레거시 클라우드 플랫폼은 방대한 양의 데이터로 AI 모델을 학습시키는 데 매우 유용하다는 것이 입증되었습니다. 그러나 조직이 AI 애플리케이션을 더욱 확장하고 최적화하고자 하는 상황에서 레거시 플랫폼은 빠르게 한계를 드러내고 있습니다.
Akamai의 의뢰로 진행된 Forrester 연구에서는 IT 리더와 개발자가 레거시 클라우드 플랫폼에서 겪고 있는 문제를 발견했습니다. 많은 사람들이 컴퓨팅 리소스를 엣지 컴퓨팅으로 이전하면 AI 추론 시대에 지연 시간, 대역폭 사용량, 비용을 줄이는 데 도움이 될 것이라는 데 동의했습니다.
AI 학습이 AI 추론의 기반을 마련함에 따라 성능과 최종 사용자 경험에 영향을 주지 않으면서 워크로드 및 컴퓨팅 요구사항 증가에 대응할 수 있는 솔루션이 필요합니다.
AI 추론으로의 전환이 애플리케이션 개발에 미치는 영향
AI의 컴퓨팅 요구가 단순한 학습이 아닌 추론으로 전환될 준비가 되어 있는 지금, AI 애플리케이션 개발 개발자에게는 어떤 의미가 있을까요?
J.Gold Associates의 사장 겸 수석 애널리스트인 잭 골드에 따르면, 현재 트레이닝과 추론의 균형은 트레이닝 80%, 추론 20% 수준이라고 합니다. 그는 향후 3년 내에 이러한 균형이 바뀌어 컴퓨팅 리소스가 추론에 80%, 훈련에 20%만 집중될 것이라고 예측합니다.
AI 추론은 학습된 모델을 사용하여 새로운 데이터에서 결론과 결과를 도출하는 프로세스입니다. 더 많은 모델이 방대한 데이터 세트로 학습됨에 따라 다음 단계는 이러한 모델을 사용하여 새로운 정보에 대응하여 AI 솔루션의 기능을 확장하는 것입니다.
이는 애플리케이션의 개인화, 고성능 및 실시간 데이터 사용 증가에 대한 사용자의 기대와 맞물려 현재의 클라우드 솔루션이 적응해야 함을 의미합니다.
핵심 클라우드 아키텍처가 따라잡지 못하는 이유
AI 추론의 목표는 AI 애플리케이션에서 실시간 결과와 보다 원활한 사용자 경험을 지원하는 것입니다. 그러나 레거시 클라우드 솔루션은 AI를 통한 확장 및 최적화를 어렵게 만드는 세 가지 주요 과제, 즉 장애물에 직면해 있습니다.
이번 연구에서는 개발자와 IT 리더가 가장 어려움을 겪고 있는 문제가 다음과 같다는 사실을 밝혀냈습니다:
- 지연 시간 문제(56%가 처리 지연에 직면함)
- 비용 문제(60%가 스토리지/처리 비용으로 어려움을 겪음)
- 확장 어려움(45%가 확장에 어려움을 겪음)
"설문조사 응답자의 대다수는 현재 클라우드 전략이 애플리케이션에 실시간 데이터 기반 의사 결정을 내리는 데 방해가 된다고 답했습니다."
핵심 클라우드 솔루션은 이미 AI 확장 및 최적화의 요구 사항을 따라잡는 데 어려움을 겪고 있습니다. 그렇다면 더 효과적인 솔루션이 있을까요?
엣지 컴퓨팅은 데이터 처리를 최종 사용자에게 더 가깝게 가져와 지연 문제를 줄이고 성능을 개선하여 개발자가 애플리케이션을 보다 효과적으로 확장할 수 있도록 합니다.
그러나 이마저도 규정 준수 및 규제 문제, 공급업체 종속, 관련 기술을 갖춘 기술 인재를 채용하고 유지하는 데 어려움을 겪는 등 어려움이 있습니다. 엣지 컴퓨팅은 일반적으로 서로 다른 아키텍처 접근 방식, 특수 프로토콜, 다양한 공급업체를 사용하므로 운영이 복잡해지고 비즈니스 리스크가 증가합니다.
AI 애플리케이션 개발의 다음 단계로서의 분산 Cloud Computing
IT 리더들 사이에서 빠르게 주목받고 있는 대안 솔루션은 분산형 클라우드 컴퓨팅입니다. 이 연구에 참여한 응답자의 절반 이상이 현재 어떤 형태의 분산 아키텍처를 자체적으로 관리하고 있다고 답했습니다.
대부분의 기업은 현재 클라우드 전략이 추가 스토리지 및 처리 능력에 대한 비용과 높은 지연 시간으로 인한 처리 지연으로 인해 애플리케이션에 실시간 데이터 기반 의사 결정을 구축하는 데 방해가 된다고 답했습니다.
엣지 컴퓨팅과 마찬가지로 분산 클라우드 아키텍처를 통해 개발자는 사용자와 더 가까운 위치에서 데이터를 제공하여 애플리케이션, 클라우드 데이터베이스, 스트리밍 미디어 및 기타 워크로드의 지연 시간과 성능을 개선할 수 있습니다.
차이점은 분산 네트워크의 일부이지만 이러한 형태의 클라우드 컴퓨팅에는 타사 데이터 센터, 온프레미스 위치, 프라이빗 클라우드 위치 등 다양한 데이터 위치가 포함될 수 있다는 점입니다.
AI 추론을 지향함에 따라 더 많은 애플리케이션과 확장 기회가 생겨날 것이며, 이에 따라 데이터를 보다 효율적으로 처리하는 방법에 대한 필요성도 커질 것입니다.
애플리케이션 사용자는 빠른 결과와 원활한 경험을 기대합니다. 개발자는 분산 아키텍처에 투자함으로써 최신 애플리케이션의 실시간 데이터 처리 및 추론에 대한 요구 사항을 충족하고 사용자에 대한 회사의 경쟁력을 확보할 수 있습니다.
분산형 Cloud Computing 비즈니스 목표를 반영하는 방법
최종 사용자에게 더 가까운 곳에 컴퓨팅 리소스를 배포하는 동시에 중앙 관리 및 제어를 유지할 수 있는 유연성이 설문조사 응답자들이 가장 우려하는 사항 중 일부를 해결한 것으로 나타났습니다:
- 55%는 비즈니스 위험 증가에 대한 두려움을 해결할 것이라고 답했습니다.
- 54%가 비용 증가를 방지하는 데 도움이 될 것이라고 답했습니다.
- 49%는 느린 가치 실현 시간을 개선할 것이라고 답했습니다.
분산 클라우드 아키텍처가 엣지 컴퓨팅보다 뛰어난 점은 코어 클라우드 컴퓨팅과 동일한 기술 세트, 아키텍처 패러다임, 클라우드 기본 요소로 AI 애플리케이션을 더 쉽게 배포하고 관리할 수 있다는 점입니다.
또한 분산 클라우드는 애플리케이션을 구축할 때 지연 시간 단축, 확장성 향상, 안정성 개선, 데이터에 대한 전반적인 제어력 향상 등의 이점을 제공합니다.
나중에 전환하는 것보다 빨리 전환하는 것이 더 낫나요?
Akamai가 Forrester와 함께 진행한 연구에 따르면 IT 리더와 애플리케이션 개발자는 AI 혁신, 디지털 경험 현대화, 경험 개인화, 데이터 관리 개선 등의 목표를 우선순위에 두고 있습니다. 따라서 분산 클라우드의 장점은 대부분의 개발자가 추구하는 목표와 직접적으로 연결됩니다.
AI 추론에 대한 예측과 분산형 클라우드 설정의 증가 추세에 비추어 볼 때, 분산형 접근 방식으로 전환하는 것은 당연한 선택으로 보입니다. 시장과 AI 기술이 발전함에 따라 조속히 전환하는 것이 경쟁력을 유지하는 데 도움이 될 수 있습니다.
분산 클라우드와 엣지 컴퓨팅 및 핵심 클라우드 아키텍처의 미래에 대한 자세한 내용을 알아보려면 지금 바로 보고서 전문을 다운로드하세요.
* Akamai가 의뢰한 이 Forrester 컨설팅 연구에서는 리테일, 미디어, 통신 업계의 북미 지역 클라우드 전략 의사 결정권자 163명을 대상으로 클라우드 컴퓨팅의 현재 상태에 대한 의견을 물었습니다.
내용