
AI 생산 배포 확장, 기업 인프라 재구축의 필요성
📋 요약
AI 파일럿 단계를 넘어 실제 비즈니스 환경에 대규모로 AI를 배포하는 과정에서 기업 인프라 재고찰이 필수적입니다. Nutanix는 실험과 생산 간의 격차를 해소하고, 챗봇에서 에이전트형 AI로 발전하며 기하급수적으로 증가하는 AI 인프라 수요에 대응하기 위한 전략과 필요한 요소들을 제시합니다.
파트너 콘텐츠 VB 스태프 2026년 5월 6일 오전 12:00 PT
Nutanix 제공
모든 산업 분야에서 조직들은 AI 파일럿, 개념 증명(PoC), 클라우드 기반 실험에서 벗어나 실제 워크로드, 실제 사용자, 실제 비즈니스 환경 전반에 걸쳐 AI를 대규모로 배포하는 방법에 집중하고 있습니다. VentureBeat는 Nutanix의 사장 겸 최고 상업 책임자(CCO)인 Tarkan Maner와 제품 관리 담당 EVP인 Thomas Cornely와 이 전환이 요구하는 것과 이를 제대로 수행하기 위해 필요한 것에 대해 이야기를 나눴습니다.
"AI는 일반적으로 기술뿐만 아니라 은행, 헬스케어, 정부, 교육과 같은 규제 산업부터 제조 및 소매와 같은 비규제 산업에 이르기까지 모든 수직 산업 전반에 걸쳐 우리가 하는 모든 것을 변화시키고 있습니다."라고 Maner는 말했습니다. "완전한 플랫폼 회사로서 우리는 이러한 변화를 환영합니다. 이는 우리가 앞으로 나아가면서 고객에게 더 나은 방식으로 서비스를 제공할 수 있는 더 많은 기회를 창출하고 있습니다."
하지만 실험과 생산 사이에는 여전히 실질적인 격차가 존재합니다."라고 Cornely는 말했습니다.
"실험을 하고 프로토타입을 만드는 것은 한 가지 일입니다. 그 프로토타입을 가져와 10,000명의 직원에게 배포하는 것은 다른 일입니다."라고 그는 설명했습니다. "우리는 모델 훈련에 집중하던 것에서 챗봇으로, 이제는 에이전트(agent)를 개발하는 단계로 넘어왔으며, AI 인프라에 대한 수요와 압력이 기하급수적으로 증가하고 있습니다."
에이전트형 AI(Agentic AI)는 새로운 차원의 기업 복잡성을 도입합니다
에이전트형 AI(Agentic AI)의 부상은 이러한 전환을 특히 중요하게 만듭니다. 이러한 시스템은 애플리케이션과 데이터 소스 전반에 걸쳐 다단계 워크플로우를 도입하며, 새로운 운영 요구 사항을 생성하는 자율성을 제공합니다. 기업들은 이제 동시에 실행되는 여러 에이전트, 예측 불가능한 실시간 워크로드, 그리고 팀 간 인프라 접근 조정을 처리해야 합니다.
"OpenClaw는 이제 누구나 에이전트를 구축하고 에이전트와 함께 실행하는 것을 매우 쉽게 만들고 있습니다."라고 Cornely는 말했습니다. "여러분은 그 에이전트들이 여러분의 데이터와 함께 온프레미스(on premises)에서 실행되기를 원할 것입니다. 에이전트가 할 수 있는 일로부터 기업을 보호하기 위한 올바른 구성 요소(constructs)를 갖춰야 합니다."
이러한 시스템이 더욱 자율화됨에 따라, 도전 과제는 시스템이 어떻게 작동하는지를 넘어 기업 데이터, 시스템 및 팀과 어떻게 상호 작용하는지로 확장됩니다.
AI는 인간의 작업을 대체하는 것이 아니라 증강합니다
에이전트형 AI(Agentic AI)는 근본적으로 인간 능력을 대체하는 것이 아니라 증폭시키는 역할을 합니다."라고 Maner는 말했습니다. 기업의 목표는 인간의 작업을 제거하는 것이 아니라, 인간의 의사 결정, AI 기반 자동화, 에이전트 기반 워크플로우 간의 올바른 균형을 찾는 것입니다.
"우리는 AI, 에이전트형 도구, 로봇 시스템, 그리고 인적 자본(human capital) 사이에 사랑, 평화, 조화가 있을 것이라고 믿습니다."라고 Maner는 말했습니다. "올바른 공급업체가 올바른 도구와 서비스를 제공한다면, 이러한 조화는 기업, 대기업, 정부 및 공공 부문 조직을 위한 더 나은 결과로 최적화될 수 있습니다."
기업이 AI를 대규모로 시작하는 방법
실제로, 실험에서 실제 배포로의 전환은 도전 과제가 가장 명확하게 드러나는 지점입니다. 이러한 추진력에도 불구하고, 많은 기업들이 초기 사용 사례를 넘어 AI를 확장하는 방법을 여전히 모색하고 있습니다. 그렇게 하면서 조직들은 빠르게 실질적인 제약에 부딪힙니다. 많은 기업들이 자원과 서비스에 대한 쉬운 접근성 때문에 클라우드에서 시작하지만, 데이터, 거버넌스(governance) 및 제어, 비용과 같은 실질적인 고려 사항들이 빠르게 전면에 부상합니다. 클라우드는 실험에 사용될 수 있으며, 궁극적인 목표는 보안과 비용 문제를 해결하는 플랫폼을 사용하여 애플리케이션을 생산 단계로 옮기면서 온프레미스(on premises)로 다시 가져오는 것입니다. 가장 큰 관심을 얻고 있는 사용 사례로는 문서 검색 및 지식 검색, 보안 및 예측 위협 탐지, 소프트웨어 개발 및 코딩 워크플로우, 고객 지원 및 서비스 운영 등이 있습니다.
보안 영역에서는 유럽과 미국의 은행 고객 및 기타 기업들이 안면 인식 및 예측 위협 탐지를 포함한 AI 기반 도구를 배포하고 있습니다. 한편, 고객 지원 산업에서는 사전 판매부터 사후 판매 옹호에 이르기까지 엔드투엔드(end-to-end), 360도 고객 참여에 대한 관심이 증가하고 있습니다.
산업별 AI 전환이 이미 진행 중입니다
모든 산업 분야에서 실험에서 실제 배포로의 전환은 이미 뚜렷한 방식으로 구체화되고 있습니다. 소매업에서는 AI가 구매 결정 순간에 타겟팅된 매장 내 마케팅을 위해 카메라와 로봇을 사용하여 매장 운영을 혁신하고 있으며, 무인 계산대는 전통적인 POS(Point of Sale) 시스템을 대체하고, 확보된 인적 자본은 백오피스(back-office) 및 상품화 기능으로 재배치되고 있습니다.
헬스케어 분야에서 Nutanix는 AWS 및 Azure를 포함한 클라우드 파트너와 함께 진단, 치료, 원격 건강 및 병원 운영에 걸친 애플리케이션에 대해 고객과 협력하고 있습니다. 제조 및 물류 분야에서도 이러한 전환은 마찬가지로 중요합니다.
기업 AI 확장 시의 운영 과제
AI 사용 사례가 확장됨에 따라 기업들은 새로운 종류의 운영 과제에 직면하고 있습니다. 여러 AI 워크로드와 에이전트를 관리하고, 팀 간 인프라 접근을 조정하며, 보안 및 거버넌스를 보장하고, AI 시스템을 기존 비즈니스 프로세스와 통합하는 것은 이제 IT 및 비즈니스 리더 모두에게 최우선 관심사입니다. 속도와 접근성을 추구하는 AI 개발자와 보안, 가동 시간(uptime), 거버넌스를 책임지는 인프라 팀 간의 격차는 이 시대를 정의하는 도전 과제 중 하나입니다.
"이제 저는 에이전트들을 실행하고 있으며, 그들은 모두 제 문제를 해결하기 위해 리소스(resources)에 접근하려고 경쟁할 것입니다."라고 Cornely는 말했습니다. "지금 여러분이 원하는 것은 제약 조건을 설정하고 리소스를 관리할 수 있는 인프라입니다."
AI 팩토리(AI factory): 생산 AI를 위한 공유 플랫폼
이러한 과제들은 Maner와 Cornely가 AI 팩토리(AI factory)라고 설명하는 것에 대한 수요를 촉진하고 있습니다. AI 팩토리는 여러 사용자 및 워크로드를 동시에 지원하는 공유 인프라 환경으로, 개발자 민첩성과 기업 거버넌스의 균형을 맞추면서 실험과 생산을 모두 가능하게 합니다. GTC 2026에서 Nutanix는 Nutanix Agentic AI Solution을 발표했습니다. 이는 코어 인프라, 토폴로지 인식 하이퍼바이저(hypervisor)에서 실행되는 Kubernetes 기반 컨테이너 서비스, 그리고 에이전트 구축 및 관리를 위한 고급 서비스를 아우르는 완전한 플랫폼입니다.
"우리는 코어 인프라부터 PaaS(Platform as a Service) 및 고급 PaaS 서비스, 그리고 AI 팩토리를 위한 전체 관리 프레임워크에 이르는 완전한 플랫폼을 출시하고 있습니다."라고 Cornely는 말했습니다. "이는 기업 내에서
🌐 원본 출처
원문: Scaling AI into production is forcing a rethink of enterprise infrastructure - VentureBeat
출처: news.google.com
📖 원문 기사 보기🌍 글로벌 기술 뉴스
해외 최신 기술 동향을 정확하게 번역하여
국내 독자들에게 신속하고 정확한 정보를 전달합니다.


