태터데스크 관리자

도움말
닫기
적용하기   첫페이지 만들기

태터데스크 메시지

저장하였습니다.

엑기스 | XAIOps 톺아보기 2 - 엑셈의 기술력이 집대성된 솔루션

기술이야기/엑.기.스 2020. 8. 10. 15:29




지난 ‘XAIOps 톺아보기 1’에 이어, 이번 시간에는 본격적으로 XAIOps(싸이옵스)에 대해서 알아보겠습니다. 




XAIOps


AI기반 IT 운영 지능화 솔루션 XAIOps(싸이옵스)는 시스템 부하와 장애의 빠르고 정확한 예측, 부하의 패턴 분석과 비정상 탐지를 통한 종합적인 근본 원인 분석, 지능적 미래 장애 예측을 통한 선제적 대응, 예측된 비정상 및 장애에 대한 지능적인 스마트 알람 등으로 신속하고 능동적인 문제 해결을 가능하게 한다. 그 뿐만 아니라 XAIOps는 실시간 매트릭 데이터를 기반으로 분석하기 때문에 ‘장애 발생 후 수 분 이내 근본 원인 도출’이 가능한 강력한 성능을 보유하고 있다. 


<XAIOps(싸이옵스)의 실시간 모니터링 뷰>


운영에 문제가 되는 장애들을 해결하는 데 통상 짧으면 수십 분, 치명적인 경우 2~3시간이 소요되는 현실에 비추어 볼 때, XAIOps(싸이옵스)는 실무자들의 부담을 크게 덜어줄 것으로 예상된다. 또한 해외 시장 조사 업체에 따르면 글로벌 AIOps 시장은 연간 27% 이상 고속 성장이 예상되며, 이에 따라 국내 AIOps 시장 수요 또한 제1금융권을 중심으로 급속히 성장하고 있어 XAIOps의 성장세가 기대된다. 특히 코로나19 이후 엄격한 비대면(untact) 트렌드와 재택근무 등 기업 운영 방식의 변화와 더불어 하루가 다르게 거대하고 복잡해지는 IT 비즈니스 환경에서 IT 운영에서의 AI 자동화 요구가 전례 없는 속도로 증가하고 있다. 




딥러닝 기반 "부하 예측(Load Forecast)"

 

<XAIOps(싸이옵스)의 부하 예측 기술>


주요 지표들에 대한 미래 부하를 사전에 예측하는 기술로, 딥러닝(Deep Neural Network) 기술 중에 하나인 DNN Regression 모델을 사용하여 여러 input 지표들에 대해 다차원 hidden layer간의 연관 분석을 통해 결과 지표를 도출하는 예측 모델과 별도의 잔차(residual) 예측 모델을 추가(ICP: Inductive Conformal Production)하여 신뢰도(default:95%) 기준의 범위로 최종 예측 결과를 도출하는 방식을 도입하였다.


XAIOps는 이러한 딥러닝 모델을 최적화하여 다양한 영역의 WAS, DB, Systerm 등의 지표들에 대한 30분이내 단기 부하 예측을 통해 장애 발생 가능성을 사전에 예측/제시하여 선제적인 장애 대응을 할 수 있는 중요한 기준을 제시할 수 있게 되었다.

이는 일반적인 머신러닝 기술을 적용한 경쟁 솔루션 대비 약 15%이상의 예측 정확도를 보장할 만큼 고도화·정교화 되었다고 본다.




지표별 최적의 “이상 탐지(Anomaly Detection)” 모델 제시


IT운영에서 발생되는 시계열 성능 데이터는 데이터 발생 유형과 성격에 따라 특정한 모델 하나로 학습할 경우 이상 탐지 여부의 정확도에서 신뢰도가 떨어진다. 따라서 XAIOps는 각 지표별로 최적의 성능을 제시할 수 있는 최적의 3가지 알고리즘 모델을 제시하여 최적의 이상 탐지를 찾아낼 수 있도록 고도화하였다. 


1) Baseline 기준 이상 탐지 모델


2) Autoencoder 모델


3) Robost Autoencoder 모델



이상 트랜잭션 탐지


<이상 트랜잭션 탐지 모델>


WAS 모니터링을 하다보면 응답시간이 지연되는 트랜잭션에 대해 method level trace 분석을 필요시 진행하는 경우가 있다. 이를 장애시 마다 매번 찾아서 분석하는 작업을 머신러닝 기술인 K-Means Clustering 알고리즘을 적용하여 트랜잭션별 call trace를 학습시킴으로서 평상시와는 다른 패턴으로 실행된 이상 트랜잭션/거래를 자동 추출할 수 있게 되었다. 이렇게 추출된 데이터를 기반으로 시각적으로 빠르게 판단하고 분석할 수 있도록 하는 이상 트랜잭션 탐지 모델은 XAIOps 만의 고유 기술이다.




근본 원인 분석(Root Cause Analysis)

<XAIOps의 장애 근본 원인 제시 뷰>


시간 부하 예측, 이상 탐지 및 상관관계/인과관계 분석 기능 등을 통해 장애 발생시 근본 원인에 대한 추론을 최대한 빠르게 제시하는 부분이 가장 핵심 기술 중 하나이다. 장애에 대한 빠른 탐지(MTTD: Mean Time To Discovery)와 발생된 장애를 최대한 빠르게 분석하여 복구할 수 있도록 제시(MTTR: Mean Time To Recovery(Repair))할 수 있는 부분이 엑셈만이 제시할 수 있는 IT 운영의 노하우의 집대성이라 할 수 있다. 장애 인지와 동시에 장애 근본 원인을 요약 제공하는 “Summary Information” 부분과 하단에 각 영역별(Transaction, WAS, DB, OS 등) 해당 시점의 문제 포인트를 함께 상세하게 제공하여 빠른 장애 판단이 가능하도록 한다.



AI(인공지능) 특허 취득


엑셈은 지난 7월, AI(인공지능)를 활용한 이상 탐지 관련 특허 2건을 취득했다. 2건의 특허는 머신러닝 기술을 적용하여 정상 데이터와 비정상 데이터를 분류하기 위한 정상 데이터 범위를 생성하고, 이에 대한 정확도를 높이기 위해 정상 데이터들의 임곗값을 조정하여, 정상 데이터 판단의 정확도와 이상 탐지의 정확도를 향상하기 위한 기술이다. XAIOps에는 본 특허 기술과 유사한 메커니즘과 더욱 최적화한 머신러닝 상세 알고리즘이 적용되었다. 




현재 XAIOps는 국내 다수의 제1금융권, 공공기관, 대형 유통사 등에서 PoC를 성공적으로 수행하며 가시적인 성과를 앞두고 있습니다. 엑셈의 No.1 모니터링 기술력과 IT 운영 관리 경험에 AI 기술이 더해진 XAIOps. 엑셈의 독보적인 AI 기반 IT 인프라 운영 관리 기술과 서비스를 기대해주세요!









기고 | 신기술본부 류길현

편집 | 사업기획팀 박예영










엑기스 | XAIOps 톺아보기 1 : 원천 데이터 수집의 근간

기술이야기/엑.기.스 2020. 7. 2. 10:24






엑셈의 AI(인공지능) 기반 IT 운영 지능화 솔루션 XAIOps(싸이옵스)에 로그프레소의 빅데이터 플랫폼인 ‘로그프레소 엔터프라이즈’를 탑재했습니다. 이를 통해 이상 징후와 장애의 사전 인지 능력과 사후 분석 능력을 동시에 제공할 수 있는 완성도 높은 기술 기반을 마련했는데요. 이번 시간에는 XAIOps가 내부적으로 어떤 데이터 수집 엔진을 적용했는지 알아보겠습니다.




실시간 빅데이터 기술

 

실시간 빅데이터 기술은 배치처리의 대상이 되는 이력 데이터(Historical Data)는 물론 실시간 스트리밍 데이터(Real-time Streaming Data) 처리 기술이 포함되어 있는데, 이번에 XAIOps에서 채택한 실시간 빅데이터 기술은 하나의 엔진에서 이 두 가지 형태의 데이터 처리가 가능하다.


<AIOps Platform에서의 실시간 빅데이터, Gartner그림 편집>


배치처리인 맵리듀스(MapReduce)를 필두로 한 하둡(Hadoop)진영이 빅데이터 시장의 서막을 열었고, 곧이어 실시간 스트리밍 데이터 처리의 필요성이 대두되자 스파크(Spark)가 이끄는 스트리밍 기술이 주목 받기 시작하였다. 이 두 가지 기술의 등장과 함께 람다 아키텍처(Lambda Architecture)가 동거를 시작했다. 그러나 실시간과 배치는 시계열의 스펙트럼에서의 한시적인 구분일 뿐 데이터 자체는 동일했기 때문에, 실시간 시스템에서 생성된 데이터를 다시 배치 시스템으로 밀어 넣는 과정에서 성능 이슈, 정합성의 이슈가 빈번히 발생하게 되어 람다 아키텍처는 사실상 하나의 신화(myth)로 전락하게 되었다. 


또한 람다 아키텍처는 빅데이터에서는 실시간, 배치 빅데이터를 동시에 다루는 것이 필요하며, 특히 양립한 복수의 시스템에 데이터를 전달하는 것은 비효율적이라는 것을 증명하는 계기가 되었다. 그렇기 때문에 XAIOps를 구성할 때 실시간 처리와 배치성 처리를 하나의 엔진에서 수행할 수 있는 빅데이터 처리 엔진의 채택은 아키텍처로 인한 여러 가지 문제를 사전에 차단하는 좋은 선택이었다.




실시간 이벤트 프로세싱 기술


실시간 스트림 처리는 실시간 분석이 가능한 기술이지만, 시간의 흐름에 따라 차곡차곡 처리하는 방식이기 때문에 특정 이벤트가 나중에 나타난 이벤트와 연관을 지어 분석해야 할 경우 배치처리에 의존할 수밖에 없다. XAIOps의 경우에도 복잡한 이벤트에 대해 실시간 알람을 수행해야 하는 경우가 발생하는데, 이를 클라이언트에 집중시키거나 할 경우 복잡도가 급격히 증가하고, 전체 성능도 가늠할 수 없기 때문에 선행 사건과 후행 사건을 연관 지어 실시간 분석하는 방식은 반드시 필요하다. 


이번에 도입한 실시간 빅데이터 기술은 CEP(Complex Event Processing)도 통합되어 있기 때문에 실시간 스트림 처리에서 쿼리 방식으로 활용이 가능하다. 실시간 이벤트 처리는 선행 이벤트가 발생하면 CEP 엔진에 이벤트에 관한 정보를 등록하고 후행 이벤트에서 선행 이벤트가 발생했는지 여부를 확인하는 방식으로 활용된다. 


<실시간 이벤트 활용 예시, 출처: 로그프레소>
 
위 그림의 경우 이상거래탐지시스템(FDS : Fraud Detection System)에서 전형적으로 활용되는 방식으로, 보이스 피싱이 발생하는 경우 입금 이벤트에서 의심 계좌로 등록된 계좌에 입금이 발생하면 CEP 엔진에 입금 이벤트 Topic을 생성하게 된다. 그러나 의심 계좌는 그야말로 의심 계좌이기 때문에 이 입금 자체는 문제가 아니지만, 금융사가 보기에 입금되고 나서 10분 이내에 출금이 되는 경우 보이스 피싱이라고 간주할 수 있다. 이러한 이유로 이 입금 이벤트는 한시적인 기한을 두고 CEP 엔진에 머물러야 하며 이벤트 발생 후 주어진 시간(예를 들어 10분)이 되면 자동으로 CEP 엔진에서 삭제되어야 한다. 이 상황에서 해당 계좌로 출금이 발생하면 CEP엔진에 입금 이벤트가 남아 있는 지만 파악하면 보이스 피싱 여부를 확인할 수 있게 된다. 

즉, 출금 이벤트가 발생했을 때 스트림 쿼리에서 CEP 엔진에 입금 이벤트가 있는지 확인하기만 하면 되는데, 입금한 지 10분 내로 출금을 시도하는 경우 당연히 CEP 엔진을 통해 입금 이벤트가 남아 있는 것이 확인되기 때문에 보이스 피싱으로 탐지가 될 것이고, 10분이 지난 후라면 입금 이벤트는 이미 CEP엔진에서 사라졌을 것이기 때문에 의심 계좌이지만 보이스 피싱이 아닌 정상 거래라고 볼 수 있게 되는 것이다. 

CEP는 사용자가 이벤트 발생 횟수, 이벤트 데이터, 이벤트 시간 등의 여러 가지 방법으로 활용이 가능하여 다양한 방식으로 적용이 가능하며, CEP엔진 자체가 인메모리 기술을 활용하고 있어 마이크로초 단위의 성능을 보여주고 있기 때문에 스트림 쿼리와 함께 사용한다면 완벽한 실시간 처리가 가능하게 된다. 



고속 인덱스 기술


빅데이터에서 다루는 데이터는 상당한 대용량이다. 실시간으로 하루 10GB의 데이터를 처리해서 저장한다고 해도 1년이 되면 3.6TB에 달하게 된다. 실시간 처리 이후에는 이 데이터를 대상으로 검색이나 분석을 수행하게 되기 때문에 고속 검색과 분석 기술을 확보하는 것은 매우 중요하다. 


이 중 검색은 대량의 데이터에서 소량의 일부 데이터를 빠르게 찾아오는 기술이다. 인덱스는 데이터 처리에 있어 거의 기본이기 때문에, 빅데이터 뿐만 아니라 DBMS에서도 일반적으로 사용된다. 그러나 RDBMS에서 주로 사용되는 인덱싱 방식이 B*Tree라면 검색엔진 빅데이터 기술에서 사용되는 인덱스는 역인덱스(Inverted Index)이다.


<빅데이터와 RDBMS 인덱스의 차이점, 출처 : 로그프레소>


B*Tree는 인덱스 컬럼 값에 따라 정렬된 형태로 저장되며 Root, Branch, Leaf 블록을 계층 형태로 구성하여 데이터를 검색할 때 값을 비교하여 탐색하게 된다. Leaf블록에는 순서대로 정렬된 컬럼 값과 함께 실제 데이터가 저장된 위치를 알 수 있는 정보가 있어 이를 통해 원본에 접근하게 된다. 위 그림에서 만약 97이라는 값을 찾는다고 가정하면 Root 블록의 값인 122보다 작기 때문에 왼쪽 Branch 블록으로 이동한다. Branch에서도 비교를 통해 오른편 Leaf 블록으로 이동하고 여기서 순서대로 탐색하여 97을 찾아낸다. 이렇게 B*Tree 인덱스는 정렬이 되어 있어 탐색이 빠른 장점이 있는 반면, 정렬을 유지하기 위해서 데이터가 저장될 때 인덱스의 기록은 순차적으로 되어야 하는 단점이 있다. 또한 나뭇잎이 많은 나무는 가지가 크고 많아지는 것처럼 데이터가 증가함에 따라 인덱스의 깊이가 깊어져 성능이 점차 떨어지게 된다. 이러한 단점으로 인해 B*Tree 인덱스는 빅데이터에서 적합한 솔루션으로 자리 잡지 못하게 된 것이다.


반면 역인덱스는 본래 검색엔진에서 주목받기 시작하여 빅데이터에서도 꾸준히 활용되고 있다. 역인덱스가 다루는 데이터는 보통 비정형/반정형이 많기 때문에 이를 검색에서 활용되는 토큰을 추출하는 토크나이징 과정이 필요하다. 토크나이징만 되면 토큰에 원본을 찾을 수 있는 정보를 계속해서 추가하게 되고, 검색은 토큰에 매달린 주소들로 원본을 찾아가는 방식이다. B*Tree와 달리 인덱싱에 들어가는 비용은 토크나이징과 추가(Append)밖에 없기 때문에 고속의 인덱싱이 가능하고 탐색도 토큰만 빨리 찾기만 하면 성능이 보장된다. 하지만 이 방법도 단점이 존재한다. B*Tree의 경우 탐색의 효율을 위해 생성 시 정렬을 하게 되는데, 역인덱스는 정렬을 하지 않기 때문에 검색 성능이 복불복일 수밖에 없게 된다. 무엇보다 없는 토큰을 찾기 위해서는 모든 토큰을 확인해야 하므로 검색 결과가 0일 때 가장 많은 시간이 소요된다. 또한 탐색 자체가 IO이기 때문에 인덱스의 크기가 커짐에 따라 탐색하는 시간이 비례한다는 것도 문제가 된다. 


XAIOps에서 채택한 기술은 이러한 문제를 역인덱스 뒤에 블룸필터 인덱스를 덧대어 놓는 것으로 해결하였다. 블룸필터는 일종의 해시 함수로 빠른 검색이 가능하도록 해준다. 역인덱스의 결과를 블룸필터 인덱스로 인덱싱을 하게 되면 데이터의 유무와 위치를 고속으로 탐색할 수 있게 된다. 그리고 역인덱스 토큰 정보에 비해 미미한 수준의 크기만 필요하기 때문에 인덱스의 크기에 크게 영향을 받지 않는다. 여기에 인덱싱 과정에서 데이터에 타입을 부여하는 정형화 과정을 거쳐 타입, 필드 형태의 필드 인덱스 기술이 추가되었다. 블룸필터 인덱스가 탐색을 위한 인덱스 아키텍처의 보완이라면 필드 인덱스는 탐색 후 처리를 위한 보완이라고 볼 수 있다. 


토크나이징을 거친다는 것은 모든 데이터를 문자열로 인식한다는 것이 전제되어 있다. 문자열은 숫자와 다른 정렬 방식을 가지는 특성뿐만 아니라 맥락이 존재하지 않기 때문에 이후 재검색이 추가로 필요하게 될 수도 있어 검색 후에서 성능 저하 요소가 잔존하게 된다. 필드 인덱스는 인덱싱 단계에서 데이터의 필드와 타입을 가지고 생성되기 때문에 맥락에 따른 정확한 인덱싱이 가능하며 and/or 조건으로 탐색을 하는 경우에도 탐색 대상을 좁혀서 원본에 접근할 가능성이 커지게 되어 최적의 성능을 보장할 수 있게 해 준다. 이러한 인덱싱 기술에 힘입어 리눅스 서버 한 대에서 1TB 데이터(약 25억건)를 랜덤 인덱스 검색을 수행할 경우 1초 미만의 검색 성능을 보여주고 있다.




컬럼 스토리지 기술


인덱스는 대량의 데이터에서 소량의 데이터를 빠르게 가져오는 기술이다. 그러나 분석, summary의 경우는 대량의 데이터에서 일부 컬럼들 전체를 대상으로 연산을 수행한다. 빅데이터는 처음부터 대량의 데이터에 대한 IO 집약적인 처리 방식을 염두에 두고 나온 기술이기 때문에 분산이라는 기술을 당연하게 여기고 있었다. 그러나 데이터가 점점 더 늘어날수록 분산에 투입되는 서버 자원도 늘어남에 따라 분산의 한계가 드러나기 시작했다. 분산의 노드와 마스터 간의 네트워크를 통한 데이터 교환의 한계가 나타나기 시작한 것이다. 여기에 추가 투입되는 하드웨어 자체의 비용과 관리 비용의 증가도 눈에 띄게 되어 대용량 처리의 제약으로 작용하기 시작했다. 


이와 달리 XAIOps에서 채택한 빅데이터 기술은 하나의 서버에서 확보할 수 있는 성능을 취하는 관점으로 설계가 되어 대용량의 Aggregation을 위해 분산이 아닌 VLDB에서 사용되는 Columnar 기술을 내장하고 있다.


<Row기반 Storage와 Column기반 Storage, 출처: 로그프레소>

 

DW DB에서는 거의 기본으로 row 기반 저장 방식을 사용한다. 우리가 다루는 데이터의 최소 단위는 건(row)이고 이 row는 여러 개의 컬럼으로 구성되어 있다. 기본적으로는 데이터가 들어오는 방식 그대로 row를 차곡차곡 저장하게 된다. 


Columnar는 row 형태로 저장하는 것이 아니라 row를 컬럼 단위로 해체하여 동일한 컬럼끼리 저장하는 방식이다. 이렇게 저장하는 것이 Summary에 특화되는 것은 전체 row가 아니라 일부 컬럼만을 선택하여 연산하는 Aggregation과 같은 분석의 특성 때문이다. 대량의 데이터를 모두 가져와 필요한 컬럼만을 남기고 버리는 것이 아니라, 필요한 처음부터 필요한 컬럼을 가져오도록 하여 최적의 성능을 취할 수 있게 해 주는 것이다. 주목해야 할 점은 정형 데이터가 아니라 로그 데이터와 같은 비정형/반정형 데이터에 대해서도 Columnar를 적용할 수 있다는 점이다. 


XAIOps가 선택한 컬럼 스토리지 기술은 쿼리에서 집계하는 대상 컬럼 데이터를 높은 효율로 읽을 수 있도록, 열 단위로 값 벡터를 나열하여 불필요한 I/O 작업을 회피하고 CPU 캐시 활용을 극대화하고 있다. 이로 인해 스키마리스 컬럼 스토리지 기술은 원본 로그 저장과 포맷의 변화를 수용하면서도 높은 OLAP 분석 성능을 낼 수 있게 된다. 또한 전사 시스템, 애플리케이션 로그 등도 분석의 대상이 될 수 있기 때문에 이러한 형태의 데이터를 Columnar로 다룰 수 있게 되면 장기간 분석도 굉장히 빠른 시간 내에 처리가 가능하게 된다.




JIT 쿼리 컴파일 기술


XAIOps는 AI 기술이 근간을 이루면서 학습을 위한 데이터 전처리는 일정 부분 빅데이터 처리 엔진에서 담당해주어야 전체 시스템의 성능을 보장할 수 있게 된다. 이 작업은 앞서 언급한 단순히 저장된 데이터를 빠르게 가져오는 것이 전부가 아니고 디스크나 메모리에서 획득한 데이터의 연산 성능도 영향을 미치게 된다. 가장 좋은 방법은 연산에 필요한 처리 조직을 최적화하여 미리 컴파일해 놓는 방법이지만, 사이트 별로 요구 사항이 다른 상황에서는 각각 자유롭게 대응할 수 있도록 쿼리를 지원하는 것이 좋다. 이는 이미 수십 년 전 데이터베이스가 도입될 때 증명이 된 사실이기도 하다. 


<고속 연산을 위한 JIT 쿼리 컴파일 기술, 출처: 로그프레소>

 

쿼리를 통해 자유도를 높일 경우 개별 쿼리와 함수들을 순차적으로 처리하는 과정에서 반복된 로직이 최적화되지 않은 상태로 진행될 소지가 다분하다. 이러한 폐단은 어느 시스템에서나 발생할 수 있기 때문에 나열된 쿼리를 기계적으로 순차 수행하도록 놔두어서는 안 된다. 그래서 강구해낸 방안이 JIT 쿼리 컴파일 모델이다. JIT 쿼리 컴파일 기술은 쿼리 실행 시점에 코드를 생성하면서 불필요한 조건 분기와 루프로 인한 오버헤드를 모두 제거함으로써, 빅데이터 쿼리 분석을 실행할 때 최상의 성능을 도출하게 된다. 이를 통해 중첩 join과 같은 복잡한 쿼리를 사용해도 최상의 성능을 나타낼 수 있어 AI로 학습데이터를 가공하는 데이터 탐색의 시간을 최소화할 수 있다. 이 기능은 시스템 전반에 적용되기 때문에 summary, 실시간 처리 등에서도 최적화된 쿼리 성능을 보여주게 된다.


XAIOps는 이러한 다양하고 효과적인 기술이 녹아 있는 빅데이터 엔진을 선택하여 대용량의 데이터, 어떠한 상황이 오더라도 빠르고 정확한 결과를 도출할 수 있도록 한다. XAIOps를 통해 IT업계의 한 전기가 마련될 수 있으리라 기대하고 있다. 



다음 편에는 완성된 솔루션을 확인할 수 있는 'XAIOps 톺아보기 2'가 이어집니다.




기고 | 로그프레소 김한도

편집 | 사업기획팀 박예영










엑셈 인사이트 | 기업의 운명을 좌우할 'AIOps'



최근 코로나19 팬데믹이 가져다 준 엄격한 비대면 트랜드와 재택근무 등의 기업 운영 방식의 변화는 디지털 전환(Digital Transformation)을 앞당기는 트리거로 작용하고 있으며, 특히 기업들은 포스트 코로나 시대를 맞이하여 IT 운영의 연속성과 생산성을 유지하기 위한 대응책 마련에 서두르고 있다. 이를 증명하듯 IT 운영에 AI(인공지능)을 적용해 IT 인프라를 지능적으로 관리하는 솔루션 AIOps(AI옵스)가 '차세대' IT 운영 솔루션으로 각광을 받고 있다. 또한 다수의 기업에서 IT 운영에 대한 AI 자동화 요구가 전례없는 속도로 증가하고 있다. 이와 더불어 많은 IT 전문가들 사이에 포스트 코로나 시대는 AI옵스의 활용 능력 여하에 따라 기업의 운명이 결정될 것이라는 의견이 확대되고 있다. 이러한 IT 운영 관리 시장의 새로운 혁신의 중심에 엑셈의 'XAIOps(싸이옵스)'가 있다.




국내 최초 AI 기반 IT 운영 지능화 솔루션, XAIOps


AI옵스는 기업의 IT 인프라 환경을 실시간으로 면밀히 모니터링하고, 인공지능을 적용해 IT 운영자의 의사결정을 도와준다. 보다 구체적으로는 IT 인프라에 문제가 발생하면 이전의 경보 시스템과 수동으로 대응하던 방식에서, 인공지능을 통한 장애 사전 예측으로 IT 운영 관리를 효율적으로 할 수 있도록 하여 기업의 경쟁력과 위기관리 능력을 최고로 끌어올린다.


기존에는 IT 인프라의 다양한 환경을 각각 모니터링해야 했다. 실제로 기업 IT 담당자를 대상으로 한 설문조사에서 응답자의 42%가 10가지 이상의 모니터링 툴을, 19%는 25가지 이상의 툴을 사용하고 있다고 밝혔다. 수많은 모니터링 툴을 하나의 툴로 통합 모니터링이 가능하다면? 관리/운영자들의 업무 집중도를 높일 수 있고, 보다 신속한 대응이 가능해진다. 이런 문제를 해결할 수 있는 솔루션이 바로 AIOps(AI옵스)다.


엑셈은 일찌감치 AIOps로의 IT 운영 혁신 변화를 예측하고, 국내 DBPM 시장 1위 솔루션인 '맥스게이지(MaxGauge)'와 APM 시장을 선도하고 있는 E2E(End-To-End) 거래 추적 솔루션인 '인터맥스(InterMax)' 기술을 집대성하고 AIOps로 고도화시키며 2019년 AI 솔루션 상용화의 시작을 알렸다.


엑셈의 AI옵스 솔루션 'XAIOps(싸이옵스)'는 기업의 다양한 인프라와 애플리케이션 데이터를 실시간으로 수집하여 부하 특성과 패턴을 학습하고, 장애 상황을 예측함으로써 IT 운영자의 선제적 대응을 지원한다. XAIOps(싸이옵스)라는 명칭은 핵심 기술인 '인공지능'과 엑셈의 브랜드 가치를 잘 녹여낼 수 있는 조합으로 브랜딩했다. 


X : 엑셈의 심볼로, 데이터의 과거, 현재, 미래를 함께하고 사람이 우선시 되는 핵심을 의미
    과거의 데이터와 트렌드를 기반으로 미래 상황을 지능적으로 예측하여 IT 운영자의 선제적 대응을 지원하는 XAIOps의 기능적 의도

AIOps : 'Artificial Intelligence for IT Operation'으로, 'AI 기반의 지능형 IT 운영'을 의미

XAI : 'eXplainable AI'로, '설명가능한 인공지능'을 의미


엑셈의 싸이옵스는 IT 운영 현황의 다양한 분석과 예측에 대해 매우 직관적인 대시보드를 제공하고 있다. 그리고 부하 패턴 분석 뿐 아니라, 비정상적인 현상 발생 후 문제 발생 시점의 원인 분석 요청 시 해당 문제와 상호 연관이 있는 유사 지표를 분석/추출해 줌으로써 좀 더 빠른 원인 분석이 가능하도록 한다. 또한 지연 구간을 상세 분석하고 개별 시스템과의 연관 분석을 통한 '근본 원인 분석'으로 장애가 발생했을 때 장애에 대한 근본 원인을 안내함으로써 'XAI(eXplainable AI, 설명 가능한 인공지능)'를 구현하고 있다.





'싸이옵스'가 주목받는 이유


‘싸이옵스’는 앞서 언급되었듯이 엑셈의 주력 솔루션인 ‘맥스게이지’와 ‘인터맥스’의 축적된 기술에 AI를 접목하여 AIOps로 고도화시킨 솔루션이다. 따라서, 엑셈의 ‘싸이옵스’에는 데이터베이스 성능 관리 솔루션으로 국내 최초 개발된 이후 2006년부터 현재까지 국내 DBPM 시장점유율 1위를 유지하고 있는 ‘맥스게이지’와 원 포인트 모니터링에 머물렀던 한국 APM 시장에서 강력한 WAS 모니터링뿐 아니라 End-to-End 거래 추적 통합 성능 관리를 구현한 ‘인터맥스’의 우수한 기술과 노하우가 집대성되어 있다. 특히 ‘싸이옵스’는 ‘인터맥스’의 E2E 통합 모니터링 기술력을 활용하여 WAS, DB 등 개별 단위 모니터링에 집중했던 기존 솔루션에 AI 연구 성과를 결합해 한 단계 진화된 ‘통합 IT 운영 관리 체계’를 지원한다. 이러한 점에서 고객사에서 어떻게 활용할지 로직을 탑재해 주어야 사용이 가능한 타 솔루션들과 달리, 진정한 솔루션 제품으로서의 완성도를 갖추고 있다는 것이 ‘싸이옵스’의 강점이다. 


또한 엑셈의 ‘싸이옵스’는 450여 고객사를 보유한 20년 업력을 바탕으로 국내외 다양한 산업군에 속한 고객사의 비즈니스 상황에서 발생한 수많은 장애를 해결하며, 실제 비즈니스 현장의 문제를 효과적으로 해결해 주는 진정한 AI 기술을 탑재했다. 시스템 부하와 장애의 빠르고 정확한 예측, 부하의 패턴 분석과 비정상 탐지를 통한 종합적인 근본 원인 분석, 지능적 미래 예측으로 선제적 장애 대응, 예측된 비정상 및 장애에 대한 지능적인 스마트 알람으로 신속하고 능동적인 문제 해결을 가능하게 한다. 그뿐만 아니라 ‘싸이옵스’는 실시간 메트릭 데이터를 기반으로 분석하기 때문에 '장애 발생 후 수 분 이내 근본 원인 도출’이 가능할 만큼 강력한 성능을 보유하고 있다. 운영에 문제가 되는 장애들을 해결하는데 통상 짧으면 수십 분, 치명적인 경우 2~3시간이 소요되는 현실에 비추어 볼 때, 실무자들의 부담을 크게 덜어줄 것으로 예상된다. 이와 같이 '싸이옵스' 구축을 통해 빠른 장애 탐지(Negative MTTD : Mean Time to Discovery)와 빠른 장애 조치(Negative MTTR : Mean Time to Repair)가 가능하게 되며, 부하 예측이나 이상 탐지를 통해 장애를 선제적으로 대응함으로써 서비스 중단 손실 비용을 최소화할 수 있는 지능형 IT 운영이 가능하게 된다. 


'싸이옵스'는 최근 고객사 커스터마이징 최소화를 위해 다양한 설정 편의 기능을 추가하였고, 통합 대시보드 고도화 및 다양한 분석 화면들을 추가하여 제품 경쟁력을 지속적으로 강화하며, 시장과 고객의 요구에 신속하게 대응하고 있다.  




AIOps 주요 시장 중 하나인 제 1금융권에서 인정받은 솔루션


'싸이옵스'는 IT 기반의 온라인 및 국가 간 거래 등 중요한 트랜잭션이 상시 이루어져 24시간 365일 무중단 IT 시스템 운영이 필수적인 제 1금융권을 비롯, 대형 유통사, 공공기관 등 다수 기업과 기관에서 PoC를 성공적으로 수행했다. 특히 한 공공기관에서는 장애 발생 시 근본 원인 분석 기능을 제공, 기존 개별 모니터링 도구와 비교하여 약 90% 이상의 장애 조치 시간 단축 효과를 얻었으며, 대형 유통사에서는 장애 인지 시점을 앞당기고, 장애 원인 분석에 소요되는 시간을 단축했다는 긍정적인 반응을 얻었다. 또한 제 1금융권의 한 금융사에서는 해당 기업에서 인지하지 못했던 추가적인 이상 징후를 기존 대비 6배 많은 건수의 리포팅을 하였으며, 장애 인지·분석에 소요되는 시간을 수시간에서 수분으로 단축하여 높은 평가를 얻었다. 그리고 다른 금융사의 경우 장애 탐지와 분석에 있어서 모든 유관 부서들이 '싸이옵스'가 탐지 및 분석한 장애 내용을 공유함으로써 빠른 대응과 문제점 파악에 명확한 커뮤니케이션 역할을 수행, 조직 간의 협업 도구로도 잘 활용할 수 있었다는 평가도 있었다. 이와 같은 성공적인 PoC 수행 경험을 기반으로 최근에는 금융사 차세대 시스템에 1차 구축을 진행하는 등 본격적인 사업들을 진행 중이다. 




마치며


이미 전 세계적으로 IT 운영 관리 시장은 AIOps 중심으로 재편되고 있다. AI옵스는 기업의 효율성 향상과 문제 해결 시간 단축을 통한 비용 절감을 이끈다. 이는 시장에서 차별성을 가질 수 있는 중요한 경쟁 요소임은 물론이고, 향후 기업 발전과 생존의 필수적 도구가 될 것이다.


엑셈이 지난해 국내 최초 AIOps 솔루션을 시장에 내놓은 데 이어, 다양한 기업들이 AIOps를 표방하고 나섰다. AIOps 시장에 다양한 솔루션이 진출하더라도, 20년 업력과 연구개발을 기반으로 축적된 IT 성능 통합 모니터링 No.1 기술력과 450여 고객사에서의 다채로운 IT 운영 관리 경험을 보유한 기업은 엑셈 뿐이다. 그뿐만 아니라 개발 본사가 국내에 있고, 국내 시장에서 쌓은 전문 지식과 컨설팅 경험을 토대로 국내 고객에게 맞춤형 기능을 제공하며, 우수한 고객 지원 서비스 체계를 보유하고 있다는 점에서, ‘싸이옵스’는 외산 솔루션과 비교해도 경쟁 우위에 있다. 이에 따라 엑셈 ‘싸이옵스’는 디지털 전환이 기업의 생존과 연계되고 IT 운영 관리에 많은 변화가 요구되는 환경을 맞이한 기업 고객들에게 독보적인 AI 기반 IT 인프라 운영 관리 기술과 서비스를 제공하여 ‘디지털 뉴딜’ 시대 기업들의 비즈니스 성장을 견인하게 될 것이다. 







기획 및 글 | 사업기획팀











월간기술동향 | '언택트'가 대세다!






최근 코로나19로 인해 ‘언택트’가 화제입니다. 


많은 기업들은 재택근무로 전환했고, 학생들은 원격수업이라는 새로운 공부방식을 마주했습니다. 목회자들도 유튜브 라이브 등 온라인으로 설교했습니다. 뿐만 아니라, 콘서트·전시회·공연·축제를 비롯해 결혼식까지 온라인으로 진행하기도 했습니다. 


오프라인이 아니면 안될 것 같았던 많은 일들이 온라인으로 진행되고 있습니다.



<출처 : pixabay>



지속적으로 활발해지는 비대면 산업


사실 언택트는 1인 가구의 증가, 대면 소통보다 디지털 커뮤니케이션에 익숙해진 ‘디지털 네이티브’의 등장 등으로 인해 코로나 사태 이전부터 꾸준히 확산되고 있었습니다. 흔히 우리는 카페나 식당에서 키오스크를 통해 점원이 없어도 주문이 가능하고, VR/AR 등을 활용해 시간과 공간의 제약 없이 맞춤형 서비스를 이용할 수 있죠. 


특히 이번 코로나19로 비대면 의료서비스, 재택근무, 원격교육, 비대면 배송, 드라이브스루, 간편결제 등 디지털 기반의 비대면 산업이 더욱 활발해졌습니다. 기존 2030대 뿐만 아니라 4050 연령대의 비대면 소비도 크게 증가했고요.




비대면 산업을 위해서는 IT 인프라가 필수


이 모든 것들이 가능했던 건 대한민국이 4차산업혁명 기술을 잘 활용했기 때문입니다. 키오스크부터 로봇 무인매장, 인공지능 챗봇까지 고도화 되는 기술로 비대면 서비스가 확장되었습니다. 


또한 클라우드, 빅데이터 등 IT 환경의 획기적인 발전도 영향을 주었습니다. 이번 코로나 사태로 인해 갑작스러운 온라인 쇼핑 증가·재택근무·온라인 강의 등으로 폭증한 트래픽을 기존 전산실 서버가 감당할 수 없었다고 합니다. 3월 세계 인터넷 트래픽이 30%나 증가했다고 하는데, 클라우드는 시간도 부족한 상황에서 단기간 폭증한 트래픽을 모두 감당해냈습니다. 


이렇게 언택트 문화에 따른 비대면 산업 육성을 위해서는 클라우드 등 IT 인프라가 꼭 필요합니다. 이를 증명이라도 하듯 클라우드 관련 기업의 가치는 수직 상승이 예상된다고 많은 경제 전문가들은 말하고 있고요.



<출처 : pixabay>



국가 차원의 포스트 코로나 시대 준비


지난 4월 14일, 문재인 대통령은 코로나19 사태 이후의 불확실한 상황에 선제적으로 대비하며 위기를 기회로 삼겠다고 밝혔습니다. 비대면 산업을 빅데이터, 인공지능 등 4차산업혁명 기술과 결합한 기회의 산업으로 적극적으로 키워나가겠다는 방침인데요. 디지털 기반의 비대면 사업을 적극적으로 육성해야 한다고 주문했습니다. 


이어서 과기정통부는 디지털 기반의 ‘포스트 코로나’ 태스크포스(TF) 가동을 본격화했습니다. ICT 산업에 대한 추가적인 지원과 함께 언택트 비즈니스 분야의 기술개발과 사업화 지원도 강화해나가겠다고 발표했습니다. 


이에 한국정보화진흥원은 포스트 코로나를 준비함에 있어 디지털 전환이 중요하다는 점을 강조하고, 이를 가속화하기 위해 5G, 클라우드 등 디지털 인프라를 강화하고 인공지능(AI)-빅데이터-클라우드로 이어지는 혁신기술의 통합적 연계·활용 정책을 추진해야 한다고 강조했습니다. 




언택트 문화의 확산과 정부의 비대면 산업 육성 정책은 엑셈에게 호재!


언택트 문화의 확산과 정부의 비대면 산업 육성 주문은 관련된 기술과 시장에 대한 관심을 끌었습니다. 특히 코로나19 사태를 계기로 기업들의 클라우드 전환 속도가 빨라지고, 관련 수요가 급증하는 상황은 클라우드 네이티브 시장을 활성화 시키는데 한 몫했죠.


데이터3법 통과, 비대면 산업 육성 계획 등을 발판으로 엑셈의 클라우드 네이티브 사업분야와 인공지능을 활용한 IT 운영관리 분야의 수요가 더욱 활성화 될 것으로 기대됩니다.











내용 참고 및 출처


더 팩트, 文대통령 "포스트 코로나 시대 준비…비대면 산업 육성"

이투데이, 과기정통부, 디지털 기반 ‘포스트 코로나’ TF 가동

뉴스핌, [힘내! 대한민국] ‘언택트 라이프’ 이끈 코리아 ICT의 힘






기획 및 글 | 사업기획팀 박예영







월간기술동향 | 코로나19 사태로 본 조기 경고의 중요성






각종 사업분야에 영향을 미친, 주식시장이 큰 타격을 받은, 중국의 설 연휴가 엉망이 된 코로나 바이러스. 

세계 41개국에서 발병했고, 확진자 81,068명, 사망자 2,758명의 무시무시한 수치를 보여주고 있습니다. (2월 26일 오후 4시 기준)


이 어마어마한 코로나19를 미리 예측하고 경고한 회사가 있는데요. 캐나다의 인공지능 스타트업 BlueDot(블루닷)입니다. 

WHO에서 발표하기 17일 전인 12월 31일, 보고서를 통해 우한 지역의 바이러스를 경고했습니다. 인공지능(AI)의 힘을 제대로 보여주었죠.




<출처 : Shutterstock>




블루닷의 의미있는 예측


블루닷은 어떻게 빠르고 의미있는 예측을 할 수 있었을까요?


블루닷이 자연어 처리기술(NLP)과 머신러닝으로 분석하는 데이터는 인터넷 데이터 뿐만 아니라 매일 65개국에서 생산하는 10만 개의 공식 자료까지 포함합니다. 여기에 WHO와 신흥 질병 모니터링 프로그램 등의 데이터, 모기와 진드기 분포, 가축 개체 수와 동식물 전염병 네트워크 모니터링, 각 지역의 기후와 온도 데이터도 수집합니다. 또한 항공사로부터 매년 40억 개의 티켓 판매 및 항공 경로 등에 대한 데이터를 수집합니다. 


그리고 블루닷에는 데이터분석가, 프로그래머 뿐 아니라 의학 전문가들이 함께 근무합니다. 인공지능이 빅데이터 분석을 완료하면 내부 분야별 의학·역학 전문가들이 분석이 의학적으로 타당한지, 잘못 추론한 점은 없는지 검수합니다. 특히 이 과정에서 당국의 역학조사 결과를 반영해 보고서의 공개 여부를 결정한다고 합니다.


이렇게 블루닷은 빅데이터 분석의 오류를 피하기 위해 인터넷 데이터 뿐만 아니라 당국의 실시간 데이터와 항공 운항 데이터, 역학분석까지 반영했습니다.


새로운 바이러스는 빨리 식별해서 백신을 만드는 것이 가장 중요합니다. 그리고 사람들에게 최대한 빨리 경고하면 확산을 저지하는데 도움이 됩니다. 블루닷의 조기 경고(알람)이 중요한 이유죠. 




한국 코로나 사태 3월 20일 정점, 최대 1만명 감염?


2월 26일 JP모건의 보험팀이 내놓은 전망입니다. 한국의 코로나19 사태는 3월 20일이 정점이고, 최대 감염자 수는 1만명에 달할 것이라고 밝혔습니다. 대구 시민 240만명중 3%가 바이러스에 노출됐고, 중국과 비슷한 양상으로 2차 감염이 일어난다고 가정한 결과라고 합니다.


<국내 '코로나바이러스감염증-19' 확진자 현황, 2월 26일 16시 기준 (출처 : 중앙재난안전대책본부)>


위 그래프는 매일 2회씩 발표하는 국내 확진자 수 그래프입니다.

위 데이터를 토대로 추세선을 그려보면 4월 19일 즈음에는 1만명이 확진될 것으로 예상할 수 있겠습니다.


<국내 확진자 현황을 바탕으로 그려본 추세선>


하루에 수백명씩 확진자가 나오는 국내 상황에서, JP 모건에서 자체적으로 만든 모델로 예측한 결과가 맞는다면 어떻게 만든 모델일지 살펴볼 필요가 있겠네요. 하루 빨리 이 사태가 진정되길 바랍니다.




조기 경고의 중요성


이렇게 블루닷의 사례 외에도 많은 곳에서 질병에 대한 조기 예측을 하고 있습니다.

AI의 조기 경고에 대해 우리는 더 관심을 가져야 합니다. 실제로 외환위기, 지진과 같은 자연재해, 질병, 도로정체 등 산업 분야를 막론하고 AI 기반 조기경보시스템을 활용하고 있습니다. 인공지능이 장애를 미리 예측하고 이상 징후를 알려줌으로써 빠른 대응이 가능해지고 있죠.


<Anomaly Detection>


IT 인프라에도 문제가 생기기 전 장애 상황을 예측해 선제적으로 대응할 수 있도록 하는 솔루션이 있습니다. 

바로 엑셈의 XAIOps(싸이옵스) 인데요. 

기업의 인프라와 애플리케이션 데이터를 실시간으로 수집하여 부하 특성과 패턴을 학습하고, 장애상황을 예측합니다. 또한 AI를 활용해서 실시간 모니터링 대상 데이터의 성격과 분석 목적에 맞는 학습 모델을 선택 적용하고 있습니다. 미래 상황을 미리 예측하게 되면 IT 인프라 관리·운영의 부담도 줄어들고, 시간과 비용이 감소하는 효과까지 톡톡히 누릴 수 있겠죠? 




물론 인공지능만을 맹신해서는 안될 일이지만,

우리 인간과 기계가 서로 협업하는 증강지능(Augmented Intelligence)으로써 인공지능의 폭넓은 활용을 기대해볼만 하겠습니다. 






출처 및 참고자료

T Times, 구글처럼 하지 않아 코로나 바이러스 예측한 AI 스타트업

중앙일보, JP모건 "한국 코로나사태 3월 20일 정점, 최대 1만명 감염"











기획 및 글 | 사업기획팀 박예영









엑셈 뉴스룸 | New name, New start

엑셈 뉴스룸 2020. 2. 10. 19:13






인공지능, 빅데이터 전문기업 엑셈의 신제품 EXEM ‘AIOps(엑셈 AI옵스)’와 ‘InterMax Cloud(인터맥스 클라우드)’의 제품명이 

‘XAIOps(싸이옵스)’와 ‘CloudMOA(클라우드모아)’로 변경되었습니다.




기준

제품명을 변경하면서, ‘기준’을 세우는 것이 중요했습니다.

제품과 회사의 핵심 가치를 포함하고 있는지, 기억하기 쉽고 발음할 땐 불편함이 없는지. 

또한 기존 MaxGauge(맥스게이지), InterMax(인터맥스)와의 연결성은 어느 정도인지.

향후 제품 업그레이드 출시 가능성과 타 솔루션과의 확장성은 고려했는지.

마지막으로 유사한 이름이 존재하는지를 기준으로 우리는 고민, 또 고민했습니다.


긴 고민 끝에 나온 보다 부르기 쉽고, 제품의 특징을 더욱 직관적으로 전달하기 위해 변경한 제품명의 의미를 살펴보겠습니다.





다양한 클라우드 환경의 대규모 IT 인프라와 서비스를 통합적으로 관제할 수 있는 솔루션


CloudMOA(클라우드모아)는 ‘클라우드 네이티브 아키텍처 통합관제 솔루션’이라는 의미를

쉽게 풀어서 쓰고, 모으는 작업을 통해 도출되었습니다.


모아

‘모아’는 한글로 ‘모으다’의 의미와 영어 ‘more’의 발음에 착안했습니다.

퍼블릭 클라우드, 프라이빗 클라우드, 하이브리드 클라우드 등 

다양한 클라우드 환경을 모아서 보다 더 체계적이고 통합적으로 관제합니다.


M, O, A

또한 MOA(모아) 각각의 글자는 의미를 가지고 있습니다. 

M – Monitoring

O – Operation

A – Analytics

모니터링, 운영, 분석 이라는 클라우드모아의 주요 특징을 나타냅니다.


 


IT 운영자의 선제적 대응을 지원하는 AI(인공지능)기반 IT 운영 지능화 솔루션


XAIOps(싸이옵스)는 핵심 기술인 ‘인공지능’과 엑셈의 브랜드를 잘 녹여내는 단어로 만들어졌습니다. 


XAI

‘XAI’는 eXplanable AI로, ‘설명 가능한 인공지능’을 뜻합니다.

AI가 내린 판단에 대한 이유를 사람이 이해할 수 있는 방식으로 제시하는 인공지능인데요. 

한마디로 결과만 알려주는게 아니라 “왜(WHY)”까지 설명해주는 인공지능입니다. 

XAIOps(싸이옵스)는 설명 가능한 인공지능을 통해 IT 운영을 도와줍니다.


X

X는 엑셈의 심볼입니다. 

엑셈은 과거 데이터를 저장 및 분석하고, 현재의 데이터를 실시간으로 빠짐없이 모니터링하며, 데이터를 통해 미래를 예측합니다.

또한 엑셈은 전체와 개인이 하나라는 전개일여(全個一如)의 경영원칙이 있습니다. 

‘X’는 데이터의 과거, 현재, 미래를 함께하고, 사람이 우선시 되는 ‘엑셈’이라는 브랜드의 핵심을 담고 있습니다. 


AIOps

무엇보다도 싸이옵스가 어떤 제품인지 한 눈에 알 수 있는 단어입니다. 

‘IT운영을 위한 인공지능(AI)’이라는 의미의 AIOps(에이아이옵스)는 2014년 가트너 보고서에 등장한 후로 상용화 되었습니다.

 



<현재 엑셈 제품군 로고. 어떻게 변할지 기대해주세요!>


제품명 변경과 동시에 로고 디자인 작업도 진행 중입니다.

제품군이 다양해지면서 일관된 로고 디자인 기준의 필요성을 느꼈습니다.

엑셈 제품에 대해 시각적으로 일체감을 주고, 보다 전문성을 부여하고자 합니다.

제품명과 마찬가지로 가독성, 활용성, 제품 간 연결성, 직관성, 제품 아이덴티티 등 

기준에 근거하여 리디자인 작업을 하고 있으니 추후 확정된 로고를 다시 한번 소개해드리겠습니다. 

엑셈의 디자인도 많이 기대해주세요.


이렇게 엑셈은 제품명 변경과 함께 로고 변경 및 기능 업데이트 등 대대적인 변화를 시작했습니다. 

이번 제품명 변경을 통해 앞으로 변화하는 시장 흐름과 글로벌 시장에서 더욱 굳건히 자리매김할 계획입니다. 


2020년 엑셈의 New Start, 많은 기대 부탁드립니다.









기획 및 글 | 사업기획팀 박예영