웨비나속 Q&A

DevOps 성능 모니터링은 AI 기반 분석을 통해 병목 탐지, 리소스 최적화, 배포 리스크 예측으로 확장하고 있습니다. 이노그리드는 이를 DevOpsit 관련 한 내용을 수집·시각화하고 있으며, 향후엔 AI Agent가 파이프라인 병목 개선까지 제안하는 구조로 고도화해나가고자 합니다.

오픈소스 도구는 Kubeflow, MLflow처럼 확장성과 유연성이 뛰어나며, 사용자 환경에 맞게 커스터마이징이 가능하다는 장점이 있습니다. 반면 상용 솔루션은 초기 설정과 유지보수가 간편하고 UI가 직관적인 경우가 많아 빠른 도입에는 유리합니다. 성능 차이는 크게 차이나기보다는 현재 AI-PaaS는 편의성 향상측면이 많습니다. 확장성은 커스텀 tool 등록 지원을 통해 최대한 지원할 수 있도록 하고 있습니다.

이노그리드는 AI-PaaS 설계 시 오픈소스 중심, GitOps 선언형 관리, 자원 추상화 계층 구성을 통해 특정 클라우드 벤더에 종속되지 않는 멀티클라우드 이식성과 운영 독립성을 확보했습니다. 결과적으로, AI 워크플로우와 모델을 다양한 환경에서 유연하게 운영·이전할 수 있는 구조를 갖추고 있습니다.

AI-PaaS 플랫폼은 오픈소스 기반으로 운영 중인 프로젝트로, 단순한 기능 제공을 넘어 MLOps 파이프라인을 손쉽게 구성하고 이용할 수 있도록 개발하고 있습니다.

핵심 고려사항은 개발 및 운영에 있어 계획성이 상당히 중요합니다. 이노그리드에서는 이를 쉽게 제공하기 위해서 추상화를 통해 제공하고자 노력합니다.

데이터 연계는 저장소의 경우는 Ceph, S3 연동을 지원하며, 벡터 DB 일부를 지원합니다. 나머지 레거시 시스템 지원은 향후 워크플로우에 커스텀 API/Tool을 연계할 수 있는 기능을 통해 workflow 상에서 연계 가능합니다.

안녕하세요. AI-PaaS 플랫폼은 MLflow 실험 추적, Kubeflow 파이프라인 자동화를 결합해 개발부터 배포·모니터링까지 일관된 MLOps 워크플로우를 제공합니다. 하반기 출시 예정이라 운영 효율성 향상 관련해서는 구체적인 사례는 추후 공유드릴 수 있을 것 같습니다.

UI/UX로 가능한 노코드 기반으로 학습 및 배포할 수 있도록 개발되고 있습니다. 전문가가 아닌 사용자도 편리하게 이용할 수 있게 지원 예정입니다. 데이터 분석 부분은 간단한 전처리만 지원하고 있어 추가 상세 내용은 향후 고도화 예정입니다.

안녕하세요. AI-PaaS 플랫폼은 클라우드부터 플랫폼 서비스까지 한번에 배포 가능하게 패키징되어 개발하고 있습니다. 오픈소스 기반으로 연동하여 개발하고 있으나 레거시 시스템을 이미 구축하여 운용중이시면 연동이나 마이그레이션은 아직 제약이 있습니다. 데이터의 경우 제공하는 Tool을 통해 AI-PaaS 저장소에 연동 혹은 기종 ceph, s3 스토리지 Key를 연동하여 데이터를 가져갈 수 있습니다. 현재 AI-PaaS 플랫폼을 공개SW 개발단계로 올해 하반기 출시 예정입니다.

AI-PaaS 도입 시, 레거시 시스템과는 API/메시징 연동, 데이터는 단계적 마이그레이션으로 접근해야 하며, 실시간 요구와 민감 데이터를 구분하여 처리하는 하이브리드 아키텍처가 효과적입니다. 이노그리드는 실제로 AI 모델과 레거시 시스템을 API 기반으로 연결한 프로젝트를 현재 계획 중입니다.

[답변] 멀티 클라우드 환경에서 CI/CD 과정이 복잡하고 관리 포인트가 많을 수 있으며, 그만큼 보안 취약점이 생길 가능성이 높습니다. 그리 생각하여 무엇보다 중요한 것은 CI/CD 과정의 통일성 및 관리로 생각합니다. 그에 맞춰 이노그리드는 통합된 CI/CD 프로세스를 제공하여 보안 관리의 부담을 덜고 관리 편리하게 하는데 집중하고 있습니다.