IT 서비스 데스크 팀은 익숙하면서도 점점 더 복잡해지는 일련의 과제에 직면해 있습니다. 전 세계의 시스템에서 끊임없이 발생하는 인시던트들은 해결을 시작하기 전에 각각 조사와 근본 원인 파악, 수정 조치 검증 과정을 거쳐야 합니다. 로그인하고, 사용자에게 연락하고, 문제 진단으로 전환한 뒤 해결책을 확인하는 데 걸리는 시간은 금세 쌓이게 되며, 동일한 문제가 수백 대의 다른 시스템에 동시에 눈에 띄지 않게 영향을 미치고 있을 때는 문제가 기하급수적으로 커집니다.
의 ‘Tanium AI Agent for ServiceNow’ 는 바로 이러한 문제를 해결하기 위해 설계되었으며, 실시간 엔드포인트 인텔리전스를 인시던트 관리 워크플로우에 직접 통합하여 추측에 의존하는 상황을 없애고, 조사 시간을 단축하며, 대규모로 데이터 기반의 의사결정을 가능하게 합니다.
이번 ‘Tanium Tech Talks’ 에피소드에서 사키브는 Tanium이 관리하는 1.500 대의 실제 서버에 연결된 실제 ServiceNow 환경 내에서 실행 중인 에이전트의 실시간 시연을 진행합니다. 그는 에이전트가 새로운 사고를 자동으로 분석하고, 영향을 받은 엔드포인트에 대해 실시간 명령줄 센서를 실행하며, ‘ ’ 신뢰도 점수()를 바탕으로 근본 원인 분석을 제시하고, 해결책을 권장하거나 실행하는 과정을 설명합니다. 이 모든 과정이 서비스 데스크 담당자가 여러 도구 간을 오가거나, 해당 기기에 원격 접속하거나, 사용자와 소통할 필요 없이 이루어집니다.
사키브는 또한 ‘제한된 자율성(bounded autonomy)’이라는 개념을 통해 에이전트에 내장된 안전 장치에 대해 설명하고, 에이전트가 전체 함대 전반에 걸쳐 패턴을 식별하여 사고가 발생하기 전에 예방하는 방법, 그리고 실제로 시작하기 위해 필요한 구체적인 사항들에 대해서도 설명합니다. 아래에서 전체 에피소드를 시청하여 실제 모습을 확인해 보세요.
주요 시사점
- 핵심 조사 과제: IT 지원 팀은 문제 해결을 시작하기 전에 조사, 근본 원인 파악 및 검증에 상당한 시간을 할애해야 하며, 동일한 문제가 수백 대의 다른 시스템에 동시에 영향을 미칠 수 있음에도 불구하고, 이러한 추가 사고를 식별하거나 예방할 효율적인 방법이 없습니다.
- 대규모 쿼리 및 조치: Tanium은 대규모 쿼리와 대규모 조치를 결합하는 능력을 바탕으로, 단순히 사실을 알려줄 뿐만 아니라 이를 확인하고 검증하는 ‘진실의 원천’이 됩니다. 또한 사용자는 이 사실을 바탕으로 조치를 취할 수 있어, 30 분이나 걸리는 조사 과정 없이도 업무를 더 빠르게 처리할 수 있습니다.
- 단 몇 초 만에 에이전트 기반 문제 분류: ServiceNow에서 새로운 인시던트가 생성되면, Tanium AI 에이전트 가 자동으로 해당 컴퓨터에 연결되어 모든 프로세스, CPU, 재부팅 시간, 마지막 로그인 사용자, 실행 중인 서비스를 확인합니다. 이를 통해 현재 상태에서 주목할 만한 사항을 정확히 요약하여, 컴퓨터에 실시간으로 연결된 상태에서 증거와 함께 제공합니다. 정적 스냅샷도, 서버도, 데이터베이스도 없이—컴퓨터에서 바로 가져옵니다.
”이는 말 그대로 해당 컴퓨터에서 Tanium의 명령줄 센서를 실행하여 실시간 응답을 받아오는 것입니다. 이제, 기계에서 실시간으로 전송되는 데이터의 유형에 따라 신뢰도가 높음, 낮음, 또는 중간으로 판정될 때까지, 즉 신뢰도가 100%에 도달할 때까지는 이 과정이 멈추지 않을 것입니다. 즉, 여기서 말하는 추론은 진정한 AI이며, 실시간 텔레메트리 데이터를 활용한 추론이 바로 이 기술의 가장 큰 장점입니다.”타늄(Tanium) 솔루션 아키텍처 부문 부사장 사키브 칸
- 신뢰도 점수를 활용한 근본 원인 분석: 에이전트는 추상적인 가정을 세우는 대신, 여러 진단 질문을 통해 실시간 데이터를 수집하고, 이를 종합하여 신뢰도 점수가 부여된 근본 원인을 도출함으로써, 고객에게 위험을 초래하기보다는 증거에 기반하고 데이터 중심의 의사결정이 이루어지도록 보장합니다.
- 제한된 자율성과 안전 장치: 이 에이전트는 Tanium RBAC와 유사하게, 페르소나와 역할을 활용하는 구성 가능한 접근 제어 프레임워크 내에서 작동합니다. 이 프레임워크는 각 서비스 데스크 담당자가 쿼리하거나 수행할 수 있는 작업을 제한하며, 캐시 지우기와 같은 저위험 자율 작업과, 사람의 승인을 받도록 구성할 수 있는 시스템 재부팅과 같은 고위험 작업을 구분합니다.
“자율성은 중요하지만, 안전장치에 의해 통제되고 제한되어야 합니다.”타늄(Tanium) 솔루션 아키텍처 부문 부사장 사키브 칸
- 전체 시스템에 걸친 사고 예방: 담당자는 현재 발생한 사고를 해결하는 것 외에도, 문제가 발생하기 전에 단 몇 초 만에 전체 시스템을 스캔하여 다른 컴퓨터에서 유사한 패턴이 있는지 확인할 수 있습니다. 사키브가 ‘사고 예방’이라고 부르는 이러한 선제적 접근 방식은 상당한 투자 수익률을 가져다줍니다.
- 설정 요구 사항 및 이용 가능 여부: 서비스를 시작하려면 ServiceNow ITSM 및 Analysis 제품이 필요하며, 보다 심층적인 분석과 자율적인 운영을 위해서는 Performance 모듈 이 포함된 Tanium 핵심 플랫폼을 사용하는 것이 권장됩니다. 토큰 및 페르소나 구성 외에 별도의 사용자 지정이 필요하지 않은 경우, 설정에는 약 15 ~20 분이 소요되며, 현재 이 에이전트는 무료로 제공됩니다.
추가 자료
- Tanium과 ServiceNow가 어떻게 협력하여 실시간 엔드포인트 인텔리전스를 바탕으로 AI 에이전트와 IT 워크플로우를 강화하는지 알아보세요.: Tanium의 실시간 인텔리전스가 ServiceNow AI 에이전트와 워크플로우를 어떻게 강화하여, IT 팀이 인시던트 관리, CMDB, 자산 관리, 패치 적용 및 취약점 관리 전반에 걸쳐 확실하고 대규모로 대응할 수 있도록 지원하는지 확인해 보세요.
- IT 및 보안 운영 팀이 에이전트형 AI를 확대 적용하기 전에 알아야 할 사항: 보안 및 IT 운영 분야에서 에이전트형 AI가 나아갈 방향에 대한 실용적인 분석으로, 주요 이점과 위험 요소, 그리고 조직이 이를 책임감 있게 확대 적용하기 위해 취해야 할 조치들을 다룹니다.
- Tanium AI Agent for ServiceNow 개요 및 기술 문서: Tanium AI Agent for ServiceNow의 작동 방식, 즉 엔드포인트에 연결하는 방법, 에이전트 기반 트라이아지 수행 방법, 근본 원인 분석 제공 방법, ServiceNow 인시던트 워크플로우 내에서 문제 해결을 실행하는 방법 등을 다루는 기술 문서입니다.
- 헬프데스크 운영 성공을 위한 Tanium 맞춤 설정 방법 - Tanium Tech Talks #131: 신규 및 성장 중인 팀이 보안 및 규정 준수를 유지하면서 티켓 해결 속도를 높이기 위해 Tanium을 헬프데스크 효율성에 맞게 조정하는 방법을 보여주는 실습 가이드로, 맞춤형 콘텐츠 세트, RBAC 역할, 단일 엔드포인트 보기를 다룹니다.
- 헬프데스크를 위한 단일 엔드포인트 뷰 - Tanium Tech Talks #129: Tanium의 ‘단일 엔드포인트 뷰(Single Endpoint View)’가 엔드포인트 데이터, 조사 및 문제 해결 과정을 하나의 사용자 정의 가능한 화면으로 통합하여, 헬프데스크 및 IT 팀이 도구를 전환할 필요 없이 문제를 더 빠르게 진단하고 티켓을 해결할 수 있도록 지원하는 방법에 대한 실용적인 심층 분석.
