[아이티데일리] 생성형 AI는 머신러닝 애플리케이션으로 자연어 프롬프트로부터 텍스트, 이미지, 오디오 등 다양한 컨텐츠를 생성할 수 있다. 생성형 AI는 챗GPT(ChatGPT)가 소개되면서부터 각광을 받고 있다. 챗GPT는 오픈 API 프로젝트로 챗GPT는 소개되자 마자 모든 산업분야에 적용되고 있다.

사실 챗GPT는 생성형 AI의 컨셉트를 증명하고 있다. 챗GPT는 ‘우리가 어떻게 다르게 작업할 수 있는가?’라는 가능성의 일면을 보여주었으며 또한 앱 딜리버리와 보안에 어떻게 적용이 될 수 있는가에 대한 아주 흥미로운 탐구를 할 수 있는 기회를 줬다.

인프라스트럭처가 당면하고 있는 도전 중 하나는 단 하나의 애플리케이션에 대한 딜리버리와 보안을 위해 필수적으로 컨피규레이션 해야하는 디바이스, 서비스, 시스템 등이 엄청나다는 것이다. 일반적으로 하나의 조직은 평균적으로 약 23개의 상이한 애플리케이션 서비스에 의존하고 있다. 웹 애플리케이션이나 API 보호 컨피규레이션이 단순히 오래된 로드 밸런스 서비스와 상이하다는 말은 할 필요도 없다. 진정으로 중요한 것은 앱플리케이션 서비스에 대한 컨피규레이션과 운영을 책임지는 담당자들에게는 십여개가 넘는 ‘언어’에 대한 전문가 정도의 수준이 요구된다는 것이다.

업계에서는 이문제를 해결하기 위해 그동안 수년간 노력을 기울여 왔다. API가 거의 모든 것을 컨피규레이션하는 데 가장 기본으로 자리매김하면서 애플리케이션 딜리버리와 보안 서비스에서도 같은 현상이 진행됐다. 모든 사람이 명령형 API를 사용하기 시작했다. 명령형 API는 아주 간단하게 커맨드(commands)을 발생하는 방법을 변화시켰다. 즉 CLI에서 커맨드를 타이핑하는 대신 HTTP를 통해 API 커맨드를 송신하면 된다.

그러나 얼마되지 않아 명령형 API에 의존하는 것은 API 비용 부담으로 이어진다는 것으로 알게됐고 업계는 서술형 API로 전환하게 되었다. 그러나 불행하게 대부분의 산업계는 서술이 ‘JSON처럼 컨피규레이션’을 의미한다고 단정하게 되었다. 즉 서술이라는 원래 의도 즉 ‘원하는 것을 말해 그럼 내가 할게’ 대신 ‘이게 내가 원하는 컨피규레이션이니 이대로 일 열심히 해’라는 방향으로 흘러버렸다.

위의 상황은 절대 동일한 것이 아니기 때문에 처음 제기되었던 문제를 풀기 위한 운영 모델처럼 동일한 수준의 전문 지식이 필요했다. 아직까지 업계에서 로드 밸런서(load balancers) ‘풀(pools)’ 또는 ‘팜(farms)’을 사용해야 하는지에 대한 합의에 도달했는지에 대해서 확신이 없는 상황이다. 이러한 상황에서 가상 서버(virtual servers)가 실제 서버와 애플리케이션 인스턴스(application instances) 와 어떻게 인터랙션하는지에 대한 좀 더 복잡한 상황은 말할 필요도 없다. 간단히 요약하면 업계에 서술형으로 진행한 작업은 커맨드 레벨 작업을 운영자에서 시스템으로 떠넘기는 수준이 되었던 것이다.

생성형 AI는 로우 코드/노 코드(low code/no code)의 문을 열었다.

생성형 AI는 의사결정을 할 수 없다. 또한 추론을 하거나 추측을 하지 않으며 답에 인간에 미칠 수 있는 잠재적인 영향을 염두에 두지 않고 있다. 생성형 AI가 인텔리전트한 듯한 것은 인간이 사용하는 언어로 답변할 수 있는 능력의 부산물이다. 생성형 AI는 인간의 인텔리전스라기 보다는 훈련된 앵무새의 흉내에 더 가깝다.

F5는 조직의 직원과 고객들의 생산성과 효율성을 증대하기 위한 방법으로 책임감있게 AI는를 사용하고 통합하고 있다. 다시 말해 생성형 AI를 어떻게 F5 모든 직원들이 활용할 수 있는지에 대한 방안과 동시에 AI가 어떻게 F5의 제품군을 향상하고 발전시켜서 궁극적으로 F5가 제공하는 기술에 의존하는 고객 및 파트너의 일을 수월하게 할 수 있는지 모색하고 있다. F5의 미션은 애플리케이션 딜리버리와 보안을 아주 간단하게 만드는 것이며 AI는 이를 실현하기 위한 여러가지 툴 중에 하나이다.