가동 중단 시간 및 평균 수리 시간(MTTR) 단축: 성형 문제를 조기에 파악하여 근본 원인을 찾는 데 소요되는 시간을 단축합니다. 팀의 업무 부담을 덜어주세요: 워룸 운영 횟수를 줄이고 수동 상관관계 분석을 최소화하면, 엔지니어들은 경보 처리에 시간을 낭비하지 않고 더 높은 가치를 창출하는 업무에 집중할 수 있습니다. 보안 태세를 강화하십시오: 근본 원인 분석을 가속화하는 바로 그 변경 및 구성 환경이, 승인되지 않았거나 위험한 변경 사항도 더 빨리 파악할 수 있게 해줍니다. 규정 준수 강화: 포괄적인 로깅 및 감사 추적을 통해 IT 변경 사항 및 사고에 대한 통제력을 보다 쉽게 입증할 수 있습니다. 정전으로 인한 비용 절감: 사고 발생 횟수가 줄어들고 지속 시간이 짧아지면 매출에 미치는 영향이 줄어들고, 계획에 없던 인건비도 절감됩니다. 자동화에 대한 신뢰를 점진적으로 쌓아가세요: 체계적으로 관리되고 사람이 개입하는 자동화(human-in-the-loop automation)를 통해, 시간이 지남에 따라 자율성을 확대하는 데 필요한 신뢰를 얻을 수 있습니다.

Q: 사고 예방의 4가지 단계는 무엇인가요?

예방은 단일 기능이 아닙니다. 문제의 추정 원인을 파악하지 않고서는 해당 문제를 자동으로 해결할 수 없습니다. 올바른 관측 데이터를 확보하지 않고서는 합리적 근거를 찾을 수 없습니다. 자신의 주변 환경에 무엇이 존재하고, 그것이 무엇을 뒷받침하는지 알지 못하면 중요한 것을 파악할 수 없다. 각 층은 다음 층으로 이어집니다. 진실의 기반: 애플리케이션, 인프라, 네트워크 전반에 걸친 서비스 및 그 종속 관계를 보여주는, 항상 최신 상태를 유지하며 쉽게 조회할 수 있는 지도입니다. 이 지도는 자동 탐지 기능을 통해 구축되며, 수동으로 관리되는 기록이 아닌 AI를 통해 지속적으로 최신 상태로 유지됩니다. 이 생활 서비스 모델이야말로 다른 모든 것의 기반이 됩니다. 우선순위가 지정된 통합 가시성: 어떤 자산이 어떤 비즈니스 서비스를 지원하는지에 따라, 가장 중요한 요소에 초점을 맞춘 텔레메트리. 이 단계에서 임계값에 도달하기 전에 형성되는 문제들이 감지됩니다. 상관 관계 및 근본 원인: 전체 맥락을 종합적으로 분석하여 자동화된 이벤트 상관 관계를 도출함으로써, 개별 경보가 산발적으로 발생하지 않고 신뢰도 점수와 추적 가능한 논리를 바탕으로 몇 분 만에 유력한 원인을 파악할 수 있습니다. 자동화된 문제 해결: 신호가 감지되는 즉시 검증된 해결 조치를 실행하는, 규정을 준수하는 런북 및 정책 기반 자동화 기능으로, 귀사가 이미 사용 중인 스크립트, 플레이북 및 도구와 연동됩니다. 사고 예방이 왜 중요한지 알아보세요

Q: 사고 예방은 기존의 사고 대응과 어떻게 다른가요?

기존 IT 운영은 MTTR, 즉 사고가 발생한 후 복구하는 속도에 따라 평가받습니다. 플랫폼이 상황이 전개되는 것을 파악하고, 몇 분 만에 합리적인 근거를 제시하며, 거버넌스 절차에 따라 조치를 취할 수 있게 된다면, 그런 조치는 잘못된 것입니다. 사고 예방은 평가 기준을 ‘사고를 얼마나 빨리 수습했는가’에서 ‘애초에 얼마나 많은 사고와 위기 대응 시간을 피했는가’로 전환시킵니다. .table-bordered { border-collapse: collapse; width: 100%; } .table-bordered th, .table-bordered td { border: 1px solid #666; padding: 10px 14px; text-align: left; } .table-bordered th { font-weight: bold; } 전통적인 대응 방식 사고 예방 장애 발생 후 탐지 영향 발생 전 탐지 MTTR 중점 사고 회피 중점 사후 대응 선제적 대응 수동 조사 AI 기반 상관관계 분석

Q: AI는 사고 예방에 어떤 역할을 하나요?

AI는 사고 예방의 모든 단계에 관여하지만, 그 역할은 기능에 따라 다릅니다. 탐지: 머신러닝 모델은 이상 징후를 식별하고 관련 이벤트 간의 연관성을 분석하여 종합적인 상황을 파악함으로써, 임계값이 초과되기 전에 발생하기 시작하는 문제를 조기에 포착합니다. 진단: AI는 토폴로지, 최근 변경 사항 및 원격 측정 데이터를 종합적으로 분석하여 가능한 근본 원인을 파악하며, 이 과정에서 운영자가 의문을 제기하고 세부 사항을 조정할 수 있는 신뢰도 점수가 함께 제공되는 경우가 많습니다. 해결 방안: AI는 진단을 자동화 과정과 연계하여, 문제 해결 단계를 파악하거나 직접 생성할 수 있습니다. 대부분의 조직은 이 단계에서 사람이 계속 관여하도록 하면서, 시스템에 대한 신뢰가 높아짐에 따라 자율성을 점차 확대해 나갑니다. 플랫폼마다 성숙도에는 상당한 차이가 있으며, 심지어 특정 플랫폼 내에서도 AI 기반 진단 및 문제 해결은 아직 경보를 유발하지 않은 문제를 완전히 자율적으로 탐지하는 기술보다 발전 단계가 더 앞선 경향이 있습니다.

Q: 조직이 사고 예방 체계를 구축하는 과정에서 어떤 어려움에 직면하나요?

분산된 데이터: 애플리케이션, 인프라 및 네트워크 텔레메트리 데이터는 종종 서로 다른 도구들에 분산되어 저장되며, 이들 간에 공유되는 맥락이 없습니다. 구식 서비스 기록: 수동으로 관리되는 CMDB는 환경이 바뀌는 순간 최신 상태를 잃게 되며, 이는 이를 기반으로 구축된 모든 것을 무력화시킵니다. 경고 피로: 비즈니스 영향도와 연계된 우선순위 설정이 없다면, 팀은 중요한 사안에 대응하기도 전에 수많은 정보의 홍수에 휩쓸리게 된다. 자동화 분야에서 신뢰를 얻기: 팀들은 자동화가 스스로 수행할 수 있는 범위를 확대하기 전에, 자동화가 올바르고 예측 가능한 방식으로 작동하는지 확인하고 싶어 하는 것이 당연합니다. 이 과정을 잘 수행하는 조직들은 대개 자동화를 도입하기 전에 먼저 기반(현재의 신뢰할 수 있는 서비스 모델)을 다지고, 자동화 범위가 확대됨에 따라 사람이 지속적으로 관여할 수 있도록 하며, 기존 시스템을 완전히 교체해야 하는 방식 대신 이미 운영 중인 시스템과 연동되는 도구를 선택하는 경향이 있습니다.

AIOps와 가시성이 IT 팀이 사고에 단순히 대응하는 데 그치지 않고, 사고를 사전에 예방하는 데 어떻게 도움이 되는지 확인해 보세요

AI 운영 관리 살펴보기 관련 제품 모두 보기

개요

짙은 파란색 회로 기판 배경 위에 다채로운 광섬유 빛줄기가 흐르는 디지털 데이터 전송 개념도

사고 예방이란, 사고 발생 후 이를 더 빠르게 해결하는 것이 아니라, 가시성, 서비스 컨텍스트 및 AI를 활용하여 사고가 사용자에게 영향을 미치기 전에 미연에 방지하는 관행을 말합니다.

이는 네 가지 역량에 기반을 두고 있으며, 각 역량은 이전 역량을 바탕으로 구축됩니다:

환경 내에 존재하는 것에 대한 신뢰할 수 있는 모습
중요한 요소에 초점을 맞춘 가시성
신속한 근본 원인 분석
관리형 자동 수정

사고 예방

사고 예방의 이점은 무엇인가요?

가동 중단 시간 및 평균 수리 시간(MTTR) 단축: 성형 문제를 조기에 파악하여 근본 원인을 찾는 데 소요되는 시간을 단축합니다.
팀의 업무 부담을 덜어주세요: 워룸 운영 횟수를 줄이고 수동 상관관계 분석을 최소화하면, 엔지니어들은 경보 추적에 시간을 낭비하지 않고 더 높은 가치를 창출하는 업무에 집중할 수 있습니다.
보안 태세를 강화하십시오: 근본 원인 분석을 가속화하는 바로 그 변경 및 구성 환경이, 승인되지 않았거나 위험한 변경 사항도 더 빨리 파악할 수 있게 해줍니다.
규정 준수 강화: 포괄적인 로깅 및 감사 추적을 통해 IT 변경 사항 및 사고에 대한 통제력을 입증하기가 더 쉬워집니다.
정전으로 인한 비용 절감: 사고 발생 횟수가 줄어들고 지속 시간이 짧아지면 매출에 미치는 영향이 줄어들고, 계획에 없던 인건비도 절감됩니다.
자동화에 대한 신뢰를 점진적으로 쌓아가세요: 체계적으로 관리되고 사람이 개입하는 자동화는 시간이 지남에 따라 자율성을 확대하는 데 필요한 신뢰를 얻게 됩니다.

사고 예방의 4가지 단계는 무엇인가요?

예방은 하나의 기능이 아닙니다. 문제의 추정 원인을 파악하지 않고서는 자동으로 해결할 수 없습니다. 올바른 관측 데이터를 확보하지 않고서는 합리적 근거를 찾을 수 없습니다. 자신의 주변 환경에 무엇이 존재하고, 그것이 무엇을 뒷받침하는지 알지 못하면 중요한 것을 파악할 수 없다. 각 층은 다음 층으로 이어집니다.

진실의 기반: 애플리케이션, 인프라, 네트워크 전반에 걸친 서비스 및 그 종속 관계를 보여주는, 항상 최신 상태를 유지하며 쉽게 조회할 수 있는 지도입니다. 이 지도는 자동 탐지 기능을 통해 구축되며, 수동으로 관리되는 기록이 아닌 AI를 통해 지속적으로 최신 상태로 유지됩니다. 이 생활 서비스 모델이야말로 다른 모든 것의 기반이 됩니다.
우선순위가 지정된 통합 가시성: 어떤 자산이 어떤 비즈니스 서비스를 지원하는지에 따라, 가장 중요한 요소에 초점을 맞춘 텔레메트리. 이 단계에서 임계값에 도달하기 전에 형성 문제가 감지됩니다.
상관 관계 및 근본 원인: 전체 맥락을 종합적으로 분석하여 분 단위로 가능한 원인을 도출하는 자동화된 이벤트 상관 관계 분석으로, 개별 경보가 산발적으로 발생하지 않고 신뢰도 점수와 추적 가능한 논리를 제공합니다.
자동화된 문제 해결: 신호가 감지되는 즉시 검증된 해결 조치를 실행하는, 규정을 준수하는 런북 및 정책 기반 자동화 기능으로, 귀사가 이미 사용 중인 스크립트, 플레이북 및 도구와 연동됩니다.

사고 예방 프로세스를 보여주는 다이어그램: 가시성, 근본 원인 분석, 자동화된 조치

사고 예방이 왜 중요한지 알아보세요

사고 예방은 기존의 사고 대응과 어떻게 다른가요?

기존 IT 운영은 MTTR, 즉 사고가 발생했을 때 복구하는 속도에 따라 평가받습니다. 플랫폼이 상황이 전개되는 것을 파악하고, 몇 분 만에 합리적인 근거를 제시하며, 거버넌스 절차에 따라 조치를 취할 수 있다면, 그런 조치는 잘못된 것입니다. 사고 예방은 ‘사고를 얼마나 빨리 수습했는가’에서 ‘애초에 얼마나 많은 사고와 위기 대응 시간을 방지했는가’로 평가 기준을 전환합니다.

전통적인 대응 방식	사고 예방
오류 발생 후 감지	충돌 전에 감지
MTTR 중점	사고 예방에 중점을 둠
반응성	적극적
수동 조사	AI 기반 상관관계 분석

AI는 사고 예방에 어떤 역할을 하나요?

AI는 사고 예방의 모든 단계에 적용되지만, 그 역할은 기능에 따라 다릅니다.

탐지: 머신러닝 모델은 이상 징후를 식별하고 관련 이벤트 간의 연관성을 파악하여 종합적인 상황을 파악함으로써, 임계값이 초과되기 전에 발생하기 시작한 문제를 조기에 포착합니다.
진단: AI는 토폴로지, 최근 변경 사항 및 원격 측정 데이터를 종합적으로 분석하여 추정되는 근본 원인을 파악하며, 이때 운영자가 신뢰도 점수에 대해 의문을 제기하고 이를 조정할 수 있는 경우가 많습니다.
해결 방안: AI는 진단을 자동화 과정과 연계하여, 문제 해결 단계를 파악하거나 직접 생성할 수 있습니다. 대부분의 조직은 이 단계에서 사람이 계속 관여하도록 하되, 시스템에 대한 신뢰가 높아짐에 따라 자율성을 점차 확대해 나갑니다.

플랫폼마다 성숙도에는 상당한 차이가 있으며, 심지어 동일한 플랫폼 내에서도 AI 기반 진단 및 문제 해결 기능은 아직 경고를 유발하지 않은 문제를 완전히 자율적으로 탐지하는 기능보다 더 발전된 경향이 있습니다.

사고 예방에 있어 네트워크가 왜 중요한가요?

사고의 상당 부분은 해당 네트워크에서 발생하거나 이 네트워크를 경유하며, 신뢰할 수 있는 근본 원인 분석을 위해서는 트랜잭션을 종단 간으로 추적해야 합니다. 이로 인해 네트워크는 애플리케이션과 인프라의 부수적인 요소가 아니라, 그 기반이 되는 핵심 요소로 자리매김하게 됩니다.

이는 특히 자동 해결 계층과 관련해서도 중요한 문제입니다. 안전한 자동화된 문제 해결은 검증, 롤백, 정책 보호 장치, 드리프트 해결, 변경 계획 수립 등의 기능에 달려 있으며, 이러한 기능들은 네트워크 자동화 영역에 포함되어 있습니다. 가트너의 SRE 하이프 사이클은 ‘주체적 네트워크 운영’을 네트워크 자동화를 대체하는 것이 아니라 이를 강화하는 것으로 규정하고 있으며, 그 실행 기준은 바로 이러한 기능들과 직접적으로 부합합니다. 간단히 말해, AI는 추론 기능을 담당하고, 네트워크 자동화는 AI가 안전하게 작동할 수 있도록 해줍니다.

조직이 사고 예방 체계를 구축하는 과정에서 어떤 어려움에 직면하나요?

분산된 데이터: 애플리케이션, 인프라 및 네트워크 텔레메트리 데이터는 종종 서로 다른 도구들에 분산되어 저장되며, 이들 간에 맥락 정보가 공유되지 않습니다.
구식 서비스 기록: 수동으로 관리되는 CMDB는 환경이 바뀌는 순간 최신 상태를 잃게 되며, 이는 이를 기반으로 구축된 모든 것을 무력화시킵니다.
경고 피로: 비즈니스에 미치는 영향에 기반한 우선순위 지정이 이루어지지 않으면, 팀은 중요한 사안에 대응하기도 전에 수많은 정보의 홍수에 휩쓸리게 됩니다.
자동화 분야에서 신뢰를 얻기: 팀들은 자동화가 스스로 수행할 수 있는 범위를 확대하기 전에, 자동화가 올바르고 예측 가능한 방식으로 작동하는 것을 확인하고 싶어 하는 것이 당연합니다.

이 과정을 잘 수행하는 조직들은 대개 자동화를 도입하기 전에 먼저 기반(최신이며 신뢰할 수 있는 서비스 모델)을 다지고, 자동화 범위가 확대됨에 따라 사람이 계속 관여할 수 있도록 하며, 기존 시스템을 완전히 교체해야 하는 방식 대신 이미 운영 중인 시스템과 연동되는 도구를 선택하는 경향이 있습니다.

OpenText는 사고 예방에 어떻게 도움이 될 수 있나요?

OpenText는 현재 통신, 금융 서비스 및 기타 산업 분야에서 입증된 고객 성과를 바탕으로, 사고 예방의 4가지 단계 모두를 제공합니다.

OpenText™ AI Operations Management 솔루션은 애플리케이션, 인프라 및 네트워크 전반에 걸쳐 가시성, 상관 관계 분석 및 거버넌스가 적용된 자동화를 통합합니다.
OpenText™ Network Observability 실제 서비스 중단 사고의 상당 부분이 연결성 문제와 변경으로 인한 장애에서 비롯된다는 점을 고려하여, 네트워크를 동일한 상관관계 분석 프레임워크 내에 통합합니다.
OpenText™ Automation Center 진단 결과를 조치로 연결하여 규정에 따라 관리되는 문제 해결을 수행합니다.

Resources

What is network observability?

What is observability?

Monitoring for change enables network observability