안녕하세요 여러분! 혹시 회사에서 갑자기 시스템 장애가 발생했을 때, 원인을 찾느라 진땀을 뺀 경험이 있으신가요?
서버에 불이 났다는 알림은 울리는데, 막상 담당 엔지니어는 로그를 뒤지고 서비스 상태를 확인하느라 해결도 하기 전에 한 시간씩 훌쩍 보내기 일쑤죠. 전 세계에 수만 개의 매장을 운영하는 글로벌 유통 기업 ‘서클케이’ 역시 매장이 늘어날수록 이런 장애 분석 업무가 엄청난 부담이었다고 해요.
왜 중요한가
서클케이는 반복되는 장애 분석 과정을 자동화하기 위해 AI를 도입해 장애 대응 시간을 최대 75%까지 줄이는 데 성공했어요. 이번 사례는 복잡한 인프라 환경에서 AI가 어떻게 엔지니어를 돕고 실질적인 업무 효율을 높여주는지 보여주는 좋은 예시랍니다. 기술을 무작정 도입하기보다 현업의 불편함을 어떻게 해결했는지 가볍게 살펴볼까요?
전체 글 정리
수동 분석의 한계와 AI 도입 배경
- 서클케이는 2만 개가 넘는 매장을 운영하며 포인트 시스템, 충전소 등을 클라우드로 관리하고 있어요.
- 서비스가 커질수록 장애 알림도 늘어났고, 엔지니어마다 분석 속도나 방식이 달라 일관된 대응이 어려웠죠.
- 매번 똑같은 로그를 조회하고 매뉴얼을 찾는 반복 작업을 줄이기 위해 AI 도입을 결정했어요.
아마존 베드락을 선택한 이유
- 자체적으로 AI 인프라를 구축하면 관리해야 할 부담이 크지만, 아마존 베드락을 이용하면 단일 API로 다양한 고성능 모델을 쉽게 쓸 수 있어요.
- 기업의 민감한 보안 데이터를 모델 학습에 쓰지 않는 점도 큰 장점이었죠.
- 복잡한 오케스트레이션 기능과 사내 문서를 검색하는 RAG 기능을 활용해 개발에 집중할 수 있었어요.
단계별 진화와 에이전트 활용
- 초기에는 여러 전문 에이전트를 병렬로 실행하는 방식으로 알림부터 슬랙(Slack) 요약까지 5~15분 만에 처리하는 시스템을 만들었어요.
- 이후 데이터와 분석 범위가 넓어지면서 더 유연한 에이전트 플랫폼으로 시스템을 발전시켰답니다.
- 세션 유지 기능과 관측성을 더해 복잡한 장애도 매끄럽게 추적할 수 있게 되었어요.
이용 방법 / 활용 방안
개발자가 아니더라도 우리 업무에 이런 방식을 어떻게 적용할지 힌트를 얻을 수 있어요. 매일 반복되는 단순 정보 수집이나 여러 툴을 일일이 확인해야 하는 번거로운 업무가 있다면, AI를 비서처럼 활용해 핵심 요약만 먼저 받아보는 방식을 고민해 볼 수 있죠. 사람의 판단이 필요한 최종 결정은 내가 직접 하되, 지루하고 반복적인 기초 조사 과정은 자동화하는 지혜가 필요하다는 점을 배울 수 있답니다.
여러분이라면 회사나 일상에서 이런 자동화 기능을 가장 먼저 어디에 써보고 싶으신가요?
이 글은 원문을 AI가 요약·재구성한 것입니다. 정확한 내용은 원문을 확인해 주세요.