[아이티데일리] 다음날 첫 번째 키노트를 맡은 효성인포메이션시스템은 클라우드 환경에서 효율적으로 AI 분석 업무를 할 수 있는 인프라 구성에 대해 설명했다.

김형섭 컨설턴트는 AI 프로젝트는 3가지 특징을 갖는다고 정리했다. 우선 클라우드 환경 위에 올라가는 AI 플랫폼은 복잡한 인프라와 솔루션의 조합으로 구성된다. 통계기법을 적용한 모델링 알고리즘, 클라우드 환경, 컨테이너와 VM, GPU 및 서버 자원의 가상화 등이 조합되는데, 이러한 구성을 이해하는 것이 IT운영자나 사업 담당자에게는 숙제가 될 수 있다. 다음으로 AI/ML 모델을 개발하고, 테스트하고 개선하는 프로세스는 현재 비정형화돼 있고 각각의 AI 프로젝트별로 다르게 구성돼 있으므로 효율적인 방법을 찾는 것이 어렵다. 마지막으로 많은 전문인력이 투입되고, 수많은 오픈소스 및 솔루션의 조합이 이뤄지며, 커스터마이징이 많은 환경이다. 따라서 다양한 인력들이 어떻게 협업하느냐가 프로젝트 목표 달성의 관건이다.

즉 복잡한 플랫폼, 비표준화된 프로세스, 많은 인력 등이 문제가 될 수 있으므로 ▲플랫폼 최적화 ▲프로세스 자동화 ▲협업환경 등 3가지를 어떻게 구현하는지가 AI 시대 클라우드의 방향이라고 김형섭 컨설턴트는 강조했다.

먼저 클라우드 확산이 가져오는 복잡한 운영관리를 피할 수 있는 방법 중 하나로 플랫폼 최적화가 언급됐다. 기존에 프라이빗 클라우드를 운영하면서 가졌던 경험과 도구, 정책 등이 효과가 있었다 하더라도, 퍼블릭 클라우드 도입 시에도 이것이 그대로 적용되지는 않는다. 더 많은 통제관리 요건이 생기고, 애플리케이션 호환성 이슈도 발생한다. 자연히 클라우드 운영에 들어가는 비용과 인력, 시간이 늘어나게 되므로 반드시 플랫폼 최적화가 필요하다.

플랫폼 최적화를 위해서는 애플리케이션과 워크로드의 효율적인 배치가 중요하다. 애플리케이션의 경우 최근에는 VM과 컨테이너, 두 가지 환경 위에서 구동되고 있다. 이를 하나의 관리 포인트에서 운용할 수 있는 환경이 필요하다. 효성인포메이션시스템은 하나의 하이퍼바이저 위에서 컨테이너와 VM을 동시에 올려 사용하고, 단일 화면에서 관리할 수 있도록 하고 있다.

데이터를 활용해 분석하는 업무 워크로드 역시 각 단계별로 적합한 환경이 있다. 데이터의 저장하는 환경은 VM이 일반적이지만 머신러닝 모델과 모델 분석 프레임워크, 분석 API 등은 변경이 많기 때문에 컨테이너 환경이 유리하다. 이를 유기적으로 조합하고 한 번에 관리할 수 있는 플랫폼을 마련하는 것이 클라우드 환경에서 AI를 효과적으로 활용하는 방법이다. 이밖에 GPU와 같은 연산자원을 효율적으로 운영할 수 있는 가상 환경도 도입해야 한다.

프로세스 자동화 측면에서는 모델 개선 및 배포에 대한 프로세스를 정형화 및 자동화해 시간을 줄이고 분석업무에만 집중할 수 있도록 해야 한다. 데이터 분류 역시 AI 기반의 데이터 태깅 기능으로 자동화를 함으로써 소요되는 시간을 줄일 수 있다.

협업 관련해서는 컨테이너 환경 기반에서 프로젝트를 생성하고, 사전에 정의된 카탈로그 환경을 불러오고, 거기에 필요한 CPU, 스토리지, 네트워크 등 자원을 할당할 수 있도록 하고 있다. 그리고 이러한 환경을 개인 또는 유저 그룹에 배포해 자유롭게 다룰 수 있는 샌드박스 환경을 제공, 프로젝트의 효율성을 높이고 있다.

한편, 효성인포메이션시스템은 본사 내에 DX센터를 구축하고 소프트웨어 정의 데이터센터(SDDC)와 클라우드, 빅데이터, AI/머신러닝 등 다양한 분야의 솔루션에 대해 시연과 체험을 제공하고 있다.

김형섭 컨설턴트는 “플랫폼 최적화, 프로세스 자동화, 협업환경 등 3가지가 구현되면 클라우드 환경 위에서의 AI 분석 업무를 효율적으로 개선할 수 있고, 데이터 전문인력들이 인프라에 대해 신경 쓰는 시간을 줄이고 본연의 업무인 데이터 분석에 많은 시간을 투자하도록 한다”면서, “효성인포메이션시스템은 이처럼 기업의 이윤 창출에 도움이 되는 의사결정을 할 수 있도록 지원하는 플랫폼을 구축할 수 있게 돕고 있다”고 말했다.