IT 서비스 관리(ITSM)에서의 에이전트 AI

ITSM을 위한 에이전트 AI는 추론 기능(LLM)과 오케스트레이션된 실행을 결합하여 시스템 전반에서 문제를 자율적으로 해결해 L1/L2 티켓 볼륨을 최대 60~80%까지 줄이고, MTTR과 서비스 품질을 향상합니다.

ITSM에서 에이전트 AI의 역할 소개

ITSM을 위한 에이전트 AI는 서비스 데스크가 기다려온 운영 방식의 변화를 의미합니다. 이는 단순히 사람이 마지막 버튼을 클릭해야 하는 또 하나의 생성형 AI 계층이 아닙니다. 사람의 감독은 최소화하면서 문제를 처음부터 끝까지 감지, 진단 및 해결하는 폐쇄형 순환 에이전트 AI 시스템입니다.

기본적인 대화형 AI 챗봇을 도입했지만, 기본적인 해결책만 작성해주고 여전히 기술자가 다섯 개의 시스템에 로그인하여 직접 이를 처리해야 한다면 바로 그 격차를 에이전트 AI ITSM이 해소해 줍니다.

지능 계층은 문제를 분석하며, 실행 계층은 자율 AI 에이전트를 기반으로 정책에 따라 조율된 자동화를 통해 이를 수행합니다. 함께 운영할 경우, 수동적으로 대응하는 지원 역할에서 자율적인 해결 엔진으로 IT 운영 방식을 전환할 수 있습니다.

에이전트 AI가 차세대 ITSM을 대표하는 이유

기존 IT 서비스 관리 방식은 본질적으로 문제가 생기면 사후에 대응하는 방식입니다. 이는 서비스 데스크, 워크플로 변경, 인프라 모니터링에 걸쳐 작용하지만, 여전히 모든 계층에서는 수동적으로 개입하여 조치를 취합니다. 사용자가 티켓을 등록하면 기술자가 L1/L2/L3 단계를 통해 이를 분류하고, 수동으로 종료합니다.

전통적인 ITSM에서의 AI나 독립형 RPA에 투자한 조직조차도 동일한 한계에 부딪혔습니다. 봇이 프런트엔드 대화를 처리하지만, 백엔드 실행은 여전히 사람이 담당합니다.

데이터에 따르면, 60% 이상의 IT 리더들이 IT 서비스 개선보다 문제 해결에 더 많은 시간을 쓰고 있으며, 전체 지원 요청의 59%는 계정 잠금 해제와 같은 반복적이고 대량으로 발생하며 완전히 자동화할 수 있는 일상적인 작업들입니다.

에이전트 AI가 운영 모델을 재정의하는 방식은 에이전트 프로세스 자동화(APA)를 통해 이루어집니다. APA는 엔터프라이즈 프레임워크로, 추론 계층(의도를 해석하고 올바른 조치를 결정하는 AI 에이전트)과 실행 계층(조직화된 자동화 및 RPA 봇이 관리되는 범위 내에서 시스템 전반에 걸쳐 해당 조치를 수행하는 곳)을 연결합니다. 에이전트 AI는 AI 모델(LLM)의 추론 능력과 오케스트레이션된 실행을 결합하여 요청을 이해할 뿐만 아니라 스택의 모든 시스템에서 이를 수행할 수 있도록 합니다.

APA를 통해 글로벌 프로세스 지능은 직원의 의도를 해석하여, 오케스트레이션이 전문화된 AI 에이전트와 지능형 자동화 구성 요소의 워크플로를 조정할 수 있도록 합니다. IT 팀의 역할은 티켓 해결사에서 에이전트 관리자로 전환되어, 정책을 수립하고 사람과 AI의 협업을 관리하며 나머지 작업은 오케스트레이션된 에이전트 AI 계층이 실행하도록 합니다.

ITSM에서 에이전트 AI의 적용: 9가지 전략적 핵심 요소

1. AI 기반 직원 셀프 서비스 및 사고 자동 해결

이 단계에서는 MTTR이 이동합니다. 사전 대응적인 AI 에이전트는 실시간으로 시스템을 모니터링하여 과거 사고 데이터를 활용해 문제가 발생하는 즉시 해결합니다. APA는 에이전트, 봇, API로 구성된 전문 팀을 조율하여 직원의 요청(접근 권한 부여, 비밀번호 재설정, 소프트웨어 요청 등)을 몇 분 만에 처음부터 끝까지 처리합니다. 이 모든 과정은 Slack 또는 Microsoft Teams(이미 35%의 직원이 IT와 소통하기를 선호하는 채널) 내에서 직접 이루어집니다.

동일한 모델이 사후 대응 문제도 처리합니다. 서버 과부하가 감지되면 에이전트는 사용자가 티켓을 등록하기도 전에 문제를 분석하고 오케스트레이션된 실행을 통해 자동 복구를 트리거합니다. L1/L2 문제의 경우 감지부터 종료까지 전체 과정에 사람이 전혀 개입하지 않고 처리됨을 의미합니다.

비즈니스 가치:

• 가장 빈번한 요청 범주에서 서비스 데스크의 업무량을 줄이고, 직원의 기존 워크플로 내에서 필요한 시점에 해결책을 제공
• 직접적으로 MTTR을 단축하고, 사고당 비용을 줄이며, 인력을 추가하지 않고도 사고 처리 능력을 확장

2. 사전 대응적인 주요 문제 방지 및 감지

사후 대응적인 ITSM은 첫 번째 티켓을 기다립니다. ITSM을 위한 에이전트 AI는 Splunk, Datadog, New Relic과 같은 모니터링 플랫폼과 통합하여 원격 측정 신호의 상관 관계를 분석해 이상 현상이 확산되기 전에 탐지합니다. 이러한 사전 대응 관리를 통해 문제를 백그라운드에서 해결하여 서비스 품질을 높게 유지할 수 있습니다.

비즈니스 가치:

• 서비스 데스크를 문제가 생기면 대응하는 부서에서 미리 예방하는 부서로 전환합니다.
• SLA 위반 위험과 평판 노출을 줄입니다.

3. 자동화된 문제 식별

사고 관리는 증상을 해결하는 것이고, 문제 관리는 그 근본 원인을 제거하는 것입니다.

에이전트 AI 에이전트는 CMDB의 사고, 서비스 요청, 구성 항목(CI) 전반에 걸친 패턴을 분석합니다. 어떠한 패턴이 근본적인 결함을 나타낼 때(예: 여러 사용자가 소프트웨어 업데이트 이후 성능 저하를 겪는 경우) AI 에이전트는 봇을 호출하여 ITIL 용어로 문제 기록(PRB)을 생성하고 조사를 위해 이를 표시합니다.

이 프로세스는 수동으로 상관 관계를 분석할 필요가 전혀 없으며, 분석가가 로그를 샅샅이 살펴보지 않아도 됩니다.

비즈니스 가치:

• 단순히 증상만이 아니라 근본 원인을 해결하여 반복적으로 발생하는 사고의 양을 감축
• 패턴이 나타나는 시점과 사람이 이를 인지하는 시점 사이의 MTTD 격차를 제거

4. AI 기반 근본 원인 분석

PRB를 여는 것은 끝이 아니라 시작일 뿐입니다. AI 에이전트는 로그를 스캔하고, 원격 측정의 상관 관계를 분석하며, 영향을 받은 CI를 매핑하고, 과거 사고를 교차 참조하여 실패한 대상과 이유를 정확히 파악합니다. 이로써 수 시간에 걸친 수동 재구성 작업을 몇 분 만에 구조화된 에이전트 생성 RCA로 압축해 제공합니다.

다중 시스템 장애의 경우, 에이전트는 전체 종속성 체인을 추적하고 서비스 및 사용자 전반에 걸친 영향 경로를 PRB 기록에 직접 문서화합니다.

비즈니스 가치:

• 사고 감지부터 근본 원인 확인까지 걸리는 시간을 몇 시간에서 몇 분으로 단축
• 일관되고 감사 가능한 RCA 문서를 생성하여 지식 기반에 제공하고 향후 변경 위험 평가에 정보를 제공

5. 동적(실시간) 해결

표준화된 런북은 비표준 환경에서는 제대로 작동하지 않습니다. 오케스트레이션된 AI 에이전트는 실시간으로 적응형 워크플로를 실행하여 사용 가능한 ITSM 및 통합 엔드포인트 관리(UEM) API 전반에 걸쳐 추론해 안전한 해결 경로를 찾은 후, 기본 스크립트가 실패하더라도 관리되고 감사 가능한 자동화로 이를 실행합니다.

비즈니스 가치:

• 정적 자동화를 유지하기 위한 운영 부담 제거
• 복잡한 엣지 케이스 사고에 대한 최초 접점 해결률 증가

6. 사람과 AI의 협업: 서비스 데스크를 위한 어시스턴트

사람의 감독이 필요한 사고의 경우, AI 에이전트가 실시간 코파일럿으로 작동합니다. 티켓을 분류하고 관련 지식 베이스 문서를 가져오며 맞춤형 지원 권장 사항을 제공합니다.

또한 최종 사용자의 감정을 파악하여 좌절 신호가 위험으로 판단되면 우선순위를 상향 조정합니다. 마무리 단계에서 어시스턴트는 RCA를 작성하고 해결 노트에서 지식 기반 문서를 자동으로 생성합니다.

비즈니스 가치:

• 현재 문서 작성에 소요되는 기술자의 시간을 회수
• 복잡한 사고의 처리 시간을 단축하고 해결 일관성을 향상

7. 자동화된 지식 기반 생성

에이전트 AI는 지식 기반을 살아 있는 시스템으로 취급합니다. 해결된 모든 사고는 새로운 문제 해결 단계를 자동으로 지식 기반에 반영하여, 티켓 데이터를 기반으로 지식 기반 문서를 자동 생성합니다.

비즈니스 가치:

• 시간이 지남에 따라 해결 속도가 점점 더 빨라지며, 시스템은 사고가 발생할 때마다 실질적으로 속도가 빨라짐
• 부서 내 지식에 대한 의존도를 줄이고, 고위 직원이 이직할 때 발생하는 생산성 저하를 줄임

8. AI 에이전트를 통한 통합 엔드포인트 관리(UEM)

디바이스 플릿이 확장됨에 따라 수동 패치 관리가 불가능해지고 있습니다. APA는 에이전트 AI를 오케스트레이션하여 Nexthink, Intune, JAMF와 같은 UEM 플랫폼과 네이티브로 통합함으로써, 규정 미준수 디바이스를 사전에 감지하고 사고가 발생하기 전에 보안 프로토콜을 적용합니다.

비즈니스 가치:

• 전 세계에 분산된 엔드포인트 전반에서 정책과 집행 간의 격차를 해소
• 수동으로 규정 준수를 점검하지 않고도 보안 취약성 노출을 줄임

9. AI 기반 변화 관리

모든 변경에는 영향이 퍼지는 위험이 따릅니다. 자율 AI 에이전트는 제안된 변경 사항을 현재 네트워크 상태, 활성 인시던트 데이터, 과거 변경 성공률과 비교 분석하여 위험을 평가하고 최적의 유지보수 시간을 추천합니다.

위험 수준이 낮은 일상적인 변경 사항은 자동으로 실행할 수 있으며, 위험 수준이 높은 변경 사항은 사람이 개입하기 전에 전체 위험 요약과 함께 표시됩니다.

비즈니스 가치:

• 변경 실패율과 실패한 배포를 롤백하는 MTTR 비용을 줄임
• 직감에 의존한 평가 대신 데이터 기반의 위험 맥락을 변경 자문 위원회(CAB)에 제공

실제 영향: ITSM의 에이전트 AI

기업들이 ITSM, ITSD, AIOps 계층 전반에 에이전트 AI를 도입함에 따라, 기존 자동화로는 결코 달성하지 못했던 성과를 보고하고 있습니다.

• 84%의 IT 지원 요청 자동 해결률
• 운영 비용 63% 절감
• AI 기반 인시던트 클러스터링을 통해 경고 노이즈를 최대 90%까지 감소

거버넌스, 보안 및 휴먼인더루프

CIO들이 공통으로 걱정하는 부분은 생산 환경에서의 자율적인 의사결정입니다. 해답은 아키텍처에 있습니다. 실행 계층은 결정론적 방식으로 작동합니다. AI 에이전트는 추론을 통해 결정을 내리지만, 관리 체계가 갖춰진 자동화는 사전 승인된 범위 내에서 이를 실행합니다.

• 기록됨 — 전체 감사 추적
• 정책에 의해 제한됨 — 정의된 가드레일 내
• 복구 가능 — 롤백 기능 내장

결론: IT의 미래 받아들이기

에이전트 AI는 기존 ITSM 플랫폼의 또 다른 기능 업그레이드가 아닙니다. IT 제공 방식에 대한 새로운 운영 모델입니다.

ITSM을 위한 에이전트 AI에 관한 FAQ

ITSM을 위한 에이전트 AI의 예로는 무엇이 있나요?

대표적인 예로는 비밀번호 재설정, 소프트웨어 프로비저닝과 같은 일상적인 작업에 대한 자율적인 L1/L2 해결이 포함됩니다.

에이전트 AI는 기존 IT 시스템과 함께 작동할 수 있나요?

네. 에이전트 AI는 Jira Service Management, ServiceNow, 기존 메인프레임 등의 시스템 위에 위치한 기능 계층으로 작동합니다.

생산 환경에서 AI 에이전트를 어떻게 보호하나요?

보안은 정책 기반 실행, 데이터 거버넌스, 전체 감사 로그를 통해 유지됩니다.

에이전트 AI는 IT 인력 구성과 역할에 어떤 영향을 미치나요?

IT 팀이 반복적인 작업에서 벗어나 전략적인 이니셔티브와 서비스 개선에 집중할 수 있습니다.