하이브리드 클라우드 환경에서 AI 사용: 장점 및 활용 사례

하이브리드 클라우드 환경은 온프레미스와 클라우드 리소스를 결합하여 유연성과 확장성을 모두 제공함으로써 기업에 두 가지 장점을 모두 제공합니다. 조직은 인공지능(AI)과 머신 러닝(ML)을 통해 하이브리드 클라우드 전략을 더욱 개선할 수 있습니다.

AI 및 ML 모델은 인사이트를 제공하고, 리소스를 최적화하며, 애플리케이션 성능을 개선하여 팀이 더 나은 의사 결정을 내릴 수 있도록 지원합니다. 대규모 언어 모델(LLM)은 워크플로우를 자동화하고 수동 작업의 필요성을 줄이는 데 도움이 될 수 있습니다. 예측 모델은 사용 패턴을 분석하여 클라우드 비용을 낮추고 리소스를 더 효율적으로 할당하는 데 도움이 됩니다. 팀이 AI/ML을 사용하여 하이브리드 클라우드 환경을 최대한 활용하는 방법을 살펴보겠습니다. 

자동화된 리소스 할당

리소스 할당과 최적화는 하이브리드 클라우드 환경에서 필수적입니다. 기업은 AI/ML을 통한 자동화 및 최적화를 통해 리소스 활용도를 최대화하고 비용을 절감할 수 있습니다. 예측 분석은 또한 과거 데이터 및 사용 패턴을 분석하여 온프레미스 및 클라우드 리소스를 확장하는 데 필요한 리소스를 자동으로 예측할 수 있습니다. AI/ML은 하이브리드 클라우드 전반에 워크로드를 분산하여 대기 시간, 비용, 가용성에 따라 가장 비용 효율적이고 효율적인 위치에서 실행할 수 있습니다.

기업은 높은 서비스 가용성과 애플리케이션 성능을 유지하면서 수요 및 예측 분석을 기반으로 리소스 할당을 동적으로 조정하여 비용을 절감할 수 있습니다.

보안 강화

AI 기반 보안 모니터링은 조직이 복잡한 하이브리드 클라우드 환경에서 알려진 사이버 위협을 더 빠르게 식별할 수 있도록 지원합니다. 기업은 AI 및 ML 기반 위협 감지를 통해 보안 로그와 네트워크 트래픽을 더욱 효율적으로 실시간으로 분석할 수 있으므로 잠재적인 공격을 미리 감지하고 대응할 수 있습니다. 이상 감지 알고리즘은 비정상적인 활동을 식별하고 잠재적인 침해에 조기에 플래그를 지정하여 또 다른 보호 계층을 추가하여 하이브리드 클라우드 인프라의 전반적인 보안 상태를 개선합니다.

AI 알고리즘은 데이터세트를 분석하고 패턴을 식별함으로써 기존의 보안 조치가 놓칠 수 있는 새로운 위협을 완화하는 데 도움이 될 수 있습니다.

애플리케이션 개발 및 배포 간소화

AI 기반 툴은 애플리케이션 개발 및 배포를 가속화하여 팀이 제품을 더 빠르게 출시하는 동시에 인적 오류를 줄일 수 있도록 지원합니다. 또한 머신 러닝은 코드를 최적화하고, 버그를 감지하며, 하이브리드 클라우드 환경에서 실행되는 애플리케이션에 대한 아키텍처 개선 사항을 제안함으로써 개발자 팀 리소스를 보강할 수 있습니다. 이 모든 작업은 생산성과 효율성에 도움이 됩니다.

RHEL AI 및 Granite 대규모 언어 모델

Red Hat Enterprise Linux AI(RHEL AI)에는 오픈소스 Granite 언어 및 코드 모델의 하위 집합이 포함되어 있습니다. Granite 모델은 엔터프라이즈 AI 애플리케이션을 지원하기 위해 IBM에서 개발한 일련의 LLM입니다. 텍스트 생성, 코드 완성, 코드 변환과 같은 언어 및 코드와 관련된 생성형 AI(gen AI) 활용 사례를 지원하도록 설계되었습니다. RHEL AI의 일부인 이러한 모델은 조직에 다양한 AI 활용 사례에 대해 비용 및 성능 최적화된 솔루션을 제공하는 동시에 Red Hat 엔터프라이즈급 기술 지원과 Open Source Assurance를 제공합니다.

애플리케이션 개발 활용 사례: Granite 코드 모델을 사용한 코드 리팩토링

다음은 애플리케이션을 퍼블릭 클라우드로 마이그레이션하는 데 Granite LLM이 어떤 도움을 줄 수 있는지 보여주는 활용 사례입니다. 기업은 Granite 모델을 활용하여 레거시 애플리케이션 또는 플랫폼을 리팩토링하여 성능, 확장성, 유지 관리 기능을 개선할 수 있습니다. 또한 플랫폼을 클라우드 환경으로 이전하면 복원력이 향상되고 대응 능력이 향상될 수 있습니다.

이 사례에서 한 대형 금융 기관은 고객 포트폴리오의 규정 준수, 사기 탐지 및 신용 위험을 평가하는 위험 평가 플랫폼을 운영하고 있습니다. 그러나 이 애플리케이션은 오래된 아키텍처를 기반으로 구축되므로 데이터 볼륨이 증가함에 따라 확장하기 어렵고, 레거시 종속성으로 인해 유지 관리 비용이 많이 들며, 실시간 위험 평가를 처리하는 속도가 느립니다. 비즈니스 리더는 위험 평가 플랫폼을 AWS로 마이그레이션하기를 원하며, 비즈니스 운영에서 이 위험 플랫폼의 중요성을 고려할 때 리팩토링 마이그레이션이 필요합니다.

리팩토링이란?

리팩토링은 클라우드 제공업체의 인프라에서 애플리케이션을 실행하는 프로세스로, 클라우드 환경에 더 적합하도록 애플리케이션을 재설계해야 합니다. 이 접근 방식에는 기존 애플리케이션에서 코드베이스의 상당 부분을 수정하여 클라우드 기반 기능과 추가 유연성을 활용하는 작업이 포함됩니다. 그러나 리팩토링 마이그레이션은 다른 클라우드 마이그레이션 접근 방식보다 더 복잡하고 리소스를 많이 사용합니다. 코드 베이스를 변경해도 애플리케이션의 외부 동작에 영향을 미치지 않기 때문입니다.

오픈소스 솔루션

개발자 팀은 Granite 모델을 개발 환경에 통합하여 AI 코딩 지원을 제공할 수 있습니다. 애플리케이션 개발자는 오픈소스 AI 코드 어시스턴트와 함께, 리팩토링 마이그레이션을 지원하기 위해 Granite 코드 모델을 도입할 수 있습니다. 이러한 모델은 팀이 클라우드 환경에 맞게 애플리케이션을 현대화하는 동안 Ollama 또는 InstructLab과 같은 툴을 사용하여 로컬에서 실행할 수 있습니다. 

설정이 완료되면 개발자는 개선이 필요한 코드를 선택하기만 하면 Granite 모델의 제안 사항을 확인할 수 있습니다. Granite 모델은 구문 현대화, 메서드 추출, 변수 이름 변경 등의 작업을 시도합니다. 이 방법을 사용하면 개발자 팀이 제안된 코드 변경 사항을 검토하고 수락하는 동시에 인적 전문성을 최우선으로 고려하여 개발 속도를 높일 수 있습니다.

이를 통해 개발자는 민감한 정보를 잠재적으로 손상시키지 않고 이러한 AI 툴을 로컬에서 사용할 수 있다는 장점이 있습니다. 또한 이러한 하이브리드 접근 방식은 코딩의 효율성을 높이고, 그래니트 모델의 오픈소스 특성은 이해관계자에게 투명성을 제공합니다. 마이그레이션, 코드 완성, 상황별 도큐멘테이션 및 디버깅을 지원하기 위해 로컬 Granite 모델을 사용하여 AI 코딩 어시스턴트를 설정하는 방법에 대한 자세한 내용은 "Granite 모델을 사용한 오픈소스 AI 코딩 지원"을 참조하세요.

장점

조직은 개발 환경에 AI를 통합하여 하이브리드 클라우드 배포를 개선할 수 있습니다. 이 특정 활용 사례의 장점은 다음과 같습니다.

• 퍼블릭 클라우드에 대한 애플리케이션 배포 속도 향상
• 운영 비부담 감소를 통한 팀 효율성 향상
• 자동화를 통해 응답 시간 단축
• 인적 오류를 최소화하여 위험 감소
• 더욱 일관된 배포

마지막으로, AI는 리소스 할당을 최적화하고 다른 비용 절감 기회를 식별하도록 지원하여 하이브리드 클라우드 환경의 비용 효율성을 높입니다.

Red Hat Developer Hub 방문하기

Red Hat Developer Hub에서는 엔터프라이즈 AI 애플리케이션 구축에 관심이 있는 개발자를 위한 온라인 리소스를 제공합니다. 여기에서 설명한 오픈소스 LLM의 Granite 제품군을 포함하여 RHEL AI의 사전 구축된 부팅 가능한 이미지를 다운로드할 수 있습니다.