원격 측정 데이터를 실행 가능한 조치로 전환

원격 측정 데이터를 실행 가능한 조치로 전환

많은 IT 조직과 마찬가지로 저희도 많은 원격 측정 데이터를 수집합니다.

저희 팀은 NetApp Active IQ를 담당하고 있습니다. 저희는 NetApp 설치 기반 전반의 300,000대 이상의 시스템에서 텔레메트리를 수집하여, 그 원시 데이터를 고객, 파트너, 지원 팀 및 내부 팀이 사용할 수 있는 인사이트로 변환합니다.

이는 매달 약 10테라바이트의 새로운 원격 측정 데이터가 생성되어 24,000명의 고객에 걸쳐 약 4페타바이트 규모의 데이터 레이크를 형성하는 데 기여한다는 것을 의미합니다.

그 정도 규모에서는 단순히 데이터를 수집할 수 있다는 이유만으로 수집하는 것은 전략이 될 수 없습니다. 데이터는 가치를 지녀야 합니다.

실제로 최고재무책임자(CFO)가 제게 직접 물었습니다: 이 모든 데이터에서 우리가 얻는 것은 무엇입니까?

이는 타당한 질문이며, 원격 측정 데이터를 수집하는 모든 조직이 답할 수 있어야 하는 질문입니다.

사후 지원부터 사전 예방적 통찰력까지

오늘날 우리가 하는 일은 AutoSupport에 뿌리를 두고 있습니다. 우리의 초기 활용 사례 중 하나는 간단했습니다. 하드웨어 문제를 감지하고 대응하는 것이었습니다. 디스크나 팬에 장애가 발생하면 원격 측정을 통해 지원 프로세스를 시작하고 고객에게 교체 부품을 제공할 수 있었습니다.

그 이후로 우리는 해당 데이터를 활용하는 방식을 확장해 왔습니다.

오늘날 원격 측정 데이터는 지원 팀이 문제를 해결하고 잠재적 위험을 더 큰 문제로 발전하기 전에 파악하는 데 도움이 됩니다. 또한 고객이 보안을 강화하고 용량을 최적화하며 환경을 계획하고 NetApp 투자에서 더 많은 이점을 얻을 수 있도록 지원합니다.

시간이 흐르면서 우리는 원격 측정 데이터를 사후 대응적으로 사용하는 단계에서 사전 예방적이고 예측적인 방식으로 사용하는 단계로 발전해 왔습니다. 이제 AI가 우리가 다음 단계로 나아가는 데 도움을 주고 있습니다.

수집할 수 있는 모든 것이 아니라 필요한 것만 수집하십시오.

데이터가 많다고 해서 반드시 가치가 더 높은 것은 아닙니다.

원격 측정 데이터를 수집, 이동, 처리 및 저장하는 데 비용이 발생합니다. 저희 회사는 스토리지 회사이지만, 저희 팀은 스토리지를 무료로 이용할 수 없습니다.

그렇기 때문에 우리는 수집한 정보를 지속적으로 평가합니다.

저희는 엔지니어링 및 제품 팀과 협력하여 새로운 릴리스와 기능을 개발하면서 필요한 추가 신호가 무엇인지 결정합니다. 동시에 기존 데이터를 검토하여 여전히 유용한지 판단합니다.

저희는 실제로 원격 측정 데이터에 대한 원격 측정 데이터를 보유하고 있습니다. 데이터가 액세스되고 있는지, 어떤 툴이 액세스하는지, 어떤 API가 호출하는지 확인할 수 있습니다. 사용되지 않는 데이터가 있다면, 해당 데이터를 계속 수집하고 보관해야 할 필요가 있는지 판단할 수 있습니다.

목표는 가능한 한 가장 큰 데이터 레이크를 구축하는 것이 아닙니다. 우리가 보관하는 데이터가 목적에 부합하도록 하는 것이 목표입니다.

가치를 가시화하기

유용한 데이터를 수집하는 것은 문제 해결의 일부일 뿐입니다. 우리는 또한 고객이 그 데이터가 자신에게 어떤 도움이 되는지 이해하기를 바랍니다.

이것이 NetApp Digital Advisor의 Value Insights에 담긴 아이디어 중 하나입니다.

원격 측정 데이터를 활용하여 고객에게 스토리지 효율성 등의 기능에서 얻는 가치를 보여주고, 이미 완화된 보안 위험을 식별하며, 추가 조치를 통해 환경을 개선할 수 있는 영역을 강조할 수 있습니다.

용량은 또 다른 예입니다. 고비용의 올플래시 스토리지에 있는 콜드 데이터를 식별하고, 적절한 데이터를 저비용 계층으로 이동하기 위해 FabricPool 등 옵션을 권장할 수 있습니다.

중요한 것은 통찰력을 결과와 연결하는 것입니다. 단순히 환경에서 무슨 일이 일어나고 있는지 알려주는 것만으로는 충분하지 않습니다. 우리는 그들이 다음에 무엇을 할 수 있는지 이해하도록 돕고자 합니다.

권고에서 실행으로

바로 이 지점에서 AI가 특히 흥미로워집니다.

저희는 수년간 원격 측정 데이터에 AI와 머신러닝을 적용하여 예측을 하고 패턴을 파악해 왔습니다. 생성형 및 에이전트형 AI를 통해 한 단계 더 나아갈 수 있습니다.

잠재적인 문제를 단순히 감지하는 데 그치지 않고, 최적의 차선책을 결정할 수 있습니다. 나아가, 권고에 그치지 않고 AI 에이전트가 적절한 감독과 안전장치를 통해 궁극적으로 해당 조치를 직접 실행할 수도 있습니다.

저는 AIOps가 나아가야 할 방향이 바로 그것이라고 생각합니다. 즉, 문제를 파악하는 것과 해결하는 것 사이의 간격을 줄이는 것입니다.

하지만 저희는 이러한 진화를 신중하게 진행하고 있습니다. 내부적으로 시작하여 자체 사용자로부터 배우고 적절한 안전장치를 마련합니다. 그 후, 신뢰할 수 있는 초기 액세스 사용자와 협력한 다음, 링 기반 배포 모델을 통해 확장해 나갑니다.

위험도가 낮은 사용 사례부터 시작하십시오. 학습하십시오. 피드백을 받으십시오. 그런 다음 확장하십시오.

INSIGHT에서 Active IQ 인텔리전스를 사용자의 워크플로에 직접 통합하는 두 가지 방법을 소개합니다. Digital Coach는 Active IQ 내에서 AI 기반 가이드를 제공하는 반면, Active IQ MCP는 사용자가 이미 선택한 AI 어시스턴트 및 에이전트에 NetApp 인텔리전스를 제공합니다. 두 가지를 함께 사용하면 업무 환경 어디에서든 인사이트를 실행 가능한 조치로 전환하는 것이 더욱 쉬워집니다.

먼저 해결하려는 문제부터 시작하세요

원격 측정 데이터를 통해 더 많은 가치를 얻고자 하는 조직이라면, 먼저 사용 사례를 파악하는 것부터 시작하는 것이 좋습니다.

어떤 문제를 해결하려고 하십니까? 문제를 해결하는 데 필요한 데이터는 무엇입니까? 투자가 가치를 창출하고 있다는 것을 알려주는 결과는 무엇입니까?

지원은 흔히 자연스러운 출발점입니다. 거기서부터 원격 측정을 통해 사용자 경험을 최적화하고, 보안 및 용량 관리를 개선하며, 기존에는 파악하기 어려웠던 기회를 발견할 수 있습니다.

AI는 이러한 발전을 가속화할 수 있지만, 여전히 올바른 기반이 필요합니다. 적절한 데이터, 안전한 접근 권한, 그리고 사용 방식에 대한 적절한 안전장치가 필요합니다.

이미 가지고 있는 데이터를 유용한 것으로 바꿀 수 있는 기회입니다.

먼저 통찰력을 제공합니다. 그다음 권장 사항을 제시합니다. 그리고 점차 실행으로 이어집니다.

팟캐스트를 들어보거나 전체 팟캐스트 시리즈를 살펴보세요.