AI인프라 썸네일형 리스트형 지금은 '데이터 통제가 경쟁력' 시대 클라우드 전환이 본격화된 이후 많은 기업이 예상치 못한 문제와 마주했다. 데이터를 어디에 두고 어떻게 옮길지, 누가 접근할 수 있는가의 결정권이 자신들에게 있지 않다는 사실을 말이다. 특정 클라우드 벤더에 의존하면 데이터는 어느새 고립된다. 이동할 때마다 예상 밖의 비용이 발생하고 거버넌스 정책은 환경마다 따로 관리해야 한다. 이것이 오늘날 많은 IT 조직이 전략 실행보다 IT운영 관리에 더 많은 시간을 쓰는 이유다. AI는 데이터를 먹고 작동한다. 데이터를 자유롭게 통제하지 못하는 기업은 AI 전략도 그 한계 안에서 움직이게 된다. 데이터 주권, 즉 데이터의 위치와 이동, 활용을 스스로 결정할 수 있는 힘이 AI 경쟁력의 전제 조건이다. 멀티클라우드는 선언이 아닌 실제 작동해야 많은 기업이 멀티클라우.. 더보기 AI가 틀리는 이유, 결국 ‘데이터’ AI 도입을 검토하는 기업들은 이런 상황과 자주 마주한다. 최신 거대언어모델(LLM)을 채택했고, 컴퓨팅 자원도 충분한데 결과물이 기대에 한참 미치지 못하는 경우다. 원인을 추적하다 보면 결국 같은 지점에 도달한다. 문제는 모델이 아니라 ‘데이터’라는 것이다. 기업들은 내부 정보를 AI와 연결하기 위해 RAG(Retrieval-Augmented Generation) 등의 아키텍처를 구축한다. 그러나 실제 도입 과정에서 AI의 최종 성능을 좌우하는 것은 모델 자체의 성능만이 아니라 내부 데이터의 정제 상태와 품질이라는 사실을 알게 된다. 기초 데이터나 정보가 잘못되면 그 결과물 역시 아무런 가치가 없다는 ‘GIGO(Garbage In, Garbage Out)’는 오래된 말이지만, AI 시대에 더 강조되고 .. 더보기 AI 성과의 핵심, ‘모델보다 데이터 인프라’ 기업의 AI 도입은 이제 선택이 아닌 필수다. 많은 기업이 생성형 AI를 업무 혁신의 핵심 과제로 삼고 관련 투자를 확대하고 있다. 그러나 실제 현장에서는 기대만큼 성과를 거두지 못하는 경우가 적지 않다. AI 모델 성능은 빠르게 발전하고 있지만 이를 뒷받침하는 데이터 인프라가 충분치 않은 경우가 많기 때문이다. AI 성과를 좌우하는 요소들 히타치 밴타라가 15개 시장의 IT 리더 1200명 이상을 대상으로 조사한 ‘2025 데이터 인프라 현황 글로벌 보고서’는 이러한 현실을 잘 보여준다. 이 보고서는 기업 데이터 인프라 성숙도를 기준으로 AI 성과와 운영 역량의 차이를 분석했다. 그 결과, 회복탄력적인 인프라, 정제된 데이터, AI 기반 운영, 측정 가능한 성과를 갖춘 ‘최적화’ 단계에 도달한 조직은.. 더보기 에이전틱 AI 시대, 기업 경쟁력의 핵심은? 기업의 AI 도입은 이제 선택이 아닌 필수다. 많은 조직이 AI를 활용해 업무 효율을 높이고 있지만, 현장에서 체감하는 변화는 기대에 못 미치는 경우가 많다. AI가 다양한 인사이트를 제공하더라도 실제 실행은 여전히 사람 몫이기 때문이다. 데이터는 폭증하고 인프라는 복잡하고 사이버 위협은 더욱 정교해지고 있다. 단순히 ‘조언하는 AI’만으로는 한계가 분명하다. 이러한 흐름 속에서 주목받는 개념이 ‘에이전틱(Agentic) AI’다. 답을 제시하는 수준을 넘어 스스로 상황을 인지하고 판단하며 실제 행동까지 수행하는 AI를 의미한다. 이는 단순한 기술 진화가 아닌 엔터프라이즈 IT 운영 방식 자체를 바꾸는 구조적 변화에 가깝다. 과거 IT가 요청에 대응하는 지원 조직이었다면 이제는 시스템이 스스로 운영을 수.. 더보기 도전의 2026년, AX 선택의 기로(3) AX의 기로에 선 기업을 위해 HS효성인포메이션시스템이 제시하는 전략과 방안 그 마지막 시간! 이번 주제는 데이터 관리를 위한 통합 전략이다. Solution 3. 데이터 관리를 위한 통합 전략, VSP One AI 시대에 데이터는 기업의 가장 중요한 자산이다. 그러나 온프레미스·하이브리드·멀티 클라우드 등 다양한 위치에 데이터가 분산 저장되며, 데이터 운영과 관리 복잡성을 증가시키고 있다. 이러한 문제를 해결하기 위해 HS효성인포메이션시스템은 ‘VSP One’을 제안한다. VSP One은 서로 다른 데이터 플랫폼을 하나의 데이터 관리 인프라로 통합하고, 개별적으로 운영하던 관리 소프트웨어를 하나의 데이터 관리 소프트웨어 패밀리로 묶어 애플리케이션 실행과 데이터 활용 효율을 높이는 통합 플랫폼이다. V.. 더보기 GPU보다 더 중요한 ‘스토리지 전략’ AI 도입이 본격화되면서 기업들은 GPU 확보와 컴퓨팅 성능 확장에 집중하고 있다. 그러나 현장에서 마주하는 현실은 다르다. AI 프로젝트가 개념 검증(PoC)을 넘어 실제 서비스 단계로 확장되면서 예상하지 못했던 병목이 드러나기 때문이다. 그 중심에 ‘스토리지’가 있다. 고성능 GPU를 도입했음에도 기대만큼 성과가 나오지 않는 이유는 명확하다. 데이터가 제때 공급되지 않기 때문이다. 마이크로소프트 리서치가 2024년 국제 소프트웨어공학 학회(ICSE)에 발표한 연구에 따르면, 실제 운영 환경에서 딥러닝 작업의 GPU 활용률은 평균 50% 이하에 머무르는 것으로 나타났다. 특히 활용 저하의 약 절반 가량이 모델 자체가 아닌 입출력(I/O), 데이터 이동, 전처리와 같은 데이터 처리 과정에서 발생하는 것으.. 더보기 AI 시대 오브젝트 스토리지의 기준이 되다 기업들이 AI 기반 워크로드를 본격적으로 도입하면서 데이터의 양과 종류가 폭발적으로 늘어나고 있다. 그 중에서도 형태가 다양한 비정형 데이터의 증가세는 특히 가파르다. 방대한 데이터를 어떻게 저장하고 활용할 것인가에 대한 고민 속에서, 해법으로 오브젝트 스토리지가 주목받고 있다. 그동안 오브젝트 스토리지는 ‘저비용 대용량 아카이브’라는 인식이 강했다. 그러나 최근에는 데이터 레이크하우스, 대규모 분석, AI 학습 환경까지 아우르는 핵심 데이터 플랫폼으로 빠르게 진화하고 있다. 특히 AI와 머신러닝(ML)이 확산되면서 스토리지는 단순히 데이터를 담는 공간을 넘어, 높은 처리량과 저지연 성능을 통해 GPU 활용도와 학습 효율을 높이는 역할까지 요구 받고 있다. 여기에 사이버 공격 위협이 증가하면서 데이터 .. 더보기 AI 시대의 지속가능성, 전력 중심 인프라 전략이 답이다! AI 도입이 본격화되면서 기업들은 그래픽처리장치(GPU) 확보와 컴퓨팅 성능 확장에 집중하고 있다. 그러나 현장에서 드러나는 제약은 다르다. AI 확산의 진짜 병목은 더 이상 컴퓨팅이 아니라 ‘전력’이다. GPU는 투자와 공급만 확보되면 비교적 빠르게 확장할 수 있는 반면, 데이터센터 전력은 그렇지 않다. 전력망 연결, 인허가, 지역 수용성 등 다양한 요소가 얽히면서 전력 확보는 점점 더 복잡해지고 있다. 글로벌 시장에서도 전력 문제로 데이터센터 구축이 지연되거나 무산되는 사례가 늘고 있다. 데이터센터 산업 전문 매체 데이터센터 날리지(Data Center Knowledge)의 데이터센터 워치(Data Center Watch) 보고서에 따르면, 2023년 이후 미국에서 약 640억 달러(약 87조 원) .. 더보기 이전 1 2 3 4 다음 What Inspires Sustainable Technology?
