본문 바로가기

PRODUCT/Solutions

 (15)
AEM으로 완성하는 엔터프라이즈 콘텐츠 운영의 새로운 기준 혹시 여러분도 이런 불편을 겪고 있지 않으신가요? 웹사이트와 콘텐츠를 운영하다 보면, 생각보다 많은 불편함을 마주하게 됩니다. 간단한 페이지 수정에도 매번 퍼블리셔나 개발자의 도움이 필요한 경우사이트 제작이나 콘텐츠 업데이트 때마다 이미지와 영상을 따로 찾아야 하는 상황현업과 협업할 때마다 PPT를 공유하고, 메일로 수정 사항을 확인해야 하는 번거로움다국어 사이트 운영으로 언어별 번역과 검수가 반복되는 업무웹, 모바일, 뉴스레터 등 여러 채널을 각각 따로 관리해야 하는 부담이러한 비효율은 단순한 불편함을 넘어 콘텐츠 운영 속도와 마케팅 성과 전반에 직접적인 영향을 미치게 됩니다. 그래서 많은 글로벌 엔터프라이즈 기업들은 이 문제를 해결하기 위한 해답으로 AEM Sites와 DAM을 선택하고 있습니다. ..
SRE 역량의 중요성과 Dynatrace로 SRE 팀의 역량을 높이는 방법 오늘날 기업의 성공은 디지털 서비스에 달려있다고 해도 과언이 아닙니다. 고객들은 24시간 끊김 없는 서비스와 완벽한 안정성을 당연하게 기대하며, 아주 잠깐의 중단에도 큰 불편으로 느낍니다. 이처럼 높아진 사용자 경험 기준을 따라가는 데 있어 매우 중요한 역할을 하는 조직이 있습니다. 바로 사이트 신뢰성 전문 엔지니어링 인력으로 꾸린 SRE 팀입니다. SRE 팀은 개발과 운영을 잇는 가교 역할을 합니다. 개발 팀이 빠른 소프트웨어 개발과 배포에 집중을 한다면, SRE 팀은 민첩함 속에 안전성과 신뢰성을 유지하는 막중한 책임을 집니다. 빠른 배포와 안정적인 서비스 운영 사이의 균형을 맞추며 고객 만족과 비즈니스 연속성을 보장하는 역할을 한다고 보면 됩니다. SRE: Site Reliability Engine..
하이브리드 멀티 클라우드 환경의 복잡성 문제!AI 기반 관찰 가능성(Observability)이 해결책 최근 기업들은 확장성과 민첩성을 위해 하이브리드 클라우드를 넘어 멀티 클라우드 활용에 관심을 보이고 있습니다. 성능, 비용, 기능 등 필요에 맞게 여러 클라우드 서비스 사업자를 선택해 쓰는 것은 비용과 효율 측면에서 이점을 제공합니다. 물론 좋은 점만 있지는 않습니다. 다양성의 이점에는 늘 복잡성의 단점이 따릅니다. 따라서 하이브리드와 멀티 클라우드를 사용하는 효과를 극대화하려면 이점은 더 크게, 단점은 더 적게 만드는 최적의 균형점을 찾아야 합니다. 이번 포스팅에서는 클라우드 환경의 복잡성 문제 해결의 지름길을 AI에서 찾아 보고자 합니다. 너무 많은 도구의 딜레마하이브리드, 멀티 클라우드 환경을 활용하면 여러 플랫폼과 서비스로 인해 복잡성이 커집니다. 실제로 운영 현장에 가보면 여러 개의 모니터링 ..
멀티 AI 에이전트 시대를 위한 준비로 ‘Red Hat OpenShift AI’가 각광받는 이유 최근 AI 분야에서는 생성형 AI의 발전과 함께 특정 작업에 최적화된 다양한 유형의 모델, 검색 증강 생성(RAG), 모델 컨텍스트 프로토콜(MCP) 등이 주목받고 있습니다. 이런 기술의 진화는 한 방향을 가리키고 있습니다. 바로 최소한의 인간 개입으로 목표 지향적 작업을 수행하는 자율 AI 에이전트들이 서로 협업을 하는 멀티 AI 에이전트 시대입니다. AI 투자에 적극 나서는 기업들…세계 유수의 대형 기술 기업들은 거대 언어 모델(LLM)과 멀티 모달 언어 모델(MMLM) 연구 개발, AI 전용 인프라 구축, 전략적 파트너십 등을 통해 생성형 AI 시대를 선도하려는 움직임을 보이고 있습니다. 이는 글로벌 기술 기업들만의 움직임이 아닙니다. 국내 역시 주요 IT 기업과 대기업 그룹을 중심으로 대규모 A..
AGI 시대를 위해 탄생한 EDB Postgres AI 최근 기업들은 데이터 관리와 활용 과정에서 복잡한 문제에 직면하고 있습니다. 과거에는 운영 데이터베이스와 데이터 웨어하우스라는 비교적 단순한 구조로 데이터를 관리했지만, 빅데이터와 AI 기술의 발전으로 데이터 레이크, AI 솔루션 등 다양한 시스템을 추가로 도입하게 되면서 데이터 기술 스택이 복잡해졌습니다. 이러한 복잡성은 관리 비용의 증가와 시스템 간의 연동 문제를 야기했습니다. 또한, 기업 내 여러 부서나 시스템이 각자 데이터를 분리하여 관리하는 '데이터 사일로' 현상은 데이터의 단절을 초래했습니다. 이는 통합적인 데이터 분석을 어렵게 만들어 기업 전체의 효율성을 저해하는 주요 원인이 되었습니다. 이러한 문제를 해결하기 위해 기업들은 핵심 운영 데이터와 AI/분석 시스템을 통합하여 데이터로부터 최대한..
데이터 수집 단계부터 수준이 다른 다이나트레이스! 클라우드 네이티브 전환 과정에서 기업의 컴퓨팅 환경의 복잡성이 증가합니다. 이런 이유로 많은 기업이 클라우드 전환을 하는 가운데 관찰 가능성(Observability) 역량 확보의 중요성에 눈을 뜹니다. 온프레미스와 클라우드를 혼합해 사용하는 경우 각 환경에서 발생하는 로그, 메트릭, 트레이스를 한눈에 파악하지 못할 경우 장애나 사고 발생 시 빠르게 대처하기 어렵다는 것에 공감하는 조직이 늘고 있는 것입니다.  관찰 가능성의 핵심은 서비스 간 연관 관계와 데이터 흐름을 종합적으로 추적하기 위해 온프레미스와 클라우드에서 발생하는 각종 데이터 소스를 통합하고 표준화된 방식으로 실시간 분석할 수 있는 체계를 갖추는 것입니다. 이런 복잡을 작업을 간소화하기 위해 다이나트레이스는 OpenPipeline으로 쉽고 ..
다이나트레이스 플랫폼의 활용 가치를 극대화하는 AI 어시스턴트 'Davis CoPilot' 정식 출시 다이나트레이스를 더 효과적으로 활용할 수 있도록 돕는 AI 어시스턴트인 Davis CoPilot이 드디어 정식으로 출시되었습니다. 이번 Davis CoPilot의 GA(General Availability) 발표를 많은 이들이 반가워하고 있습니다. 그 이유를 알아보겠습니다.   데이터 홍수 속에 늘어만 가는 분석 작업 부담  다이나트레이스는 다재다능한 옵저버빌리티(Observability) 플랫폼입니다. 인프라, 애플리케이션, 디지털 경험, 보안 등 광범위한 영역에서 옵저버빌리티를 제공합니다. 더 많은 것에 대한 옵저버빌리티를 확보할 수 있다는 것을 마다할 기업은 없습니다. 하지만 실무자 입장에서 보면 다재다능한 옵저버빌리티 플랫폼은 부담스러울 수 있습니다. 시스템, 애플리케이션, 서비스의 전반적인 상태..
생성형 AI 시대를 위해 태어난 Red Hat Enterprise Linux AI가 특별한 이유 AI가 기업의 IT 전략에서 차지하는 비중이 커지고 있습니다. 관련해 인프라, 플랫폼 등에 대한 관심이 높습니다. AI 전략 수립에 있어 인프라와 플랫폼 사이에 위치하는 중요한 요소가 있습니다. 바로 운영체제입니다. AI 워크스테이션, 서버, 클러스터 등 규모와 관계없이 많은 조직이 운영체제로 레드햇 엔터프라이즈 리눅스(Red Hat Enterprise Linux, 이하 RHEL)를 고려합니다. 레드햇은 최근 거대 언어 모델(LLM) 기반 생성형 AI 수요 증가에 발맞춰 AI 환경을 위해 특별히 만든 운영체제인 RHEL AI를 제안하고 있습니다. RHEL와 RHEL AI는 무엇이 다를까요? LLM 프로젝트를 준비하고 있다면 왜 RHEL AI가 더 나은 선택일까요? 그 이유를 간단히 알아보겠습니다.  RH..

티스토리툴바