DevOps 자동화의 도전과 기회: 2023 Pulse Report의 인사이트
DevOps 자동화의 향상을 위한 노력은 기업에 상당한 이점을 제공하고 있지만, 조직들은 데이터 관련 장애물과 인공지능(AI)의 활용 필요성에 직면해 있습니다. Dynatrace의 2023 DevOps Automation Pulse Report에 따르면, 현재 전체 DevOps 프로세스의 56%가 자동화되어 있지만, 정기적인 자동화 전략을 수립한 조직은 38%에 불과합니다.
보고서는 효과적인 자동화를 저해하는 여러 우려사항을 강조합니다. 보안 문제, 데이터 운영의 어려움, 도구 체인의 복잡성은 중요한 주요 장애물로, 54%의 IT 기업이 이를 심각한 문제로 보고했습니다. Dynatrace의 CTO Bernd Greifeneder는 “팀들이 데이터 사일로와 수작업에 얽매여 있어, 소프트웨어 품질과 보안을 보장하면서 혁신을 진정으로 향상시키기 위해서는 통합된 AI 기반 접근 방식이 필요하다”고 언급했습니다.
자동화에서 데이터와 기술의 역할
Dynatrace의 연구 결과에 따르면, 자동화는 비즈니스 개선에 긍정적인 상관관계를 보입니다. 설문 조사에 응답한 참가자들은 자동화 덕분에 소프트웨어 품질이 61% 향상되었고, 직원 만족도가 58% 증가했으며, 배포 실패가 57% 감소하고 IT 비용이 55% 줄어들었다고 보고했습니다.
하지만 자동화 결정을 위한 데이터 활용에는 여전히 도전 과제가 존재합니다. 주요 장애물은 접근할 수 없는 데이터(51%), 데이터 사일로(43%), 분석을 위한 여러 시스템의 데이터 집계 필요성(41%)입니다. 또한, 응답자의 54%가 자동화 프로젝트에 대해 도구 통합과 팀 협업을 촉진하는 플랫폼에 투자하고 있지만, 7개 이상의 서로 다른 도구에 의존하고 있는 것은 여전히 분절화가 큰 장벽임을 나타냅니다.
기술 격차는 문제를 더욱 복잡하게 만듭니다. 응답자의 56%가 스크립트 언어의 숙련도 부족을 자동화 노력을 진전시키는 주요 장애물로 지적했습니다.
효율성을 위한 대형 언어 모델 활용
보고서에서 제시된 한 가지 유망한 해결책은 대형 언어 모델(LLM)의 활용을 통해 업무 부담을 덜어주는 것입니다. 응답자의 57%가 LLM이 생산성을 높이고 수작업을 줄이는 데 도움이 될 것이라고 믿고 있으며, 48%는 이러한 모델이 자동 코드 생성을 지원할 가능성을 보고 있습니다. LLM은 특정 작업을 최적화하기 위해 기존 데이터 세트로 미세 조정하거나, IT 작업 자동화를 위해 특별히 설계된 Owl과 같은 전문 모델을 활용할 수 있습니다.
Dynatrace는 성공적인 DevOps 팀이 데이터 성숙도와 대형 언어 모델을 결합하여 "정확성과 예측"을 달성해야 한다고 강조합니다. Greifeneder는 "데이터 기반 자동화는 클라우드 네이티브 애플리케이션 시대에 혁신을 열고 고객 기대에 부응하기 위해 필수적이다"고 주장합니다. 스코프가 제한된 전통적인 AI 방법과는 달리, 예측적, 인과적, 생성적 기술을 통합한 플랫폼은 다양한 DevOps 자동화 과제를 해결하는 데 탁월할 수 있습니다.
결론적으로, 고급 DevOps 자동화로의 여정은 여러 장애물로 가득 차 있지만, AI와 개선된 데이터 전략의 통합은 오늘날의 경쟁 환경에서 효율성을 높이고 생산성을 증대시키며 혁신을 촉진하는 유망한 경로를 제공합니다.
순위 목록
