AI 자동화: Red Hat Ansible Automation Platform 시작하기

바쁜 IT 팀을 운영하고 있다고 가정해 보겠습니다. 소프트웨어 설치, 솔루션 스케일 아웃, 시스템 상태 점검, 보안 패치 푸시 등 매일 반복되는 작업이 있습니다. 이러한 업무뿐 아니라 다른 과제들도 IT 실무진의 일상적인 삶의 일부입니다. 어느 날 CTO가 새로운 AI 인프라와 애플리케이션을 실험적인 기술 검증(POC, Proof of Concept)에서 프로덕션으로 이동해야 한다고 말합니다. 이 작업을 지원할 신규 인력이나 리소스가 없는 형편이며, 최종 솔루션은 기존의 비즈니스 크리티컬 워크플로우와 통합해야 합니다.

유용한 자동화

표준화가 엔터프라이즈 IT 전략의 일부인 경우, AI 인프라에 대해 자동화를 사용하여 추가된 이 워크로드를 해결할 수 있습니다. 이미 Red Hat Ansible Automation Platform을 사용 중인 분들은 개발해 둔 기존 기술을 사용하여 AI 과제를 해결할 수 있습니다.

하지만 이제 막 자동화를 사용하기 시작한 경우라도 걱정할 필요가 없습니다. Ansible Automation Platform을 사용하여 빠르게 시작하고 생성형 AI 기능인 Red Hat Ansible Lightspeed를 사용하여 학습 곡선을 단축할 수 있습니다.

보유한 자동화 기술 수준에 관계없이, IT에(AI는 실제로 IT의 고급 버전) 자동화를 적용하면 비용을 절감하는 동시에 AI 가치 실현에 걸리는 시간을 단축할 수 있습니다. 

그렇다면 AI 가치 실현을 시작하려면 어떻게 해야 할까요? 권해 드리는 첫 번째 단계는 예상하시는 대로 AI 배포 자동화입니다. 이것은 Red Hat에서 'AI 인프라 자동화'라고 부르는 것으로서 전반적인 시간 절감, 오류 감소, 시스템 신뢰성 향상을 통해 측정 가능한 비즈니스 가치를 제공합니다.

AI 인프라를 자동화하는 방법

Ansible Automation Platform을 사용하여 Red Hat OpenShift AI 및 Red Hat Enterprise Linux AI (RHEL AI)의 설치, 구성, 유지 관리를 자동화하면 예측 솔루션과 생성형 AI 솔루션을 모두 배포하고, 수동 태스크를 줄이고, AI 배포 전반에서 일관된 구성과 최적화를 제공할 수 있습니다.

AI 인프라는 최종 사용자에게 막대한 가치를 제공하지만, IT 운영 요구 사항은 여전히 대체로 수동입니다. RHEL AI 및 OpenShift AI에서 AI 솔루션 배포를 시작하는 데 도움이 되는 자동화는 예를 들어 다음과 같습니다.

• AI 솔루션을 구동하는 데이터를 전송하고 액세스하는 데 사용되는 시스템 간 보안 연결(엣지 포함) 구축
• Ansible Playbook을 사용하여 RHEL AI 및 OpenShift AI의 일관성과 신뢰성을 증진하기 위한 배포 표준화
• 사용자가 액세스 권한을 부여 받은 데이터와 시스템에만 액세스할 수 있도록 보안 자동화

이외에, 다른 AI 솔루션 인프라의 경우 자동화의 이점은 다음과 같습니다.

• 랙 상단(Top-of-Rack, ToR) 네트워크 스위치 및 라우터 등의 하드웨어는 여전히 설치하고 구성해야 함
• 검색 증강 생성(retrieval augmented generation, RAG) 솔루션과 함께 사용할 벡터 데이터베이스를 설치하고 관리해야 함
• OpenAI를 사용하는 AI 모델 또는 Llama Stack 등의 API에 대한 HTTP 액세스에 부하 분산 하드웨어 및 소프트웨어가 필요함
• 모델 학습 및 정렬 데이터를 위한 연결성 및 스토리지를 설정하고 관리해야 함

자동화해야 할 활용 사례가 아직 더 많습니다. 처리해야 할 부분이 많지만, 다수의 배포 토폴로지에는 다음과 같이 자동화할 수 있는 구성 요소가 포함됩니다.

Event-Driven Ansible을 활용하여 AIOps 워크플로우 구축

AI 인프라를 자동화했다면 이제, 다음 단계 기존에 보유하고 있는 자동화 기술을 해당 AI 인프라에 상주하거나 해당 AI 인프라에 연결되는 AI 기술에 적용할 수 있습니다. 하지만 새로운 기술 요구 사항이 발생하는 경우나 단순히 자동화 생산성을 전반적으로 높이고자 하는 경우는 어떨까요? AI가 도움이 될 수 있을까요? 물론입니다!

자동화 개발 팀은 Red Hat Ansible Lightspeed with IBM watsonx Code Assistant를 사용하여 생성형 AI 기능과 강력한 자동화 툴의 조합을 통해 더 스마트하게 작업하고 솔루션을 더 신속하게 배포할 수 있으므로 통합 AI 인프라 자동화 여정을 간소화할 수 있습니다. 또한 OpenShift AI를 사용하고 있다면 이미 Red Hat OpenShift를 사용하고 있는 것입니다. Red Hat OpenShift는 다양한 다른 워크로드(VM 가상화 및 관리 포함)를 실행할 수 있으며, 이러한 워크로드 또한 Ansible Lightspeed로 자동화할 수 있습니다.

Ansible Lightspeed에 내장된 생성형 AI 개발자 툴은 단순히 형식적 요건만 충족하는 AI 솔루션이 아니라는 점에 주목해야 합니다. Red Hat은 철저한 설계를 거쳐 생성형 AI와 예측 AI를 자동화 워크플로우에 원활하게 통합했으므로, 사용자는 AI를 사용 중임을 모를 수도 있습니다. 이에 따라, Ansible Automation Platform 콘텐츠 크리에이터는 자동화 코드를 더 빠르고 더 효율적이며 더 정확하게 개발할 수 있습니다.

AIOps 워크플로우 완전 자동화

지금까지 이 문서의 모든 내용에는 사람이 개입했습니다. 하지만 자동화가 인적 개입 없이 원활하게 조치를 취할 수 있을까요? 물론입니다.

적절한 AIOps(AI 운영) 워크플로우는 기존 IT 배포에서 발생하는 이벤트에 의해 트리거되는 작업을 자동으로 수행하는 이벤트 기반 자동화로 구동됩니다. 이벤트 기반 자동화를 구현하면 AIOps는 다음과 같은 이점을 제공할 수 있습니다.

• 해결 속도: AIOps는 당면한 문제를 감지하고 이에 대응하여 다운타임을 줄이고 MTTR(평균 문제 해결 시간)을 단축할 수 있습니다.
• 자가 치유(Self-healing) 또는 폐회로(closed-loop) 자동화 시스템: 자가 치유 인프라를 지원하여 성능과 가동 시간을 크게 향상할 수 있습니다.
• 빅데이터: AIOps는 빅데이터를 활용하여 이를 기반으로 더욱 효율적으로 정리, 분석, 대응할 수 있습니다.
• 효율성 및 규모 확장: AI 모델에서 확보한 인사이트를 활용하여 작업을 식별하고 감지 규모를 확장함으로써 직원 효율성을 높일 수 있습니다.
• 간소화: AIOps는 반복되는 다수의 IT 서비스 관리 태스크를 간소화하고 잠재적으로 완전히 자동화할 수 있습니다.
• 실시간 데이터 상호 연계 및 의사 결정: AIOps에 자동화 엔진이 포함되면 데이터를 기반으로 자동으로 대응하여 사람의 개입과 오류를 줄이는 동시에 노이즈를 최소화할 수 있습니다.
• 데이터 상호 연계 및 예측 확장: AIOps는 사람이 수동으로 할 수 있는 수준을 훨씬 뛰어넘는 수준까지 훨씬 더 많은 데이터를 자동으로 분석할 수 있습니다.

AI 워크플로우를 보호하기 위한 비즈니스 정책 및 보안 정책 추가

마지막으로, AI 인프라를 배포하고 자동화하고 AIOps 워크플로우를 성공적으로 통합하고 완전한 자가 치유 폐회로 자동화를 구축한 후에는 AI가 의도한 대로만 작동하도록 보장하는 가드레일이 필요합니다.

AI 전략은 신뢰할 수 있고 안정적이여야 하며 수년간 유지해 온 비즈니스 정책을 준수해야 합니다. 정책 실행은 이 사례의 마지막 단계입니다. 특정 프로세스를 자동화하는 것이 가능하더라도 필수 컴플라이언스 및 보안 점검 없이 자동화하지는 않도록 AI 의사 결정을 내릴 수 있게 보장하는 가드레일을 마련해야 합니다.

자세히 알아보기

AI 기반으로 Red Hat Ansible Automation Platform을 선택하여 얻을 수 있는 이점에 대한 자세한 내용은 이 문서에서 확인할 수 있습니다. AIOps에 대해 자세히 알아보려면 짧은 동영상과 블로그를 참조하세요.

각각 2분 이내에 검토할 수 있는 Red Hat 인터랙티브 경험 두 가지, 즉 Red Hat Ansible로 AIOps 실현 및 Event-Driven Ansible과 Red Hat OpenShift도 있습니다.