인공지능(AI)에 대한 관심이 폭발적으로 증가하면서 비즈니스 세계 전체에 충격파가 퍼지고 있습니다. 모든 업계에서는 미래를 위해 AI에 투자하는 것에 따를 파급 효과와 투자에 실패했을 때의 영향을 파악하기 위해 고심하고 있습니다.
최근 몇 달 동안 콘텐츠를 빠르게 제작하기 위한 생성형 AI를 중심으로 많은 보도가 나왔습니다. 하지만 단순히 특이한 이메일을 보내는 데 그치지 않고 AI의 진정한 혁신적 잠재력을 활용하고자 하는 사람들에게는 AI가 완전히 다른 차원의 문제입니다. 이 기술이 사람들이 상상하는 수준의 영향력을 발휘하려면 AI가 학습할 수 있는 많은 학습 데이터에 액세스할 수 있 어야 하고, 상당한 컴퓨팅 성능이 필요합니다.
문제는 이 두 가지 기본 사항이 모두 필수적이지만, 스토리지와 데이터 관리 측면에서 어려움이 따른다는 점입니다. 그러므로 AI 애플리케이션의 데이터를 저장하고 처리하는 데 클라우드가 가장 적합한 솔루션이 된 것은 놀라운 일이 아닙니다.
클라우드 스토리지는 방대한 양의 데이터를 처리할 수 있는 유연하고 확장 가능하며 비용 효율적인 솔루션을 제공합니다. 따라서 클라우드 스토리지와 AI 앱은 완벽한 궁합을 이룹니다. 이들은 함께 머신 러닝 모델이 새로운 입력을 기반으로 예측이나 결정을 내릴 수 있도록 하는 학습 데이터의 저장소 역할을 합니다.
예를 들어 어느 은행에서 AI 기반 사기 감지 시스템을 개발한다고 가정해 보겠습니다. 머신 러닝 모델이 작동하려면 지출된 현금의 양, 지출된 돈의 용도, 거래가 발생한 장소 등 풍부한 거래 데이터가 필요합니다. 그러면 AI 프로그램이 이상 징후를 발견하고, 의심스러운 활동을 표시하며, 사기 행위를 찾아내는 방법을 학습할 수 있습니다.
이 모든 데이터를 대조하는 것은 그 자체로도 엄청난 작업입니다. 하지만 이는 AI 기반 사기 방지 시스템이 작동하는 데 필요한 데이터 양과 처리 능력에 비하면 아무것도 아닙니다.
이 문제를 해결하는 한 가지 방법은 은행에서 자체 물리적 인프라에 투자하거나 유지 관리할 필요 없이 거래 데이터를 저장하고 분석할 수 있는 타사 클라우드 스토리지 공급자를 이용하는 것입니다.
프로젝트가 성장함에 따라 은행에서는 사기 방지 AI 시스템에 여러 클라우드를 사용하여 비용을 절감하고 금융 규제를 준수할 수 있도록 할 수 있습니다. 프로젝트가 탄력을 받으면 은행에서는 AI 프로그램이 데이터를 '학습'할 수 있도록 하는 교육 단계를 실행하는 데 하나의 클라우드 플랫폼을 사용하고, 사기 방지 예측을 하는 '추론' 단계에서는 다른 클라우드 플랫폼을 사용하기로 결정할 수 있습니다.
이러한 멀티 플랫폼 접근 방식은 AI 시스템 개발에서 흔히 볼 수 있습니다. 하지만 이는 기업에서 AI의 잠재력을 활용하기 위해 여러 클라우드 공급자가 제공하는 다양한 클라우드 플랫폼 간에 데이터를 계속 이동시켜야 한다는 것을 의미합니다.
하지만 문제가 하나 있습니다. 서로 다른 플랫폼 간에 데이터를 이동시키는 경우 송신 또는 데이터 전송 수수료가 부과될 수 있습니다. 이는 클라우드 서비스 공급자가 네트워크 외부로 데이터를 전송할 때 부과하는 요금입니다.
문제는 송신 수수료는 상대적으로 적지만, 특히 여러 클라우드 공급자를 활용하고 방대한 양의 데이터를 전송하는 조직의 경우 빠르게 늘어날 수 있다는 점입니다.
데이터 전송에 대하여 때로는 '세금'으로 간주되기도 하는 송신 수수료를 최소화하기 위해 일부 클라우드 공급자는 고객이 데이터를 클라우드 내에만 저장하고 AI 모델을 학습시키도록 권장하고 있습니다. 그렇죠, 그렇게 하면 송신 수수료가 필요하지 않습니다. 하지만 이 접근 방식이 항상 실행 가능한 것은 아닙니다. 또한 이것이 반드시 모범 사례라고 할 수도 없습니다.
이 문제에 대한 확실한 해결책은 송신 수수료를 완전히 폐지하여 데이터가 경제적 제약 없이 자유롭게 이동할 수 있도록 하는 것입니다. 이 수수료가 없어진다면 기업에서는 여러 클라우드에 걸쳐 데이터를 저장하고 분석할 수 있게 되어 최고의 도구를 사용할 수 있게 될 것입니다. 추가 비용 없이 말입니다.
그러한 조치는 조직에서 비용 증가에 대한 걱정 없이 AI의 잠재력을 충분히 활용할 수 있도록 지원합니다.
송신 수수료가 없는 클라우드 스토리지 모델이 구현되면 조직에서는 상당한 비용을 절감할 수 있으며, 다른 필수 비즈니스 영역을 위한 리소스를 확보할 수 있습니다. 또한 단일 클라우드 공급자에 의존하는 데 따른 위험이 없어지므로 안정성을 높이고 운영 중단 에 대한 보호 기능을 강화할 수 있습니다.
가장 중요한 것은 송신 수수료가 폐지되면 혁신이 촉진될 수 있다는 점입니다. 멀티 클라우드 아키텍처로 제공되는 유연성 덕분에 기업에서는 특정 업무에 가장 적합한 공급자를 손쉽게 선택할 수 있습니다. 이를 통해 조직에서는 비용이나 제약에 구애받지 않고 AI 및 기타 첨단 기술을 활용하여 실험과 혁신에 집중할 수 있습니다.
AI로 산업과 사회 전반이 혁신되리라는 데는 의심의 여지가 없습니다. 하지만 이 혁신은 클라우드 컴퓨팅, 스토리지, 플랫폼 간에 방대한 양의 데이터 이동이 없다면 불가능합니다.
이미 강조했듯이 송신 수수료 문제는 단순한 비용만의 문제가 아닙니다. 이는 혁신을 가로막는 장벽입니다. 클라우드에서 AI의 밝은 미래를 보장하려면 송신 수수료를 없애는 것이 필수적입니다. 이것이 바로 2018년에 Cloudflare에서 Azure, Google Cloud, Oracle, Alibaba Cloud 등과 함께 고객의 송신 수수료 절감을 위해 Bandwidth Alliance를 설립하여 고객의 송신 요금 절감을 지원한 이유의 일부입니다.
이러한 접근 방식을 채택하면 조직에서는 클라우드 간 데이터 전송과 관련된 비용에 대한 걱정 없이 AI의 잠재력을 최대한 활용할 수 있습니다. 이 는 또한 멀티 클라우드 스토리지의 중요한 발전을 의미하며, AI 및 데이터 관리 분야에서 보다 효율적이고 혁신적이며 유망한 미래를 위한 기반이 마련됩니다.
이 글은 오늘날의 기술 의사 결정자에 영향을 주는 최신 동향 및 주제에 대한 시리즈 중 일부입니다.
이 글은 원래 Business Reporter용으로 작성되었습니다.
John Engates — @jengates
Cloudflare 필드 CTO
이 글을 읽고 나면 다음을 이해할 수 있습니다.
송신 수수료가 데이터에 대한 세금으로 간주되는 이유
송신료 없는 개체 스토리지 모델
송신 수수료 폐지가 AI의 잠재력을 최대한 끌어내는 데 미치는 영향
시작하기