[제138회 정보관리기술사 4교시 1번] AIOps — ML 기반 이상탐지·RCA·자동화 IT 운영 완전 해설

출제 의도 분석

클라우드 네이티브 전환과 마이크로서비스 확산으로 IT 운영 환경이 폭발적으로 복잡해지면서 AIOps는 대형 IT 조직의 필수 역량이 됐습니다. 단순한 자동화를 넘어 머신러닝 기반 이상 탐지와 근본 원인 분석이 핵심 차별점입니다. 관찰가능성(Observability)과 연계하여 서술하면 완성도가 높아집니다.

가. AIOps 개념과 기존 IT 운영과의 차이

AIOps(AI for IT Operations)는 빅데이터, 머신러닝, 자동화를 결합하여 IT 운영의 이상 탐지·근본 원인 분석·자동 치유를 수행하는 지능형 IT 운영 체계입니다. Gartner가 2016년 처음 정의한 개념으로, 기존 ITSM(IT Service Management)의 한계를 AI로 극복합니다.

구분	전통적 IT 운영	AIOps
모니터링	임계값(Threshold) 기반 알림	동적 베이스라인, 이상 패턴 자동 탐지
장애 대응	수동 로그 분석, 전문가 경험 의존	AI 기반 자동 근본 원인 분석, MTTR 단축
알림 노이즈	오탐(False Positive) 과다	상관관계 분석으로 알림 90% 이상 노이즈 제거
처리 속도	장애 감지까지 수 시간	실시간 스트리밍 분석으로 수 초 내 감지
예방 관리	사후 대응 중심	예측 분석으로 장애 사전 예방

나. AIOps 핵심 기능과 데이터 처리 파이프라인

핵심 기능:

• 토폴로지 기반 상관관계 분석: 수천 개 알림 중 동일 근본 원인에서 파생된 것들을 자동 그룹화
• 동적 베이스라인: 시간대·요일·계절성을 학습하여 정상 범위를 동적으로 정의
• 자동 치유(Auto-Remediation): Runbook 자동화로 일반적 장애를 인간 개입 없이 자동 복구
• 용량 예측(Capacity Planning): 향후 리소스 부족 시점을 예측하여 선제적 확장

다. 이상 탐지와 근본 원인 분석 방법론

이상 탐지 기법	특징	적합 데이터
통계적 방법 (Z-score, IQR)	단순, 해석 용이, 분포 가정 필요	정규분포 메트릭
Isolation Forest	고차원 데이터 효과적, 비지도 학습	다차원 메트릭
LSTM (시계열)	시계열 패턴 학습, 계절성 반영	시계열 로그, 메트릭
Autoencoder	정상 패턴 학습 후 재구성 오류로 탐지	로그 텍스트, 트레이스

RCA(근본 원인 분석) 방법:

• 인과 그래프(Causal Graph): 서비스 의존성 토폴로지에서 장애 전파 방향 추적
• 분산 추적(Distributed Tracing): Jaeger·Zipkin으로 마이크로서비스 간 요청 추적
• 변경 상관관계: 배포·설정 변경 이벤트와 이상 발생 시간 상관관계 분석

라. 도입 고려사항과 성숙도 단계

성숙도	특징	핵심 역량
Level 1: 수집	메트릭·로그·트레이스 통합 수집	Observability 플랫폼 구축
Level 2: 탐지	ML 기반 이상 탐지, 노이즈 감소	동적 임계값, 알림 상관관계
Level 3: 분석	자동 근본 원인 분석, 토폴로지 매핑	RCA 자동화, 서비스 맵
Level 4: 자동화	자동 치유, Runbook 자동 실행	ChatOps, Auto-Remediation
Level 5: 최적화	예측 기반 선제 조치, 자율 운영	AIOps + FinOps 통합