AI 선도 기업을 이끄는 인프라 전략의 모든 것

AI 도입이 실제 성과로 이어지기 시작했습니다. 하지만 도입 속도가 빨라지면서 많은 조직이 동일한 문제에 직면하고 있습니다. 바로 시스템 비용이 너무 많이 들고, 속도가 느리며, 확장할 수 없다는 점입니다.

Economist Enterprise가 1,200명 이상의 기술 리더를 대상으로 실시한 최근 설문조사에 따르면, 데이터 환경이 단절된 기업 중 67%가 데이터 저장, 이동 및 중복을 AI에서 가장 지속적으로 발생하는 비용으로 꼽았습니다. 통합 데이터 아키텍처를 갖춘 기업의 경우 이 비율은 절반을 약간 넘는 수준으로 떨어집니다.

지금은 미래에 대비한 AI 기반을 구축해야 할 때입니다. 하지만 데이터베이스 마이그레이션은 비용이 많이 들고 큰 좌절감을 안겨줍니다. 조직이 레거시 아키텍처에 더 깊이 얽매일수록 거기서 벗어나기는 더 어려워집니다. 개방형 AI 지원 데이터베이스는 기업에 데이터 사용 방식에 대한 더 큰 유연성과 통제권을 제공하며, 개발자가 AI를 중심으로 비즈니스를 신속하고 안전하며 효율적으로 재편할 수 있도록 지원합니다.

“핵심은 혼란을 초래하지 않으면서 속도를 전파하는 것”이라고 Natura의 기술 부사장 겸 최고 디지털 책임자(CDO)인 Jose Manuel Silva는 보고서에서 밝혔습니다.

이 블로그에서는 AI 혁신을 가속화하고 비용을 최소화하며 실제로 작동하는 AI 에이전트를 제공하는 데 도움이 되는 엔터프라이즈 인프라의 세 가지 고려 사항을 살펴보겠습니다.

고려 사항 1: 에이전트 수준의 속도로 인프라 제공

Economist Enterprise 설문조사에 따르면, 기업의 60%는 AI 워크로드를 프로덕션에 배포하는 데 최대 12개월이 걸립니다. 개발자는 AI의 속도에 맞춰 움직이고 싶어 하지만, 기반 인프라는 아날로그 수준의 속도에 머물러 있습니다.

코드가 몇 초 만에 생성되는 시대에 데이터베이스 프로비저닝에 몇 분씩 걸려서는 안 됩니다. 또한 AI 에이전트가 자율적으로 워크플로를 실행함에 따라, 전체 IT 환경과 분리된 임시 실험 환경을 즉시 가동할 수 있어야 합니다.

빠른 혁신, 안전한 롤백, 즉각적인 복구의 결합은 조직이 원하는 결과를 12개월보다 훨씬 빠른 주기로 달성할 수 있도록 이끌어 줄 것입니다.

고려 사항 2: 데이터 간소화

AI 엔진은 많은 기업이 지원할 수 있도록 설계되지 않은 속도와 규모로 데이터를 수집합니다.

트랜잭션 데이터베이스와 비즈니스 전반의 기타 최종 소스에 저장된 모든 풍부한 정보에는 AI 시스템이 중단 없이 실행 가능한 인텔리전스를 제공하고 프로세스를 자동화하는 데 필요한 중요한 컨텍스트가 담겨 있습니다. 종종 이 정보는 독점적인 환경에 사일로화되어 있습니다. 이를 이동하려면 새로운 파이프라인과 ETL 워크로드를 구축해야 하므로 복잡성과 비용이 증가합니다.

AI 지원 데이터베이스는 운영 데이터와 분석 데이터를 통합할 수 있습니다. 개발자가 필요한 모든 데이터는 저렴한 클라우드 스토리지의 컴퓨팅 레이어와 분리되어 저장되므로 언제든지 항상 사용할 수 있습니다.

“데이터에 AI를 주입하고 그것이 잘 작동한다면, 데이터가 정말 준비되어 있고 FAIR 프레임워크(찾을 수 있고, 액세스 가능하며, 상호 운용 가능하고, 재사용 가능함)를 따르고 있음을 의미합니다”라고 Mondelēz International의 수석 부사장 겸 글로벌 최고 데이터 책임자(CDO)인 Maria Macuare는 말했습니다.

고려 사항 3: AI 규모에 맞게 구축된 인프라 채택

레거시 데이터 아키텍처는 기업 성장에 심각한 구조적 패널티를 부여합니다. 레거시 인프라는 경직되게 확장되기 때문에, 경영진은 피크 수요를 감당하기 위해 유휴 용량에 과도한 비용을 지불하거나, 프로비저닝을 과소하게 하여 비즈니스가 급증할 때 응답하지 못할 위험을 감수해야 하는 불리한 타협을 강요받습니다. 이러한 운영상의 마찰은 우수한 엔지니어링 인재를 일상적인 유지보수에 묶어두어, 경쟁력 있는 속도와 전략적 혁신에 투자해야 할 리소스를 고갈시킵니다.

목적 기반 AI 데이터베이스를 사용하면 데이터가 안정적이고 탄력적이며 비용 효율적인 데이터 레이크에 저장됩니다. 컴퓨팅은 독립적으로 실행되므로 비용과 성장이 분리되어 기업은 더 큰 운영 유연성을 확보할 수 있습니다. 개발자는 예산을 낭비하지 않고 더 자유롭게 실험할 수 있습니다. 또한 시스템은 지출을 최적화하기 위해 높은 동시성에서 몇 초 만에 제로(0)로 확장할 수 있습니다. 비용은 예측할 수 없는 워크로드와 빠른 AI 에이전트 활동을 지원하기 위해 사용량에 맞춰 조정됩니다. 또한 즉각적인 복구와 같은 기능을 통해 개발자는 시스템을 망가뜨리지 않고 신속하게 움직일 수 있습니다.

Economist Enterprise의 보고서 전문을 읽고 리더들을 AI 경쟁의 선두로 이끄는 전략을 알아보세요.

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)