반도체 전문 온라인 매거진 - 올포칩

글로벌 네트워크 가시성 및 사이버보안 기업 넷스카우트(NETSCOUT)가 기업 네트워크에서 발생하는 패킷 데이터를 실시간으로 분석하고 운영상의 의미를 추출해 AI가 활용할 수 있는 스마트데이터로 제공하는 ‘넷스카우트 데이터 플랫폼’을 공개했다. 네트워크 패킷을 단순한 원천 데이터로 제공하는 데 그치지 않고 실제 서비스와 애플리케이션, 사용자 환경에 대한 운영 컨텍스트를 함께 제공하는 것이 핵심이다.

최근 기업의 AI 활용이 확대되면서 AI 모델 자체의 성능뿐 아니라 모델에 어떤 데이터를 어떻게 제공하느냐가 중요한 과제로 떠오르고 있다. 특히 네트워크와 IT 운영 환경에서는 데이터가 여러 시스템에 분산돼 있거나 샘플링과 집계를 거치면서 원래의 맥락이 사라지는 경우가 많다. AI가 이러한 데이터를 기반으로 상황을 판단하려면 누락된 정보를 다시 추론하거나 여러 데이터 소스를 결합해야 하며, 이는 추론 비용과 컴퓨팅 자원, 토큰 사용량 증가로 이어질 수 있다.

넷스카우트는 기존 메트릭, 이벤트, 로그, 트레이스(MELT) 중심의 텔레메트리만으로는 AI가 실제 운영 상황을 정확하게 이해하는 데 한계가 있다고 보고 있다. 이에 네트워크 트래픽이 관찰되는 단계에서 패킷 수준의 데이터를 분석해 운영상의 의미를 추출하고, 이를 AI가 바로 활용할 수 있는 형태의 데이터로 변환한다는 전략이다.

패킷에서 운영 컨텍스트 추출해 AI 데이터로 전환

넷스카우트 데이터 플랫폼의 핵심 기술은 대규모 딥 패킷 검사(DPI)와 소스 기반 분석이다. 네트워크 트래픽이 발생하는 시점에 패킷을 분석해 서비스와 애플리케이션, 사용자 간의 상호작용을 파악하고 이를 고정밀의 상황 맥락화된 증거로 변환한다.

기존 텔레메트리 데이터는 수집 이후 샘플링되거나 집계되는 과정에서 세부 정보가 사라질 수 있다. 반면 넷스카우트는 데이터가 축소되기 전에 패킷에서 운영상의 의미를 추출하는 초기 의미론 추출 방식을 적용한다. 실제 네트워크에서 관찰된 정보를 기반으로 운영 컨텍스트를 생성하기 때문에 AI가 여러 데이터 소스를 다시 조합해 상황을 추론해야 하는 부담을 줄일 수 있다는 설명이다.

여기에 소스 단계의 컨텍스트 최적화를 결합한다. 단순히 많은 데이터를 AI에 전달하는 것이 아니라 운영상 가치가 높은 정보를 선별하고 관리해 컨텍스트 밀도를 높이는 방식이다. 반복적인 로그나 의미가 낮은 데이터가 AI의 컨텍스트 윈도우를 불필요하게 차지하는 것을 줄여 동일한 운영 질문에 더 적은 데이터와 컴퓨팅 자원으로 답을 얻도록 하는 것이 목적이다.

넷스카우트는 이렇게 생성된 스마트데이터를 네트워크 계층에서 생성되는 단일 진실 공급원으로 활용할 수 있도록 한다. 자체 가시성 및 사이버보안 솔루션은 물론 기업이 사용하는 AIOps 플랫폼, 데이터 레이크, SIEM, AI 환경에서도 동일한 운영 컨텍스트를 활용할 수 있도록 지원한다.

넷스카우트 산제이 문시(Sanjay Munshi) 최고운영책임자(COO)는 "기업에서 AI의 가치를 실현하기 위해서는 또 하나의 모델을 추가하는 것보다 추론이 시작되기 전에 AI에 올바른 운영 컨텍스트를 제공하는 것이 중요하다"고 말했다. 이어 "자체 테스트에서 MELT 데이터만 사용하는 경우와 비교해 AI 토큰 사용량을 25% 이상 줄였으며 MTTK도 75% 이상 감소했다"고 강조했다.

AI 에이전트 확산에 맞춰 데이터 계층 강화

AI가 단순한 분석 및 권고 도구를 넘어 스스로 판단하고 행동하는 에이전틱 AI로 발전하면서 운영 데이터의 정확성과 컨텍스트에 대한 요구도 높아지고 있다. AI 에이전트가 잘못된 데이터나 불완전한 정보를 기반으로 판단할 경우 단순한 분석 오류를 넘어 실제 운영 환경에서 잘못된 조치를 수행할 가능성이 있기 때문이다.

넷스카우트는 데이터 플랫폼을 통해 사람과 AI 시스템이 동일한 운영 증거를 기반으로 네트워크 상황을 판단할 수 있도록 하는 것을 목표로 한다. NetOps, SecOps, DevOps, SRE 등 운영 조직은 자연어 기반으로 상세한 운영 증거에 접근할 수 있고, AI 시스템은 서비스와 애플리케이션, 사용자 간의 관계를 실제 관찰된 데이터에 기반해 분석할 수 있다.

특히 스마트데이터를 통해 AI가 처리해야 하는 데이터의 양을 줄이면서도 운영상 중요한 정보는 유지할 수 있다는 점에서 비용 효율성도 강조된다. AI 활용이 확대될수록 데이터 저장과 전송뿐 아니라 추론 과정에서 발생하는 컴퓨팅 및 토큰 비용이 증가하기 때문에 데이터 자체의 신호 밀도를 높이는 것이 새로운 최적화 요소로 부상하고 있다.

넷스카우트는 네트워크 가시성 기술을 기반으로 하이브리드 및 멀티클라우드, 컨테이너, 가상 및 물리적 환경에 걸쳐 발생하는 디지털 상호작용을 관찰하고 숨겨진 종속성과 장애 원인, 보안 노출을 파악할 수 있도록 지원한다. 여기에 패킷에서 직접 추출한 운영 컨텍스트를 결합해 가시성, 사이버보안, 서비스 보증, AIOps를 하나의 데이터 기반으로 연결한다는 전략이다.

결국 넷스카우트 데이터 플랫폼이 겨냥하는 시장은 단순한 네트워크 모니터링을 넘어 AI 운영을 위한 데이터 인프라 영역으로 확장되고 있다. AI 모델 간 성능 격차가 줄어들수록 모델 자체보다 실제 운영 환경을 얼마나 정확하고 효율적으로 표현한 데이터를 제공하느냐가 경쟁력을 좌우할 가능성이 높다. 넷스카우트는 네트워크 패킷이라는 가장 원천적인 데이터에서 운영 의미를 추출해 AI 레디 데이터로 전환함으로써 기업의 AI 기반 운영과 자동화를 뒷받침하는 데이터 계층을 확보한다는 전략이다.