장애 분석부터 보안 정책까지, 업계 전문가들이 말하는 AI 네트워크 관리의 현재

미국의 한 대형 보험사는 AI 에이전트를 활용해 보안 정책의 규칙 변경을 실시간으로 분석하고 시뮬레이션하며 적용하고 있다. 이 보험사의 한 기술 임원에 따르면 과거에는 규칙을 만들고 변경 사항을 검토하는 데 수 시간이 소요됐고, 여러 분석가가 수작업으로 검증해야 했다. 그러나 이제는 에이전트 기반 워크플로가 비즈니스 요청을 자동으로 해석한다고 설명했다.

이 에이전트는 AI 기반 사이버보안 스타트업 에어라이브드(Airrived)의 정책 자동화 에이전트로, 멀티벤더 방화벽 전반에 미치는 영향을 평가하고 내부 정책에 대한 규정 준수 여부를 검증한 뒤 승인된 규칙 세트를 생성한다. 이 모든 과정은 수 분 안에 완료된다. 해당 임원은 정책 변경 속도가 90% 빨라졌고, 설정 오류는 3분의 1 수준으로 줄었다고 전했다. 하이브리드 환경 전반으로의 규칙 전파도 실시간으로 이뤄지고 있다고 설명했다.

이 같은 변화는 이미 비즈니스 성과로 이어지고 있다. 그는 효율성 향상 덕분에 비용 회피 효과가 나타나고 있으며, 지출 증가 곡선을 완만하게 만들어 투자 대비 효과 측면에서도 긍정적인 결과를 보이고 있다고 언급했다.

다만 효율성 향상이 곧바로 IT 인력의 대규모 대체를 의미하는 것은 아니다. 예를 들어 방화벽 규칙 변경을 자동화하면서 이 보험사에서는 전일제 직원 0.5명 분량의 업무 여력이 생겼다. 그러나 대부분의 기업과 마찬가지로 이는 즉각적인 비용 절감으로 직결되기보다는 다른 업무에 인력을 투입하는 방식으로 흡수된다고 그는 설명했다. 결과적으로 더 적은 인력으로 더 많은 일을 하거나, 추가 인력 채용을 미루는 효과라는 것이다.

향후 이 보험사는 내년에 AI 관련 투자를 확대할 계획이다. 기술이 발전함에 따라 에어라이브드와 같은 스타트업뿐 아니라 기존 플랫폼 벤더들도 적극적으로 나설 것으로 예상된다고 그는 전했다. 현재 거의 모든 SaaS 플랫폼이 AI와 에이전트를 핵심 화두로 내세우고 있다고도 덧붙였다.

네트워킹 환경은 빠르게 변화하고 있으며, 그 중심에는 AI가 있다. 네트워크는 점점 더 복잡해지고 있고, AI 프로젝트가 늘어나면서 운영 부담도 함께 커지고 있다. 이에 따라 네트워크 자동화는 필수 과제로 떠올랐으며, 기업들은 스크립팅과 머신러닝, 로봇 프로세스 자동화 같은 기존 자동화 기술에 생성형 AI 기반 역량을 결합해 자동화를 더 쉽게 구축하고, 기능은 강화하며, 변화에 유연하게 대응하려 하고 있다.

11월 말 공개된 엔터프라이즈 스트래티지 그룹의 설문조사에 따르면, 네트워크 전문가 400명 중 93%는 변화 속도를 따라잡기 위해 네트워크 자동화가 필수적이라고 답했다. 또 89%는 AI의 확산으로 네트워킹의 중요성이 더욱 커지고 있다고 응답했다. 특히 응답자들은 사전 장애 예방, 예측 유지보수, 취약점과 정책 위반의 자동 탐지, 인적 오류 감소, 하이브리드 네트워크 전반에 대한 가시성 향상을 주요 요구 사항으로 꼽았다.

그러나 실제로 모니터링과 가시성, 정책 적용, 진단 및 문제 해결 워크플로를 완전히 자동화한 기업은 약 3분의 1에 그쳤다. 업데이트와 패치를 완전히 자동화한 기업은 45%로 다소 높았으며, 나머지 기업 대부분은 이미 부분 자동화를 도입한 상태에서 점진적으로 전환을 진행하고 있다.

도구 측면에서는 네트워크 장비 벤더가 제공하는 자동화 도구를 사용하는 비율이 75%로 가장 높았고, 서드파티 벤더 도구를 도입한 기업은 약 3분의 2였다. 오픈소스를 활용하는 비율은 61%, 자체 자동화 스크립트를 작성하는 기업은 50%로 나타났다.

이러한 자동화는 기존 기술만으로도 구현이 가능하지만, 응답자의 99%는 생성형 AI가 그 효과를 한층 더 끌어올릴 것이라고 답했다. 네트워크 전문가들이 생성형 AI를 통해 기대하는 가장 큰 효과는 보안 정책 준수 개선으로, 56%가 이를 꼽았다. 문제 해결 속도 향상과 테스트·감사 가속화가 각각 51%로 공동 2위를 차지했으며, 네트워크 정책 준수 개선이 50%로 뒤를 이었다.

라쿠텐 심포니(Rakuten Symphony)의 자동화 및 트랜스포메이션 부사장 아흐메드 압델아지즈는 “의사결정을 위해 에이전트를 활용하고 있지만, 모든 단계에 적용하는 것은 아니다”라며 “신뢰할 수 있는 범위와 규모에서 사용하고 있다”고 설명했다.

AI 에이전트가 내리는 판단을 신뢰하기까지

네트워크 관리 분야에서 생성형 AI의 초기 활용 사례로는 근본 원인 분석, 문제 해결, 조사 중심의 작업 등이 꼽힌다.

압델아지즈는 6년 전 라쿠텐 모바일 출범 초기부터 운영 부사장으로 합류해 왔다. 라쿠텐 모바일은 전자상거래, 인터넷 연결, 여행 예약, 엔터테인먼트 스트리밍, 전자책, 신용카드, 은행 계좌, 주식 거래, 보험, 이동통신 서비스를 제공하는 일본 대기업 라쿠텐의 자회사다.

압델아지즈는 2020년 팬데믹 기간에 서비스를 시작했는데, 당시 네트워크를 운영할 자원을 충분히 확보하기 어려웠다고 설명했다. 그는 네트워크를 직접 운영할 수 있는 자원이 없었던 만큼, 자체적으로 무언가를 만들어보자는 판단을 내렸다고 전했다.

라쿠텐은 출범 초기부터 자동화에 투자했고, 3년 뒤 해당 기술을 분사해 라쿠텐 심포니를 설립했다. 현재 압델아지즈는 이 회사에서 자동화 및 트랜스포메이션 부사장을 맡고 있다. 라쿠텐 심포니의 네트워크 자동화 기술은 생성형 AI 이전 시대로 거슬러 올라가며, 당시에는 스크립트와 머신러닝이 중심이었다. 그는 현재 이들 기술이 하나로 융합되고 있으며, 각 기술이 맡은 역할이 분명히 존재한다고 설명했다.

압델아지즈는 에이전트를 활용해 의사결정을 내리고 있지만, 모든 단계에 적용하는 것은 아니라고 밝혔다. 그는 최근 발생한 글로벌 장애 사례를 언급하며, 자신이 피하고자 하는 결과가 무엇인지 분명히 하고 있다고 설명했다.

라쿠텐 심포니는 과거 유사 사례의 이력을 분석하는 에이전트를 운영하고 있다. 이 에이전트는 특정 조치를 취할 수 있는 신뢰도 수준을 산출하며, 그 수치가 90% 미만일 경우 해당 사안을 엔지니어에게 전달한다.

전체 프로세스는 원시 데이터가 유입되면 머신러닝이 잠재적인 사고로 이어질 수 있는 이상 징후를 식별하는 구조다. 이후 생성형 AI 에이전트가 개입해 유사 사례 이력뿐 아니라 네트워크 내 다른 사고 정보 등 관련 맥락을 함께 검토한다. 에이전트는 가능한 진단 결과를 조사하고 근본 원인을 분석한 뒤 복구 계획을 수립하며, 권고 사항에 대한 신뢰도와 그 근거를 함께 제시한다. 이 과정에서는 단일 에이전트가 아니라 여러 에이전트가 서로의 작업을 검증한다.

신뢰도가 충분히 높을 경우 에이전트는 자동으로 조치를 실행한다. 압델아지즈는 오랜 기간 자동화를 진행해 왔고, 이미 다양한 조치 라이브러리를 갖추고 있다고 설명했다.

반대로 신뢰도가 충분하지 않거나 조치의 영향이 큰 경우에는 사람이 개입한다. 이때 생성형 AI는 티켓 정보를 보다 풍부하게 보강한 상태로 엔지니어에게 전달한다. 엔지니어가 진단 결과에 동의하고 권고 사항을 승인하면, 해당 결정은 이후 학습을 위해 시스템에 다시 반영된다.

현재 이 에이전트 시스템은 전체 네트워크가 아닌 제한된 사용 사례에만 적용되고 있다. 추가적인 안전성을 확보하기 위해 자동 조치는 유지보수 시간대에만 실행되며, 고객 서비스에는 영향을 주지 않는다.

압델아지즈는 이러한 접근을 점진적으로 확대하고 있다고 설명했다. 지난 1년 동안 에이전트 시스템은 약 6,000건의 사고를 처리했으며, 초기 성공률은 약 88%였지만 현재는 95%를 넘어섰다.

다음 단계로 라쿠텐 심포니는 네트워크 품질을 저해하지 않으면서 에너지 사용량을 줄이기 위해 에이전트를 활용하는 방안을 추진하고 있다. 압델아지즈는 가장 가치 있는 활용 사례는 아직 발견되지 않았다고 내다봤다.

네트워크 자동화의 현 수준

북미 네트워크 운영자 그룹(NANOG)에 10월 공개된 약 700명의 네트워크 전문가 대상 설문조사에 따르면, 현재까지 대부분의 기업은 네트워크 관리를 부분적으로만 자동화한 상태다. 설문 응답자는 주로 직원 수 1만 명 이하, 스위치 수 5,000대 이하의 네트워크를 운영하는 기업 소속이었다.

자동화 수준을 보면, 9%는 여전히 전면 수작업에 의존하고 있었고, 완전 자동화에 도달한 기업은 1%에도 미치지 못했다. 자동화 비율이 10~30% 수준인 기업이 약 46%로 가장 많았고, 40~60% 수준은 28%였다. 70% 이상 자동화한 기업은 16%에 불과했다.

세부적으로는 설정 배포에 자동화를 적용한 비율이 31%였고, 모니터링은 17%, 설정 관리는 8%, 반자율적 복구는 5%로 나타났다.

네트워크 관리에 자동화를 도입한 경우에도 대부분은 전통적인 도구를 사용하고 있었다. 설문조사에 따르면 AI 기반 네트워크 자동화를 실제 운영 환경에 적용한 기업은 3%에 불과했으며, 14%는 개발 또는 테스트 단계에 있었다. 34%는 도입을 검토 중이었고, 45%는 AI 활용에 대한 계획이나 추진 과제가 없는 상태였다.

기업 규모가 클수록 자동화와 AI 도입 수준은 더 앞서 있었다. 브로드컴와 디멘셔널 리서치가 중견 및 대기업에서 네트워킹, 운영, 클라우드, 아키텍처 분야에 종사하는 1,300명 이상을 대상으로 실시한 조사에 따르면, 22%의 기업이 네트워크 운영 자동화를 위해 AI 사용을 시작했고, 5%는 완전 자율형 AI 자동화를 구축했다. 반면 70%는 아직 AI를 사용하지 않고 전통적인 스크립트 기반 자동화와 플레이북을 활용하고 있었으며, 완전 수작업 상태인 기업은 3%에 그쳤다.

도입 단계는 아직 초기이지만, 관심도는 매우 높다. 브로드컴 조사에 따르면 98%의 기업이 AI 기반 네트워크 가시성 기술 도입에 관심을 보였고, 23%는 이미 하나 이상의 솔루션을 운영 환경에 적용하고 있었다. 또 다른 49%는 평가 또는 개발 단계에 있었다.

네트워킹이 핵심 사업인 기업은 이 분야에서 가장 앞서 있다. 라쿠텐 심포니와 함께 대표적인 사례로는 클라우드 보안 기업 지스케일러(Zscaler)가 꼽힌다.

지스케일러는 전 세계 1,500만 명의 사용자를 지원하는 글로벌 네트워크를 운영하고 있으며, 네트워크 관리 조직은 약 100명 규모다. 이 회사는 생성형 AI를 활용해 장애 탐지 및 대응에 소요되는 평균 시간을 줄이고 있다.

지스케일러의 제품 총괄 부사장 다왈 샤르마는 사람이 수 분 걸려 수행하던 작업을 AI는 수 초 만에 처리할 수 있다고 설명했다. 과거에는 근본 원인 분석의 대부분을 사람이 담당했지만, 이제는 AI가 대부분을 수행하고 사람은 승인만 하면 된다는 설명이다.

샤르마에 따르면 지스케일러는 2024년에 네트워크 가시성 투자를 확대했고, 2025년에는 자동 복구 기능을 도입했다. 그 결과 장애를 탐지하고 대응하는 데 걸리는 시간이 4~7배 개선됐다. 이는 이미 높은 수준의 자동화를 갖추고 있었기 때문이며, 평균적인 기업이 유사한 기술을 도입할 경우에는 15~20배의 시간 절감 효과를 기대할 수 있다고 설명했다.

그는 위험도가 낮은 상황에서는 복구 프로세스를 자동화할 수 있지만, 핵심 시스템의 경우에는 항상 사람이 검증하고 확인해야 한다고 강조했다.

네트워크 자동화를 위해 AI 도입을 서두르고 있는 또 다른 기업은 사이버보안 기업 엔에이블(N-able)이다. 엔에이블의 관리형 탐지 및 대응 보안 운영 부문 수석 디렉터 윌 레데스마는 모방자가 아니라 혁신자가 되는 것을 목표로 하고 있다고 설명했다.

레데스마에 따르면 엔에이블은 네트워크를 모니터링하고 네트워크 텔레메트리를 활용해 왔지만, 과거에는 근본 원인을 찾는 데 60분에서 길게는 120분이 걸렸다. AI를 도입한 이후에는 이 시간이 수 초 단위로 줄어들었다는 설명이다.

엔에이블은 대규모 언어 모델과 에이전트 기반 AI를 활용해 시스템을 운영하고 있으며, 상용 도구와 내부 개발 도구를 병행해 사용하고 있다. 레데스마는 이미 사고 및 위협 복구 기능의 70%에 AI를 적용했다고 전했다.

도입을 가로막는 걸림돌

AI 정확성과 신뢰성은 기업들이 네트워크 관리 전반에 AI를 폭넓게 적용하는 데 있어 여러 장애 요인 중 하나다. 다만 그중에서도 가장 큰 걸림돌로 꼽힌다.

디멘셔널 리서치 설문조사에 따르면, 응답자의 71%는 네트워크 운영에서 AI 기반 기능을 전적으로 신뢰하지 못하고 있다고 답했다. 그 결과 자동화 대상으로 검토 중인 업무 역시 데이터 수집이나 정보 공유 등 비교적 단순하고 위험도가 낮은 작업에 집중되는 경향을 보였다.

또 다른 장애 요인은 도구 환경의 복잡성이다. 현재 기업들은 네트워크 성능 관리와 모니터링을 위해 여러 벤더의 다양한 도구를 동시에 사용하고 있다. 9월 공개된 리버베드(Riverbed)의 조사에서 IT 리더와 기술 전문가 1,200명을 대상으로 분석한 결과, 평균적인 기업은 네트워크 성능 관리와 모니터링 기능만으로도 2.7개 벤더의 3.9개 도구를 사용하고 있는 것으로 나타났다. 여기에 디지털 경험 모니터링, 클라우드 관리·모니터링, 애플리케이션 성능 관리·모니터링을 위한 가시성 도구까지 더해지면서, 기업이 사용하는 가시성 도구는 총 9개 벤더의 평균 13개에 이르는 것으로 조사됐다.

중소 규모 기업의 경우 상황은 더욱 어렵다. 앞서 언급한 북미 네트워크 운영자 그룹(NANOG) 설문조사에 따르면, 전체 조직의 43%는 자동화를 전담하는 인력이 전혀 없었고, 27%는 역량 부족을 도입의 가장 큰 장애 요인으로 꼽았다. 이어 조직적 문제를 지적한 응답이 20%, 문화적 요인이 14%로 뒤를 이었으며, 기술적 과제는 10%로 네 번째에 머물렀다.

다만 향후 더 많은 벤더가 플랫폼에 AI 기능을 추가하면서 이러한 장벽은 점차 완화될 가능성이 있다.

네트워크 자동화에 대한 수요는 앞으로도 계속 증가할 것으로 전망된다. 가트너는 기업들이 네트워크에 더 높은 수준의 요구를 제기하면서 자동화 필요성도 함께 커질 것이라고 분석했다. 가트너는 애자일, 데브옵스, 코드형 인프라 접근 방식이 인프라 제공 요구를 충족하기 위해 더 높은 수준의 네트워크 자동화를 요구하고 있다고 설명했다.
dl-ciokorea@foundryco.com