오픈텍스트, AI·ML 적용 위한 IT 인프라 데이터 확보 전략 제시

기업이 AI와 머신러닝(ML) 기술 도입을 본격화하면서, 이를 뒷받침할 수 있는 신뢰도 높은 데이터 확보가 핵심 과제로 떠오르고 있다. 특히 하이브리드 및 멀티클라우드 환경이 확산되며 IT 인프라는 점점 더 복잡해지고 있으며, 이로 인해 IT 자산과 구성 정보를 정확하게 파악하는 데 한계가 드러나고 있다. 이런 환경에서는 AI와 머신러닝 기술을 적용하더라도 기대한 수준의 성과를 내기 어렵다는 지적도 나온다.

오픈텍스트는 ‘오픈텍스트 서밋 코리아 2025(OpenText Summit Korea 2025)’에서 ‘머신러닝 적용을 위한 데이터 확보: IT 인프라 구성정보 자동수집’을 주제로, IT 인프라 전반에 대한 가시성과 데이터 신뢰성을 확보하기 위한 전략을 제시했다. 이날 발표를 맡은 오픈텍스트의 신경환 이사는 AI와 머신러닝 적용의 출발점으로 정확한 IT 구성 데이터의 중요성을 강조했다.

신 이사는 많은 기업이 AI 도입 과정에서 데이터 품질 문제에 직면하고 있으며, 특히 IT 인프라 데이터의 불완전성과 불일치가 자동화와 예측 분석의 정확도를 저해하는 주요 원인으로 작용하고 있다고 설명했다. 그는 “온프레미스와 퍼블릭 클라우드, 가상화 및 컨테이너 환경이 혼재된 현재의 IT 환경에서는 자산 정보가 여러 시스템에 분산돼 관리되며, 이로 인해 실제 운영 환경과 데이터 간의 괴리가 발생하고 있다”라고 진단했다.

가시성 부족은 운영상의 불편을 넘어 장애 대응 지연, 반복적인 서비스 중단, 컴플라이언스 리스크 증가, 소프트웨어 라이선스 감사 실패 등 다양한 문제로 이어질 수 있다. 신 이사는 “AI와 머신러닝을 IT 운영에 적용하기 위해서는 먼저 현재 환경을 정확하게 이해할 수 있는 기반 데이터가 확보돼야 한다”라고 강조했다.

오픈텍스트는 이 문제를 해결하기 위한 방안으로, IT 인프라 구성 정보를 자동으로 수집하고 관리할 수 있는 유니버셜 디스커버리 앤 CMDB(Universal Discovery and CMDB)를 제시했다. 해당 솔루션은 서버, 네트워크, 스토리지, 애플리케이션, 클라우드 자원 등 IT 환경 전반에 걸쳐 구성 정보를 자동으로 탐지하고, 자산 간의 연관 관계를 체계적으로 정리해 신뢰도 높은 CMDB를 구축할 수 있도록 지원한다.

유니버셜 디스커버리 앤 CMDB는 다양한 IT 환경을 지원하는 유연한 디스커버리 방식을 통해 온프레미스와 클라우드, SaaS 환경을 아우르는 통합 가시성을 제공한다. 수집된 데이터는 정규화와 검증 과정을 거쳐 데이터 정확도를 높이며, 이를 통해 IT 운영, 변경 관리, 장애 분석, 자동화 및 머신러닝 적용을 위한 기반 데이터로 활용할 수 있다.

특히 이 솔루션은 IT 인프라의 변화가 빈번한 환경에서도 구성 정보의 최신성을 유지할 수 있도록 설계돼, AI 기반 분석과 예측 모델에 필요한 신뢰도 높은 데이터를 지속적으로 제공한다. 이를 통해 기업은 IT 운영의 효율성을 높이는 것은 물론, 장애 발생 가능성을 사전에 예측하고 선제적으로 대응할 수 있는 기반을 마련할 수 있다.

이번 세션에서는 유니버셜 디스커버리 앤 CMDB를 활용해 퍼블릭 클라우드 환경에서 IT 자산과 서비스 토폴로지를 자동으로 수집하고 시각화하는 사례도 함께 소개됐다. 오픈텍스트는 이를 통해 복잡한 IT 환경에서 일관된 데이터를 확보하고 관리하는 방법을 제시했다.

신경환 이사는 “머신러닝과 AI를 성공적으로 적용하기 위해서는 기술보다 먼저 신뢰할 수 있는 데이터 기반이 마련돼야 한다”라며 “오픈텍스트는 IT 인프라 구성 정보의 자동 수집과 통합을 통해 고객이 AI와 머신러닝을 실질적인 운영 혁신으로 연결할 수 있도록 지원할 것”이라고 말했다.
dl-ciokorea@foundryco.com