AI를 실제 업무에 적용하기 시작하면 새로운 질문들이 생깁니다.
운영 데이터는 AI가 이해할 수 있는 형태로 어떻게 연결할지, 반복되는 개발 업무는 어디까지 자동화할지, 복잡해진 인프라의 이상 징후는 어떻게 더 빨리 찾아낼지 고민해야 합니다.
이번 케클s피드는 이런 질문에 답을 찾아가는 kt cloud의 기술과 경험을 담았습니다. AIDC와 Cloud Platform부터 Observability, 개발환경 자동화, AI 코드 리뷰까지 개발과 운영 현장에서 실제로 시도하고 있는 방법들을 만나보세요.
|
AIDC와 kt cloud PLATFORM을 중심으로
AX 시대의 비즈니스 혁신 전략과 기술 비전을 공유합니다.
|
AX를 실제 비즈니스에 적용하려면 AI 기술만으로는 충분하지 않습니다. AI 워크로드를 처리할 인프라와 안정적인 Cloud Platform, 이를 구축하고 운영해 온 경험이 함께 필요합니다.
9월 15일 개최되는 ‘kt cloud summit 2026’에서는 AIDC와 kt cloud PLATFORM을 중심으로 기업의 AX에 필요한 기술과 전략을 공유합니다.
‘당신의 비즈니스를 위한 AX’를 주제로 진행되는 키노트와 전문 세션에서는 kt cloud와 고객·파트너가 실제 현장에서 쌓은 경험과 사례를 소개합니다. 전시 부스에서는 AIDC부터 Cloud Platform, AI 기술을 직접 만나볼 수 있습니다. 지금 사전등록하세요.
|
|
‘기술이 장르가 되는 곳, kt cloud의 케클러 인터뷰 시리즈’는
기술을 직접 설계하고 구현하는 케클러들의 목소리를 통해,
고객의 다음 문제를 먼저 고민하는 kt cloud의 생각과 해법을 전합니다.
|
클라우드 운영 과정에서는 수많은 Metric·Log·Trace가 쌓입니다. 하지만 데이터가 각각 흩어져 있다면 장애의 원인을 찾는 것도, AI가 이를 분석하는 것도 쉽지 않습니다.
kt cloud Data플랫폼팀은 이 데이터를 연결해 운영 상황을 한눈에 파악하고, AI가 분석에 활용할 수 있는 Observability Platform을 만들고 있습니다.
Data플랫폼팀 김종민 팀장에게 Observability가 AI 시대의 클라우드 운영에서 어떤 역할을 하는지, 운영 데이터를 AI의 자산으로 만들기 위해 어떤 기술적 고민을 하고 있는지 들어봤습니다.
|
|
OpenStack 샌드박스 이미지를 구축하며 마주친
클라우드 인프라 운영 핵심 과제와 해결 과정을 소개합니다.
|
이미지를 만들어 배포했다고 개발환경이 완성되는 것은 아니었습니다. 부팅할 때마다 IP가 달라지고, Git의 최신 변경 사항을 반영해야 했으며, 자격증명이 이미지나 저장소에 남지 않도록 관리해야 했습니다.
이 문제들을 실제로 어떻게 해결했을까요?
systemd를 활용한 Kubernetes IP 자동 복구부터 HelmRelease와 ArgoCD를 결합한 GitOps 구조, Vault와 ESO를 활용한 시크릿 관리까지. OpenStack 샌드박스를 직접 만들고 운영하며 적용한 방법을 정리했습니다.
|
kt cloud VM에서 PR 리뷰 자동화 구조를
설계하고 운영한 실무 사례를 소개합니다.
*PR(Pull Request): 코드 변경사항을 공유하고, 병합 전 동료의 검토와 승인을 요청하는 개발 협업 절차
|
PR이 올라올 때마다 사람이 모든 변경 사항을 확인해야 할까요? 리뷰어마다 보는 기준이 다르거나, 일정이 몰려 리뷰가 늦어지는 문제도 있습니다.
kt cloud에서는 사람이 정한 아키텍처 규칙은 그대로 유지하면서 반복적인 1차 검증을 AI가 맡는 방식을 시도했습니다.
kt cloud VM에 Claude Code와 GitHub CLI를 결합해 PR Review Bot을 구축하고, 코드 변경 사항을 자동으로 검증하는 구조를 만들었습니다. 실제 팀의 1차 품질 게이트로 활용하기까지 어떤 과정을 거쳤는지 살펴보세요.
|
|
✍️ AI 시대, 운영은 '발견'에서 시작된다
: 복잡한 인프라의 이상 징후를 파악하고 중단에 대응하는 운영 전략
장애는 갑자기 발생한 것처럼 보여도 그 전에 작은 신호를 남기기도 합니다.
전력 품질의 변화, 업그레이드에 따른 영향, 정전 이후 설비의 재기동처럼
운영자가 미리 살펴야 할 지점도 다양합니다.
이번 Tech Story에서는 서로 다른 세 가지 운영 현장을 살펴봅니다.
AI 데이터센터의 전력 품질부터 Kubernetes 클러스터 관리, 무인 데이터센터의 자동 복구까지.
이상 징후를 발견하고 리스크를 관리하며 장애 이후 빠르게 복구하기 위한 기술을 모았습니다.
|
|
📌 예방 AI 데이터센터 고조파 원인과 전력 품질 대책
GPU와 전력변환장치가 늘어난 AI 데이터센터에서는 고조파가 전력 품질을 떨어뜨리고 설비에 영향을 줄 수 있습니다. 고조파는 왜 발생하고, 어느 수준부터 관리가 필요할까요? AI 데이터센터의 고조파 발생 원인과 영향을 짚어보고, 설비 장애를 예방하기 위한 판단 기준과 대응 방법을 정리했습니다. 자세히 보기
|
|
📌 관리 대규모 Kubernetes 환경의 중단 없는 진화를 위한 선택: kt cloud의 Chkk 기반 클러스터 관리
Kubernetes를 최신 상태로 유지하는 일도 운영자에게는 리스크입니다. 버전을 올리거나 취약점에 대응할 때 어떤 워크로드가 영향을 받을지 일일이 확인해야 하기 때문입니다. kt cloud가 Chkk를 활용해 업그레이드 영향도 분석을 자동화하고, 여러 Kubernetes 클러스터를 안정적으로 관리한 과정을 소개합니다. 자세히 보기
|
|
📌 복구 무인 데이터센터의 마지막 열쇠, 냉동기 자동재기동(Auto-Restart)
무인 데이터센터에서 정전이 발생한 뒤 전력이 복구됐다고 모든 설비가 저절로 정상화되는 것은 아닙니다. 냉동기가 멈춰 있다면 데이터센터의 안정적인 운영도 장담하기 어렵습니다. 사람이 현장에 출동하지 않아도 냉동기가 스스로 다시 가동되도록 하려면 어떤 준비가 필요할까요? 자동 운전 시퀀스와 설계 원리를 중심으로 냉동기 Auto-Restart 기술을 살펴봅니다. 자세히 보기
|
|
