AI
2019.04.24

"실험의 자유 주면 개선안 꼭 나온다"··· 어도비 '자동 복구 ITSM' 사례 분석

Sarah K. White | CIO
인공지능(AI), 기계학습(ML), 자연어처리(NLP)는 IT 서비스 관리(ITSM) 분야에서 가장 핫한 신기술이다. ITSM 프레임워크 내 업무 공정과 작업을 자동화해 기업의 서비스 관리를 간소화할 수 있다.
 
ⓒ Getty Images Bank

대표적인 성공 사례가 어도비다. 어도비의 수석 부사장 겸 CIO 신시아 스토다드는 “어도비는 AI, ML, NLP를 이용해 누구든 최종 고객에게 더 나은 서비스를 제공할 뿐만 아니라 ITSM 전문가의 역할을 단순히 티켓 처리가 아닌 더 고차원적인 작업으로 바꿀 수 있도록 ITSM 내 근본적 변화를 추구해 왔다"라고 말했다. 어도비는 이러한 ITSM 쇄신을 통해 고객 대면 디지털 미디어 서비스 뿐만 아니라 조직 내 생산성과 효율성을 높였다. ITSM 절차 개선, 오류 감소, 서비스 관리 간소화를 이뤘고 IT 직원의 지루한 반복 작업도 없앴다.

반복 작업 제거
어도비가 ITSM 쇄신 작업을 시작했을 때 첫 번째 목표는 티켓팅 대기 수준을 낮추는 것이었다. AI와 ML에 대한 의존도를 늘리는 방법으로 직원의 '고생을 없앤다'는 생각이었다. 일반적으로 티켓팅 시스템은 IT 직원의 업무 시간을 잡아먹는 반복 작업이 되기 쉽다. 이는 요즘 ITSM를 개선하고 있는 기업에 공통적인 관심사다. AI, ML, NLP, 로봇 공정 자동화(RPA) 같은 기술 덕분에 기업의 ITSM 업무 자동화 및 간소화 기회가 많아지고 있다.

스토다드는 “(이러한 기술의) 주요 목적은 문제 패턴과 반복 작업을 찾아내는 것이다. ITSM의 본질은 결국 조직 내에서 사람이 하는 일을 체계화하는 것이고 그러한 일을 어떻게 바꿀 것인가 하는 질문을 통해 ITSM을 다음 단계로 발전시키는 것이다”라고 말했다.

어도비의 경우, 스크립트로 다룰 수 있는 티켓팅 시스템 내 빠른 해결책, 동향, 공통성 등을 찾기 위해 AI를 활용하는 것을 의미했다. 대기열에서 티켓을 더 해결해 IT 직원은 AI로 해결할 수 없는 문제에 집중할 수 있게 됐다. 이제 어도비 IT팀은 과부하 걸린 티켓팅 시스템에 발목이 붙잡힐 일이 없으므로 서비스 관리 간소화를 위한 스크립트를 만드는 데 더 많은 시간을 쓸 수 있게 됐다. 스토다드는 “우리는 엔지니어와 운영 직원이 전통적인 티켓 업무보다는 스크립팅을 비롯한 고차원적 업무에 더 많은 시간을 할애할 수 있도록 노력하고 있다"라고 말했다.
 
자동 복구 프레임워크 구축
어도비가 ITSM에 AI를 활용하는 두 번째 목표는 '자동 복구 프레임워크(self-healing framework)'를 개발하는 것이었다. 반복 작업을 자동화하는 단계를 넘어 운영 문제를 찾아 해결하고 복구 시간을 줄이는 것이다. 스토다드는 "그다음 단계에서 우리는 '서비스 실행 시 어떤 IT 운영에서 고장이 발생하는지'를 진단했다. 그 결과 고장이 발생했을 때 어떻게 자동화할 것인가 하는 문제를 고민했다”라고 말했다.

이에 따라 어떤 경우에는 자동 복구 플랫폼이 운영 문제를 찾아내 자동으로 해결하는 한편, 상세한 데이터와 통계 자료를 IT팀에게 제공하기도 한다. 플랫폼의 자동 복구가 불가능하면 IT 직원에게 문제를 더 빨리 알려줘 복구 시간을 개선할 수 있다. 스토다드는 "어도비에는 '조직 전반의 데이터를 여러 다른 장소로 제공해 주는 백숍'이 많다. 기존에는 이 시스템 중 하나가 고장 나면 해결하는 데 약 30분이 걸렸다. 그러나 자동 복구 프레임워크를 구축한 이후 문제 탐지에서부터 이를 해결하고 서비스로 복귀하는 시간이 3분으로 줄어들었다"라고 말했다.

인재 투자
어도비가 ITSM 프레임워크에서 AI, ML, NLP를 성공적으로 활용할 수 있었던 데는 인재 투자도 한몫을 했다. 어도비는 최신 기술을 보유한 외부 후보자 채용, 사내 현직 IT 직원의 재훈련 등 2가지 방식을 모두 활용한다. 스토다드는 “AI는 인간이 할 수 있는 것을 효율화하는 것이다. 인간의 활동 자체를 없애는 것이 아니다. 오히려 사람을 위한 새로운 기회를 만드는 측면도 있다"라고 말했다.

신규 채용 관련해서 그는 "AI와 ML 관련 신규 인재도 채용했는데, 훌륭한 아이디어로 회사에 크게 기여하고 있다. 새로운 지식을 실제 현실의 문제에 적용하는 데 젊은 직원들이 많은 일을 했다"라고 말했다. 동시에 회사의 네트워크 및 시스템에 대한 복잡한 지식을 이미 보유하고 있는 노련한 IT 직원과 내부 직원을 대상으로 한 훈련에도 주력하고 있다. 어도비는 5,000명이 넘는 엔지니어에게 6개월짜리 AI 및 ML 기술 훈련 프로그램을 제공하고 있다. 이 프로그램은 개별 엔지니어가 가진 데이터 과학 측면을 살리기 위한 것이었다.

스토다드는 "애초에 자동 복구 플랫폼이 만들어진 것도 바로 이처럼 실험할 수 있는 자유와 인재의 조합 덕분이다. 그동안 깨달은 것은 사람들에게 배우고 실험할 시간을 주면 반드시 아이디어를 생각해 낸다는 사실이다. 우리가 내부적으로 한 일도 바로 이것이다"라고 말했다. ciokr@idg.co.kr



AI
2019.04.24

"실험의 자유 주면 개선안 꼭 나온다"··· 어도비 '자동 복구 ITSM' 사례 분석

Sarah K. White | CIO
인공지능(AI), 기계학습(ML), 자연어처리(NLP)는 IT 서비스 관리(ITSM) 분야에서 가장 핫한 신기술이다. ITSM 프레임워크 내 업무 공정과 작업을 자동화해 기업의 서비스 관리를 간소화할 수 있다.
 
ⓒ Getty Images Bank

대표적인 성공 사례가 어도비다. 어도비의 수석 부사장 겸 CIO 신시아 스토다드는 “어도비는 AI, ML, NLP를 이용해 누구든 최종 고객에게 더 나은 서비스를 제공할 뿐만 아니라 ITSM 전문가의 역할을 단순히 티켓 처리가 아닌 더 고차원적인 작업으로 바꿀 수 있도록 ITSM 내 근본적 변화를 추구해 왔다"라고 말했다. 어도비는 이러한 ITSM 쇄신을 통해 고객 대면 디지털 미디어 서비스 뿐만 아니라 조직 내 생산성과 효율성을 높였다. ITSM 절차 개선, 오류 감소, 서비스 관리 간소화를 이뤘고 IT 직원의 지루한 반복 작업도 없앴다.

반복 작업 제거
어도비가 ITSM 쇄신 작업을 시작했을 때 첫 번째 목표는 티켓팅 대기 수준을 낮추는 것이었다. AI와 ML에 대한 의존도를 늘리는 방법으로 직원의 '고생을 없앤다'는 생각이었다. 일반적으로 티켓팅 시스템은 IT 직원의 업무 시간을 잡아먹는 반복 작업이 되기 쉽다. 이는 요즘 ITSM를 개선하고 있는 기업에 공통적인 관심사다. AI, ML, NLP, 로봇 공정 자동화(RPA) 같은 기술 덕분에 기업의 ITSM 업무 자동화 및 간소화 기회가 많아지고 있다.

스토다드는 “(이러한 기술의) 주요 목적은 문제 패턴과 반복 작업을 찾아내는 것이다. ITSM의 본질은 결국 조직 내에서 사람이 하는 일을 체계화하는 것이고 그러한 일을 어떻게 바꿀 것인가 하는 질문을 통해 ITSM을 다음 단계로 발전시키는 것이다”라고 말했다.

어도비의 경우, 스크립트로 다룰 수 있는 티켓팅 시스템 내 빠른 해결책, 동향, 공통성 등을 찾기 위해 AI를 활용하는 것을 의미했다. 대기열에서 티켓을 더 해결해 IT 직원은 AI로 해결할 수 없는 문제에 집중할 수 있게 됐다. 이제 어도비 IT팀은 과부하 걸린 티켓팅 시스템에 발목이 붙잡힐 일이 없으므로 서비스 관리 간소화를 위한 스크립트를 만드는 데 더 많은 시간을 쓸 수 있게 됐다. 스토다드는 “우리는 엔지니어와 운영 직원이 전통적인 티켓 업무보다는 스크립팅을 비롯한 고차원적 업무에 더 많은 시간을 할애할 수 있도록 노력하고 있다"라고 말했다.
 
자동 복구 프레임워크 구축
어도비가 ITSM에 AI를 활용하는 두 번째 목표는 '자동 복구 프레임워크(self-healing framework)'를 개발하는 것이었다. 반복 작업을 자동화하는 단계를 넘어 운영 문제를 찾아 해결하고 복구 시간을 줄이는 것이다. 스토다드는 "그다음 단계에서 우리는 '서비스 실행 시 어떤 IT 운영에서 고장이 발생하는지'를 진단했다. 그 결과 고장이 발생했을 때 어떻게 자동화할 것인가 하는 문제를 고민했다”라고 말했다.

이에 따라 어떤 경우에는 자동 복구 플랫폼이 운영 문제를 찾아내 자동으로 해결하는 한편, 상세한 데이터와 통계 자료를 IT팀에게 제공하기도 한다. 플랫폼의 자동 복구가 불가능하면 IT 직원에게 문제를 더 빨리 알려줘 복구 시간을 개선할 수 있다. 스토다드는 "어도비에는 '조직 전반의 데이터를 여러 다른 장소로 제공해 주는 백숍'이 많다. 기존에는 이 시스템 중 하나가 고장 나면 해결하는 데 약 30분이 걸렸다. 그러나 자동 복구 프레임워크를 구축한 이후 문제 탐지에서부터 이를 해결하고 서비스로 복귀하는 시간이 3분으로 줄어들었다"라고 말했다.

인재 투자
어도비가 ITSM 프레임워크에서 AI, ML, NLP를 성공적으로 활용할 수 있었던 데는 인재 투자도 한몫을 했다. 어도비는 최신 기술을 보유한 외부 후보자 채용, 사내 현직 IT 직원의 재훈련 등 2가지 방식을 모두 활용한다. 스토다드는 “AI는 인간이 할 수 있는 것을 효율화하는 것이다. 인간의 활동 자체를 없애는 것이 아니다. 오히려 사람을 위한 새로운 기회를 만드는 측면도 있다"라고 말했다.

신규 채용 관련해서 그는 "AI와 ML 관련 신규 인재도 채용했는데, 훌륭한 아이디어로 회사에 크게 기여하고 있다. 새로운 지식을 실제 현실의 문제에 적용하는 데 젊은 직원들이 많은 일을 했다"라고 말했다. 동시에 회사의 네트워크 및 시스템에 대한 복잡한 지식을 이미 보유하고 있는 노련한 IT 직원과 내부 직원을 대상으로 한 훈련에도 주력하고 있다. 어도비는 5,000명이 넘는 엔지니어에게 6개월짜리 AI 및 ML 기술 훈련 프로그램을 제공하고 있다. 이 프로그램은 개별 엔지니어가 가진 데이터 과학 측면을 살리기 위한 것이었다.

스토다드는 "애초에 자동 복구 플랫폼이 만들어진 것도 바로 이처럼 실험할 수 있는 자유와 인재의 조합 덕분이다. 그동안 깨달은 것은 사람들에게 배우고 실험할 시간을 주면 반드시 아이디어를 생각해 낸다는 사실이다. 우리가 내부적으로 한 일도 바로 이것이다"라고 말했다. ciokr@idg.co.kr

X