통신 산업의 AI 이해

인공지능(AI)은 지능과 문제 해결을 시뮬레이션하는 프로세스와 알고리즘을 포괄합니다. 머신 러닝(ML)과 딥러닝(DL)은 알고리즘을 사용하여 데이터에서 패턴을 감지하고 예측하는 AI의 하위 집합입니다.

최근에는 AI, ML 및 DL 애플리케이션의 발전(예: 손쉽게 사용할 수 있는 대규모 언어 모델(LLM))이 유통 산업의 맞춤형 추천과 금융 산업의 사기 감지를 비롯한 여러 산업의 새로운 활용 사례로 이어졌습니다. 통신 산업의 경우 이러한 혁신이 비즈니스의 일부로 자리 잡았습니다.

많은 주요 통신사가 여러 해 동안 예측 AI를 사용하여 운영의 효율성을 높여 왔습니다. 일부는 생성형 AI를 사용하여 더 나은 고객 경험을 제공하고 시장에서 경쟁력을 높이기도 합니다. 그러나 통신 산업에 AI를 적용하면 초기 자본 지출, 보안, 대용량 데이터 처리 시 문제점 등 여러 장애물에 직면하게 됩니다. IT 솔루션은 AI 툴을 효율적이고 경제적으로 사용하여 신규 매출을 창출하는 동시에 고객 정보를 보호하는 데 도움이 됩니다.

AI 애플리케이션은 다음과 같이 여러 통신 비즈니스의 과제를 해결하는 데 도움이 됩니다.

• 비용 상승. 통신사는 경쟁력 유지를 위해 업그레이드에 막대한 양의 리소스를 투자해 왔습니다. 예를 들어, 5G와 AI를 통해 약속한 신규 서비스와 애플리케이션을 제공하기 위해 네트워크를 혁신하기 위한 인프라에 많은 투자를 했습니다. AI를 사용해 네트워크의 효율성을 강화하거나 유지 관리 비용을 이러한 낮추면 비용 증가가 미치는 영향을 완화할 수 있습니다.
• 경쟁. 경쟁업체의 서비스가 확장되면서 고객 기대치가 높아짐에 따라 경쟁이 더욱 치열해지고 있습니다. 서비스 챗봇이나 더욱 효율적으로 관리되는 네트워크 트래픽 등 AI로 인해 강화된 신규 서비스를 제공하면 경쟁 통신사에 필적하거나 그보다 앞서는 데 도움이 됩니다.
• 네트워크 관리 및 복잡성. 트래픽 증가에 따라 글로벌 네트워크 복잡성이 증가하면서 이를 관리할 리소스가 더 많이 필요하게 되었습니다.
• 데이터 처리 능력의 부족. 고객 풀을 통해 여러 유용한 데이터가 많이 생성됩니다. 그러나 이러한 데이터를 분석하여 더 효율적이고 효과적으로 고객에게 서비스를 제공할 수 있는 리소스가 부족한 통신사가 많습니다.

AI/ML을 적용하면 통신 산업의 이러한 과제를 해결할 수 있습니다. 다음은 몇 가지 활용 사례입니다.

• 네트워크 최적화. AI는 네트워크 트래픽을 분석하여 트래픽 정체를 예측하고 트래픽을 리라우팅하여 속도 저하를 방지하는 데 도움이 됩니다. 이를 통해 더 나은 고객 경험을 제공하고 불필요한 비용을 방지할 수 있습니다.
• 네트워크 보증 및 예측적 유지 관리. AI는 과거 데이터를 분석하여 네트워크 및 네트워크 인프라의 영역에 장애가 발생할 가능성이 높은 시점을 예측할 수 있습니다. 그 결과 유지 관리를 사전 예방적으로 계획할 시간을 충분히 확보하고, 이를 통해 비용도 절약할 수 있습니다. 
• 네트워크 효율성. 고품질 음성 및 동영상에 예측 AI를 적용하면 네트워크 트래픽 사용량을 줄일 수 있습니다. 예를 들어, FEC(Forward Erasure Correction) 또는 ECC(Erasure Correcting Code)를 사용하면 수리 패킷을 미리 생성하여 패킷 손실의 영향으로부터 데이터를 보호할 수 있습니다. 이러한 패킷은 손실된 데이터를 재생성하는 데 사용할 수 있습니다.
• 서비스 챗봇. AI 모델은 챗봇을 사용해 일반적인 문제를 해결함으로써 고객 서비스 요청 속도를 높여주므로, 직원이 에스컬레이션이나 기타 문제를 처리할 수 있는 시간을 확보할 수 있습니다.

AI를 활용해 통신 비즈니스의 과제를 해결할 수 있다는 사실에도 불구하고, AI 기술 도입이 어려운 경우가 많습니다. 고객의 망설임, 개인정보 보호에 대한 우려, 높은 비용 등과 같은 장벽이 실제 만연해 있으며, 이는 산업의 신속한 발전을 저해합니다.

AI에 대한 불신
고객은 챗봇보다 직원과 상호 작용하는 것을 선호하여 AI 솔루션 사용을 주저할 수 있습니다. 이러한 현상은 서비스 문제를 다루는 시나리오에서 특히 두드러집니다. 새로운 것에 대한 두려움이나 익숙한 레거시 시스템의 편안함 등 여러 이유에서 비롯된 고객의 망설임은 AI로의 완전한 이전을 가로막을 수 있습니다.

데이터 품질
데이터 품질은 예측적 유지 관리나 서비스 자동화와 같은 데이터 집약적인 AI 애플리케이션의 성공을 위해 매우 중요합니다. 이러한 애플리케이션의 효율성은 애플리케이션이 처리하는 데이터의 품질에 따라 달라집니다. 예를 들어, 데이터 품질이 낮을 경우 AI 모델은 유지 관리의 필요성을 정확하게 예측하지 못할 수 있습니다. 따라서 하이브리드 클라우드 환경 전반에서 AI 지원 애플리케이션을 규모에 맞게 생성하고 제공하는 데 도움이 되는 플랫폼을 구현하여 모델에 제공되는 데이터의 정확성과 적합성을 보장하는 것이 필수적입니다.

기존 인프라와의 호환성
통신사는 AI 서비스를 5G 네트워크 및 레거시 시스템과 통합해야 합니다. 그러려면 현대적인 네트워크와 기존 네트워크를 모두 지원하고 AI 워크로드를 처리할 수 있는 통합 플랫폼이 필요합니다.

개인정보 보호에 대한 우려
AI 모델링에서는 고객 개인정보 보호가 필수적입니다. 통신사는 데이터가 공급되는 위치, 데이터에 액세스할 수 있는 항목, 노출에 취약한 데이터를 파악할 수 있도록 신뢰할 수 있는 AI 툴의 에코시스템과 통합되는 AI 플랫폼이 필요합니다. 이는 클라우드 환경에 관계없이 종합적인 운영, 관측성 및 보안을 구현하는 일관되고 신뢰할 수 있는 AI 워크로드용 플랫폼을 통해 실현할 수 있습니다.

비용
네트워크의 규모와 복잡성을 고려할 때 AI를 통신 서비스에 통합하는 비용은 상당합니다. 따라서 각 AI 활용 사례에 대한 잠재적인 ROI(투자 수익률)를 신중하게 평가하여 초기 지출을 정당화해야 합니다.

인재 확보
숙련된 전문 인력을 고용하는 것이 중요합니다. 통신은 전문 분야입니다. 따라서 AI 전문 인력은 데이터 사이언스 기술 역량과 더불어 대규모 네트워크 시스템의 복잡성을 다룬 경험이 있어야 합니다. 이러한 두 가지 전문성을 동시에 갖추는 것은 업계에서 AI 기술을 효과적으로 구현하고 관리하기 위해 반드시 필요한 요소입니다.

기존 인프라와 호환되는 보안 중심의 플랫폼을 기반으로 양질의 데이터로부터 유용한 서비스를 구축하는 과제를 어떻게 해결할 수 있을까요? 그리고 많은 IT 전문가들에게 이미 익숙한 플랫폼을 어떻게 찾을 수 있을까요? Red Hat이 도와드리겠습니다.

Red Hat의 전문성, 파트너 에코시스템, 기반 기술은 적합한 데이터를 사용해 AI 모델 및 애플리케이션을 생성, 배포, 모니터링하여 고객이 신뢰할 수 있는 서비스를 구축하는 데 도움이 됩니다. Red Hat은 오픈소스 기술을 통해 통합 플랫폼에서 데이터 사이언티스트, 개발자, 운영 팀을 통합합니다. 따라서 조직은 인사이트를 확보하고 지능형 애플리케이션을 빌드할 수 있습니다. 그리고 이 통합 플랫폼은 모두 기존 시스템과 연동하는 업계 표준의 환경이자 플랫폼인 Red Hat® Enterprise Linux® 및 Red Hat OpenShift®를 기반으로 구축됩니다.

내부 툴은 팀이 투명성과 제어를 통해 AI 애플리케이션과 ML 모델을 운영화할 수 있는 공통 플랫폼을 제공하는 Red Hat OpenShift AI와 결합됩니다. OpenShift AI는 팀이 실험하고, 모델을 서빙하고, 혁신적인 애플리케이션을 제공할 수 있도록 신뢰할 수 있고 일관된 운영을 지원하는 기능을 제공합니다. Red Hat OpenShift AI는 IBM과 같은 파트너, Hugging Face와 같은 오픈소스 리소스로부터 제공되는 파운데이션 모델, 또는 조직 내부적으로 개발된 파운데이션 모델을 사용하여 모든 것을 통합하는 단일 AI 애플리케이션 플랫폼을 제공합니다.

물론 AI 워크로드는 조직의 다른 현대적인 애플리케이션과 마찬가지로 컨테이너에서 실행됩니다. Red Hat OpenShift는 이러한 AI 워크로드에 적합한 확장 가능한 애플리케이션 플랫폼을 제공합니다. 고객은 이 플랫폼을 통해 Red Hat 파트너인 NVIDIA, Intel 등과 같은 선도적인 기업의 하드웨어 가속기를 사용할 수 있습니다.

Red Hat Enterprise Linux AI는 오픈소스 라이센스 대규모 언어 모델(LLM)로 구성된 IBM Granite 제품군과 LLM 기능 강화를 위한 커뮤니티 주도 솔루션인 InstructLab을 결합합니다. 이 플랫폼을 통해 조직은 엔터프라이즈 애플리케이션을 위한 Granite 제품군 LLM을 개발, 테스트, 실행할 수 있습니다. Red Hat Enterprise Linux AI는 인지도가 상대적으로 낮기 때문에 AI 모델을 실험하고 구축하는 데 따른 비용과 리소스 장벽을 없애는 데 적합한 플랫폼입니다. 한편 이 플랫폼은 차세대 지능형 워크로드를 지원하는 데 필요한 툴, 데이터, 개념을 제공합니다.

좋은 플랫폼은 Red Hat 안팎으로 최고 수준의 툴과 연결되어야 합니다. Red Hat의 파트너 에코시스템은 AI 기반의 지능형 애플리케이션을 위한 모델을 생성, 배포, 관리하는 솔루션을 제공합니다.

Red Hat은 AI 및 ML 모델의 개발과 배포를 간소화하는 신뢰할 수 있고 확장 가능한 플랫폼을 통신사에 제공함으로써 현대적인 통신 산업을 발전시키는 데 전념하고 있습니다. 강력한 파트너십과 유연한 솔루션을 통해 Red Hat과 파트너는 지속적으로 증가하고 변화하는 AI 복잡성에 대응할 수 있으므로 언제든지 고객을 지원할 수 있습니다.