표했다. 화이트칼라 직업군은 물론 예술 영역까지 AI의 영향권에 들어와 있으며, AI 노출도가 높은 직종일수록 향후 10년간 고용 성장률이 둔화할 것이라는 내용이었다. 2022년 이후 해당 직종에서 저연차 직원 채용이 실제로 줄고 있다는 데이터도 포함됐다.

AI는 직업을 단번에 대체하는 것이 아니라 자동화와 작업 효율화라는 방식으로 먼저 스며들고 있다. 네트워크 운영이 대표적인 분야다. HPE 네트워킹(HPE Networking)의 오동열 기술본부장은 지난 3월 25일 ITWorld 및 CIO Korea가 서울 잠실 롯데호텔 월드 크리스탈 볼룸에서 개최한 ‘Cloud & AI Summit 2026’에서 “네트워크 운영은 IT 업계에서 굉장히 오랫동안 혁신이 더딘 분야였고, 엔지니어들의 역량에 의존하던 영역이었다”라고 짚으며, AI가 이 영역을 어떻게 바꾸고 있는지를 구체적인 사례와 함께 제시했다.

이번 발표는 HPE 네트워크의 플래티넘·PBS·MSP 파트너 원츠넷과 함께 진행됐다. 원츠넷은 AI 기반 네트워크 및 보안 인프라 구축 역량을 갖춘 AI 인프라 전문기업으로, 국내 최초로 HPE 네트워킹 와이파이 7 및 SSE 도입 계약을 체결하며 기술력을 입증했다. 또한 2025년 HPE 네트워킹 부문 1위를 포함해 5년 연속 파트너 어워드 수상, 6관왕 달성 등의 차별화된 성과를 바탕으로 HPE의 핵심 파트너로서 경쟁력을 선보이고 있다.

“UP이 항상 GOOD은 아니다” AI가 바꾸는 네트워크 관리

기존의 네트워크 운영은 장비 혹은 인터페이스, 프로토콜이 UP인지 DOWN인지를 감시하는 것에 초점을 맞췄다. 그러나 네트워크 분야에서는 UP이 반드시 ‘GOOD’을 의미하지는 않는다. 네트워크 관리 시스템에는 빨간불이 하나도 없지만 서비스에 문제가 있는 상황이 비일비재하다. 오 본부장은 “결국 관리의 초점이 장비 중심에서 사용자 경험 중심으로 바뀌어야 하고, AI가 그 전환을 가능하게 한다”라고 설명했다.

그렇다면 AI를 활용해 네트워크 품질을 개선할 수 있을까? 오 본부장은 그 해답으로 HPE의 RRM(Radio Resource Management) 기능을 제시했다. 네트워크에는 다양한 이벤트와 문제가 존재하는 만큼, AI를 적용하더라도 단일 기술로 모든 케이스에 대응하기 어렵다. 지도 학습, 비지도 학습, 강화학습, 생성형 AI 등 다양한 기술을 상황에 맞게 활용해야 하는데, RRM은 그중 강화학습을 활용한다.

강화학습은 AI가 어떤 행동을 취했을 때 그 결과에 따라 보상을 받고, 점점 더 높은 보상을 얻는 방향으로 스스로 학습하는 알고리즘이다. RRM은 무선 환경 상태를 학습하고, 채널 변경·전력 조정·듀얼밴드 전환 등의 조치를 자동으로 실행하며 최적 상태를 유지한다. 피크 타임에 RF 수용 용량 저하가 감지되면 RRM이 자동으로 개입한다. HPE에서 실제로 적용한 결과, 피크 시간대에도 연결 성공률 93%, 로밍 성공률 94%, 커버리지 성공률 95% 이상을 안정적으로 유지했다고 오 본부장은 설명했다.

Foundry

숨은 장애 찾아내고, 불편 느끼기 전에 감지하고

AI는 장애의 원인을 분석하고 해결하는 데도 활용할 수 있다. HPE의 AI 기반 가상 네트워크 어시스턴트 마비스(MARVIS)가 그 역할을 한다. 오 본부장은 “마비스는 네트워크 이벤트와 통계를 학습해 정상 상태의 기준선을 설정하고, 이상이 감지되면 원인을 자동으로 파악해 해결책을 제시한다”라며 “영화 <아이언맨>의 자비스 같은 존재”라고 설명했다.

예를 들어, 케이블 전원 페어는 정상이지만 데이터 페어가 끊어진 불량 케이블은 PoE 드로우(PoE Draw) 장비 지표만 봐서는 문제를 발견하기 어렵다. 그러나 마비스는 오류 카운트 증가 패턴을 통해 잡아낸다. VLAN 설정 불일치는 K-평균 군집화(K-Means Clustering)로 문제 지점을 골라낸다. STP 루프는 초기에 대응하지 못하면 시스템 전체가 다운될 수 있는 사안인데, 마비스는 토폴로지 변화 빈도와 트래픽 급증 패턴을 감지해 루프 발생 위치를 즉각 특정한다.

훨씬 더 복잡한 상황에서도 원인 파악과 개선방안을 빠르게 파악할 수 있다. 가령 CEO가 화상회의 후 “왜 네트워크가 자꾸 끊겼느냐”라고 물어보는 상황을 가정해보자. 과거에는 네트워크 엔지니어가 화상회의 당시 이벤트와 카운터 정보를 모두 살펴보고, 경험에 의존해 원인을 찾아야 했다. 그러나 마비스를 활용하면 자연어 질의만으로 당시 상황을 분석할 수 있다. “1시간 전 화상회의가 왜 느려졌는가”라고 물으면, 5GHz 간섭과 방화벽 구간의 레이턴시 급증을 원인으로 짚어내고, 설정 변경을 제안하거나 운영자의 허가 하에 직접 설정을 수정한다.

디지털 트윈을 활용해 네트워크 문제를 사전에 감지하는 것도 가능하다. 사무실 곳곳에 HPE의 소형 에이전트인 마비스 미니(MARVIS Minis)를 설치하면, 실제 사용자의 접속 과정을 그대로 시뮬레이션하며 DHCP·인증·애플리케이션 사용 등의 네트워크 상태를 상시 점검한다. 오 본부장에 따르면, 사용자가 없는 시간에도 에이전트는 계속 동작하며, 문제 감지 시 자동으로 패킷 캡처를 수행해 운영자가 즉시 분석할 수 있도록 돕는다.

Foundry

숫자로 증명된 ‘자율주행’ 네트워크의 가능성

‘네트워킹을 위한 AI’의 효과는 수치로도 확인된다. 서비스나우는 네트워크 장애 티켓을 90% 줄였고, GAP은 현장 IT 인력 없이도 원격 대응이 가능해지면서 현장 방문 횟수를 85% 절감했다. 포트 휴런 스쿨(Port Huron Schools)은 네트워크 관리 시간을 80% 단축했고, 서버스 오스트레일리아(Servers Australia)는 배포 속도를 95% 앞당겼다. 운영 비용 절감은 물론, IT 인력이 사후 처리 업무에서 벗어나 혁신적인 업무에 시간을 쏟을 수 있게 됐다는 점도 주목할 만하다. 이런 효과는 캠퍼스 네트워크뿐 아니라 데이터센터에도 동일하게 적용된다.

오 본부장은 AI를 기반으로 네트워크 기술이 발전하는 방향을 자율주행 자동차의 발전 단계에 빗댔다. ‘자율주행 네트워크(Self-Driving Network)’는 데이터 수집에서 인사이트 제공, 행동 지침 제안을 거쳐 에이전틱 AI(Agentic AI) 기반의 자율 조치, 그리고 완전 자동화된 셀프 드라이빙 단계까지 5단계로 진화한다. 현재 네트워크 분야의 ‘자율주행’은 3단계에서 4단계로 넘어가는 구간이라고 오 본부장은 언급했다.

이어 “네트워크 운영의 패러다임 전환이 이미 시작됐다”라며 “현재 사용 중인 네트워크 솔루션 업체가 AI에 대한 명확한 비전을 제시하지 못한다면 리스크가 있을 수 있다. AI 대응 역량을 갖춘 업체 선택이 중요하다”라고 조언했다.
ciokorea@foundryco.com