APM 분석을 바꾸는 AI 자동 분석

새벽 2시, 결제 서비스 응답 시간이 평소의 3배로 튀었다는 알람이 울립니다. 화면을 엽니다. 트랜잭션 트레이스, 스레드 덤프, 메서드별 소요 시간, GC(Garbage Collection) 그래프, 액티브 스택이 빽빽하게 펼쳐집니다.

데이터는 다 있습니다. 문제는 이 안에서 원인을 짚어낼 수 있는 사람이 조직에 몇 명뿐이고, 그 사람은 지금 자고 있다는 점입니다.

데이터를 보여주는 것에서 멈추던 도구가, 이제 읽고 정리해서 결과로 돌려줍니다.
위의 새벽 2시 장면에서 가장 사람의 경험에 의존하던 단계, 곧 사람이 화면을 해석하는 과정이 바뀌고 있다는 뜻입니다.

‍

분석이 전문가의 영역이었던 이유

APM 분석이 어려웠던 이유는 도구가 부족해서가 아닙니다. 오히려 반대였습니다. 데이터가 너무 많았습니다.

20년 전 모니터링은 단순했습니다. CPU·메모리·디스크 사용량 그래프 몇 개와 임계치 알람이면 충분했습니다. 시스템도 단순했기 때문입니다. 모놀리식 애플리케이션 하나가 단일 서버에서 돌고, 장애 원인 후보가 손에 꼽혔습니다.

지금은 다릅니다. 마이크로서비스, 컨테이너, 메시지 큐, 외부 API, 서비스 메시, 멀티 클라우드. 하나의 사용자 요청이 수십 개의 컴포넌트를 거치고, 트랜잭션 한 건이 수백 개의 메서드 호출과 수십 번의 DB 쿼리, 외부 호출을 만듭니다. 와탭 같은 APM은 이 모든 호출을 보여줄 수 있습니다. 문제는 그 데이터의 양이 사람의 해석 능력을 넘어선다는 점입니다.

10년간 와탭이 풀어온 문제의 본질은 "어떻게 다 보여줄까"에서 "이 많은 데이터를 어떻게 의미로 압축할까"로 옮겨 갔습니다. 초기에는 트랜잭션 맵, 액티브 스택, 멀티 트랜잭션 뷰 같은 시각화로 풀었습니다. 그래도 마지막 해석은 여전히 사람 몫이었습니다. 차트를 본 시니어가 "이건 GC 영향이고, 이건 외부 API 지연이다"라고 짚어 줘야 다음 결정이 나갔습니다.

이 마지막 한 단계가 APM 도입 효과를 제한하는 요인이었습니다. 시니어가 화면을 못 보는 시간 동안에는, 새벽 2시처럼, 데이터가 그대로 쌓이기만 했습니다.

‍

AI 자동 분석이 바꾼 APM 분석 장벽

자동 분석은 바로 그 마지막 장벽을 낮추기 시작했습니다. 데이터를 사람이 해석하는 대신, 시스템이 해석한 결과를 사람에게 건넵니다.

구체적으로 바뀐 부분은 세 가지로 보입니다.

첫째, 이상치 탐지의 자동화. 예전에는 임계치를 사람이 정했습니다. CPU 80% 이상, 응답 시간 3초 이상. 그런데 서비스마다, 시간대마다 정상 범위가 달랐습니다. 트래픽이 적을 때의 80%와 피크 시간의 80%는 다른 의미입니다. AI 기반 이상치 탐지는 서비스별·시간대별 패턴을 학습해 "이 시점, 이 서비스 기준에서 비정상"을 짚습니다. 임계치 룰을 사람이 매뉴얼로 관리하던 방식과 비교하면 운영 비용 구조가 달라집니다.

둘째, 원인 후보 자동 정리. 트랜잭션이 느려졌을 때 후보는 늘 여럿입니다. DB 쿼리, GC, 외부 호출, 락 경합, 컨테이너 리소스. 시니어는 이걸 머릿속에서 빠르게 가지치기합니다. 자동 분석은 여러 후보를 데이터로 비교해 우선순위를 정리합니다. 이 시점에 어떤 지표가 평소와 달랐고, 어느 쪽이 트랜잭션 지연과 시간상 가까운 변화였는지를 정리해 후보 순서로 보여줍니다. 와탭의 AI 액티브 스택 분석과 AI 스레드 덤프 분석은 이러한 원인 후보 정리를 돕는 기능입니다.

셋째, 자연어 요약. 차트를 읽는 부담이 줄어듭니다. "지난 30분간 결제 서비스 응답 시간이 평소 대비 2배로 늘었고, 같은 시점에 외부 PG 호출 응답이 함께 길어졌다" 같은 문장으로 결과를 받습니다. 차트를 해석하기 어려운 사용자도 결론에 도달할 수 있습니다.

다시 새벽 2시로 돌아가 봅니다. 운영자가 AI 분석을 실행하면, 결제 응답 지연과 외부 PG 호출 지연이 같은 시점에 시작됐다는 분석 결과를 먼저 확인할 수 있습니다. 트레이스 화면을 처음 여는 신입 SRE도 다음 행동을 결정할 수 있습니다. 여기서 핵심은 사람이 사라지는 게 아니라는 점입니다. 자동 분석이 후보를 정리해 주면, 사람은 결정을 내립니다. 데이터를 읽는 데 쓰던 시간이 결정과 조치에 쓰는 시간으로 바뀝니다.

‍

AI 자동 분석에 대한 흔한 오해

자동 분석이 시장 키워드가 되면서, 도입 검토 단계에서 반복해서 마주치는 오해가 있습니다.

"AI가 들어오면 운영자가 줄어든다." 지난 10년간 RPA·IT 자동화·챗봇이 들어올 때마다 반복된 기대인데, 실제로 나타난 변화는 인력 감축이 아니라 역할 이동이었습니다. 자동 분석의 효과도 "더 적은 사람이 같은 일을 한다"보다 "같은 사람이 더 큰 시스템을 다룬다"에 가깝습니다. 인력 감축을 기대치로 두고 평가하면 도입 후 ROI 측정이 어긋납니다.

"AI가 알아서 원인을 찾아 준다." 자동 분석이 돌려주는 건 "원인 후보를 좁힌 결과"지 "원인 그 자체"가 아닙니다. 모델이 가장 확률 높은 후보를 짚어 주지만, 그것이 진짜 원인인지 확정하는 일은 사람이 합니다. 이 구분이 흐려지면 한두 번의 오탐만으로 신뢰가 무너지고, 운영자는 자동 분석 결과를 무시하기 시작합니다.

"도구 하나로 모든 분석을 자동화한다." 분석 자동화는 트랜잭션·DB·인프라·로그·사용자 행동 등 영역마다 따로 이루어집니다. 한 도구가 모든 영역을 같은 수준으로 자동화하기는 어렵습니다. 그러니 자동화가 가장 필요한 영역을 먼저 정해 두는 편이 현실적입니다.

‍

와탭은 이 변화를 어떻게 받아들였나

와탭은 단일 제품이 아니라 옵저버빌리티 전 영역에 걸친 제품군으로 풀어 왔습니다. APM, 서버, 쿠버네티스, 데이터베이스, 브라우저, URL, 로그, LLM Observability까지. 자동 분석은 제품군 전체를 가로지르는 데이터 위에서 동작할 때 가치가 가장 커집니다.

예를 들어 APM 트랜잭션이 느려졌다고 가정해 보겠습니다. APM 데이터만 보면 "이 트랜잭션이 느렸다"까지는 알 수 있습니다. 그런데 같은 시점에 동일 노드의 컨테이너가 리소스 압박을 받았는지, DB 쪽에서 동일 SQL이 락 대기에 걸렸는지, 외부 URL 헬스체크가 어떤 패턴이었는지를 함께 봐야 원인이 좁혀집니다. 자동 분석이 한 제품 안에만 갇혀 있으면 후보의 절반은 시야 밖입니다.

입니다. 모델이 짚은 결론을 운영자가 원본 데이터로 되짚을 수 없으면, 한두 번의 오탐만으로 그 분석은 무시당하기 시작하기 때문입니다.
그래서 와탭은 분석 결과를 별도 대시보드로 분리하지 않고, 트랜잭션 트레이스·스레드 덤프처럼 운영자가 이미 보고 있는 화면에서 바로 확인할 수 있도록 제공합니다. 분석 결과와 원본 스택이 함께 있어 "정말 그런지" 바로 확인할 수 있습니다.

모든 트랜잭션에 AI를 무차별로 돌리지 않는 것도 같은 맥락의 설계입니다. 분석 가치가 있는 이벤트에 집중해야 비용이 감당 가능한 범위에 머물고, 정작 봐야 할 신호가 잡음에 묻히지 않습니다. 넓은 범위와 검증 가능한 깊이를 양자택일로 두지 않는 것, 그게 와탭이 선택한 방향입니다.

‍

도입 검토자가 챙겨 봐야 할 지점

APM 도입을 검토하는 의사결정자·아키텍트에게는 몇 가지 관점이 새로 필요해집니다.

기능 비교표만으로는 부족합니다. "AI 자동 분석 지원" 항목에 체크가 있다고 해서 같은 가치를 주는 건 아닙니다. 어떤 데이터 위에서 동작하는지, 어디까지 자동화되는지, 결과를 어떤 형태로 돌려주는지, 그리고 그 결과를 원본으로 되짚을 수 있는지가 도입 효과를 가릅니다. APM 단독 데이터에서 동작하는 자동 분석과, 인프라·DB·URL·로그를 함께 보는 자동 분석은 같은 라벨을 달고 있어도 결과의 깊이가 다릅니다.

운영 인력 구조에 미치는 영향도 따져 볼 만합니다. 자동 분석이 자리 잡으면 "분석할 줄 아는 사람이 누구냐"보다 "결정할 줄 아는 사람이 누구냐"가 새로운 병목이 됩니다. 분석 결과를 받아 행동에 옮기는 조직 흐름이 준비돼 있는지, 보고·승인·롤백 절차가 자동 분석 속도에 맞춰져 있는지 살피는 일이 도구를 평가하는 것보다 더 중요할 때도 있습니다.

비즈니스 관점에서는 운영 인력 확장 부담이 줄어들고, 기술 관점에서는 시니어가 더 어려운 문제에 시간을 쓸 수 있습니다. 두 관점을 함께 봐야 도입 효과를 제대로 평가할 수 있습니다.

‍

마치며

APM 분석이 전문가의 일에서 누구나 결과를 받아 볼 수 있는 일로 옮겨 가는 흐름은 한 제품의 기능 업데이트가 아니라 옵저버빌리티 산업 전체의 단계 변화입니다. 데이터를 보여주는 시대에서 데이터를 해석해 돌려주는 시대로의 이동이며, 그 변화는 운영자·SRE·의사결정자가 도구를 평가하는 기준을 바꾸고 있습니다.

다음 새벽 2시에는 화면을 이해할 수 있는 사람이 깨어 있지 않아도 분석이 시작될 수 있습니다. 와탭 APM의 자동 분석을 자기 환경에서 살펴보고 싶다면 와탭 무료 체험에서 확인해 볼 수 있습니다.

더 읽을거리

• 와탭 공식 사이트
• 와탭 기술 문서