IT 내 운영(Ops)은 상당한 발전을 거듭해 왔으며, 그만큼 많은 과대광고도 뒤따랐습니다. 이를 구분하는 한 가지 방법은 조직의 디지털 비즈니스를 유지하는 여러 팀의 역할과 책임을 기준으로 양분하는 것입니다. 즉, 네트워킹, 보안 및 애플리케이션 수명 주기를 담당하는 ‘역할 기반’ Ops(NetOps, SecOps, DevOps)와 기술, 프로세스 및 인사이트를 실행으로 연결하는 피드백 루프를 간소화하는 ‘스택 기반’ Ops(DataOps, MLOps, ModelOps, PlatformOps, AIOps, GitOps, FinOps)로 나눌 수 있습니다.
옵스란 무엇인가?
시간이 흐르면서 팀들은 효율성과 효과를 높이기 위해 기존의 역할 범위를 확장하고 새로운 패러다임을 수용해 왔습니다. 예를 들어 DevSecOps는 보안(SecOps) 팀과 개발(DevOps/AppDev) 팀 간의 협업을 강화합니다.
그렇다면 “XOps”란 정확히 무엇일까요? 이 블로그에서 살펴보듯이, 기술 업계는 운영을 간소화하고 반복적인 수작업을 줄이며 가치 실현 시간을 단축하기 위해 전체 애플리케이션 카탈로그에 걸친 인프라 및 보안의 모든 요소에 대한 원칙과 프로세스, 기술, 역할을 통합하는 방향으로 나아가고 있습니다. 이는 사실상 AI를 플랫폼 역량으로 활용하는 것입니다.

기반 기술 스택의 핵심 차별화 요소
Per Gartner에 따르면 DataOps, MLOps, ModelOps, PlatformOps를 포함한 XOps의 목표는 “DevOps 모범 사례를 활용해 효율성과 규모의 경제를 달성하고 안정성, 재사용성, 반복 가능성을 보장하는 것”입니다.1
As described in 2021년 애플리케이션 전략 현황 보고서: XOps 에디션에서 설명한 바와 같이, F5 최고기술책임자실(OCTO)은 디지털 트랜스포메이션이 AI 지원 비즈니스로 계속 발전함에 따라 방대한 원격 측정 데이터를 인사이트와 실행 방안으로 전환하기 위한 추가 운영 팀이 필요할 가능성이 높다고 예측했습니다. 궁극적으로 AI의 방대한 원격 측정 데이터를 통해 생성되는 대량의 데이터를 인사이트와 실행 방안으로 전환하려면 이를 위한 독자적인 과학적 체계가 필요합니다. 아무리 성공적인 소규모 프로젝트라도 프로덕션 환경으로 확장할 때 AI가 실패할 수 있는 이유가 바로 여기에 있습니다.
“AI의 방대한 텔레메트리를 활용하려면 이를 전문적으로 다루는 독자적인 과학 분야가 필요할 것입니다.”
2025년 현재, 애플리케이션 전략 현황: AI 준비도 보고서에 따르면 조직의 96%가 AI 모델을 도입하고 있지만, AI 배포 환경에서 끊임없이 변화하는 요구 사항에 대응할 준비가 ‘매우 잘 되어 있다’고 평가된 조직은 2%에 불과합니다.

XOps는 기술과 역할 전반에서 AI를 주도합니다
기술 기업들은 AI 운영을 적극적으로 확장하는 동시에 거버넌스, 보안, 인프라 간 정합성 확보에 어려움을 겪고 있습니다. AI 모델은 다양하며 하이브리드 IT는 앞으로도 지속될 것입니다. 구체적인 사용 사례, 성능 및 보안 고려 사항, 나아가 조직의 선호도에 따라 AI 애플리케이션의 학습과 추론, 관련 텔레메트리 수집을 데이터 센터, 여러 클라우드 또는 엣지 중 어디에서 수행할지가 결정될 수 있습니다. 궁극적인 지향점은 AI를 플랫폼 역량으로 간주하고, 모든 운영 기능 전반에서 AI를 인프라 및 보안 도구와 연계하는 것이어야 합니다. 이를 통해 선도적인 기술 기업은 텔레메트리를 효과적으로 활용하고 방대한 데이터를 인사이트와 실행으로 전환할 수 있습니다. AI를 모든 인프라, 보안 및 운영 전략에 통합하면 여러 부서로 구성된 팀이 기업의 핵심 자산인 애플리케이션을 더욱 효과적으로 지원할 수 있습니다.
F5 Application Delivery and Security Platform (ADSP)
F5 ADSP는 모든 애플리케이션 또는 API를 위한 전송 및 보안 서비스를 제공하는 통합 플랫폼으로, 완전한 가시성, 일관된 정책, AI 기반 인사이트를 제공하며 어디서나 배포할 수 있습니다.
급속히 확장되고 고도로 분산된 아키텍처 전반에서 애플리케이션 제공과 보안을 통합함으로써 인프라 및 보안 팀은 복잡성을 줄이고 운영을 간소화할 수 있습니다. 반복적인 수작업을 줄이고 위협 탐지를 혁신하며 선제적 보안을 구현함으로써 융합 팀은 가치 실현 시간을 단축할 수 있습니다. 내장형 AI 어시스턴트를 활용해 성능 병목 현상을 손쉽게 식별하거나, 에이전틱 AI로 보안 분석을 종합해 경보 피로를 줄이고 실제 위험을 식별하며 해결 단계를 제시할 수 있습니다.
F5 ADSP는 유연성과 민첩성을 모두 지원하며, 여러 부서로 구성된 팀에 기반 기술 스택과 자연스럽게 통합되는 차별화된 확장 가능하고 안전한 서비스를 제공합니다. 이를 통해 팀은 가장 중요한 일, 즉 디지털 세상을 혁신할 차세대 혁신 애플리케이션이나 서비스에 집중할 수 있습니다.
자세한 내용은 F5의 기술 산업용 솔루션을 확인해 보세요.
GARTNER는 미국 및 전 세계에서 Gartner, Inc. 및/또는 그 계열사의 등록 상표 및 서비스표이며, 본 문서에서는 허가를 받아 사용되었습니다. 모든 권리는 보호됩니다.
1Gartner, "Gartner가 선정한 2021년 10대 데이터 및 분석 기술 트렌드," 2021년 3월 16일
작성자 소개

관련 블로그 게시물

추론 경로가 곧 트래픽 경로다: AI 보안이 자리해야 할 곳
이제 AI 트래픽에는 의도와 데이터, 작업이 담깁니다. AI 보안을 적용하는 데 추론 경로가 가장 중요한 지점이 된 이유를 알아보세요.

최전선 AI를 네트워크 경계에서 차단하기: 인라인 제어가 Mythos급 모델에 맞서는 핵심 우위인 이유
포스트-Mythos 시대에 사이버 방어가 어떻게 변화했으며, 조직이 통제 지점을 바꿔야 하는 이유를 알아봅니다.

애플리케이션 딜리버리 컨트롤러가 다시 전략적 의제로 떠오르고 있습니다
AI로 인해 애플리케이션 제공의 중요성이 더욱 커지고 있습니다. F5의 Nirav Shah가 새로운 Gartner® ADC 연구와 이것이 엔터프라이즈 인프라 의사 결정에 미치는 영향에 대해 설명합니다.

증거로 입증하는 AI 보안: Gartner SRM에서 선보일 내용
Gartner SRM에서의 세션을 앞두고, F5의 제품 마케팅 담당 수석 부사장이 F5가 세 가지 실질적인 단계를 통해 조직의 AI 보안을 어떻게 지원하는지 설명합니다.

파이프라인 속도 저하 없이 AI 데이터 파이프라인을 안전하게 보호하세요
AI 데이터 파이프라인 보안은 선택 사항이 아닙니다. 그 점은 분명합니다. 하지만 이를 제대로 보호하는 방법은 훨씬 불분명하며, 훨씬 더 어려운 과제입니다.

AI 스토리지에 새로운 로드 밸런싱 접근 방식이 필요한 이유
AI 워크로드에는 새로운 관점으로 설계된 스토리지가 필요합니다. AI 특유의 데이터 액세스 패턴은 레거시 인프라에 내재된 심각한 병목 현상과 비효율성을 여실히 드러냅니다.