Elastic Workflows 소개: Elasticsearch용 네이티브 자동화

Elasticsearch 내에서 스크립트 기반 자동화와 AI 에이전트를 통합하세요. 별도 통합 작업을 없애고 데이터에 직접 작업을 수행하세요.

오늘 Elastic은 Elasticsearch에 직접 구축된 자동화 엔진인 Elastic Workflows를 소개합니다. Workflows는 단순한 작업을 위한 신뢰할 수 있는 스크립트 기반 자동화와 추론이 필요한 복잡한 문제를 위한 AI 기반 자동화를 제공합니다. 

Elastic Workflows는 이제 기술 미리보기로 제공됩니다.

과제: 사일로화된 데이터와 강요되는 절충

오늘날의 복잡한 디지털 환경에 발맞춰 나가려면 조직은 자동화가 필요합니다. 하지만 대부분의 자동화 솔루션은 두 가지 주요 한계점을 가지고 있습니다.

  1. 자동화 시스템은 일반적으로 운영 데이터와 분리되어 있습니다. 따라서 팀은 자동화 시스템에 필요한 컨텍스트를 제공하기 위해 통합 기능을 구축하고 유지관리해야 합니다. 시스템 간 데이터 내보내기, 동기화 또는 쿼리 작업이 필요하며, 자격 증명도 별도로 관리해야 합니다. 또한 상위 시스템에 변경 사항이 발생하면 통합 기능이 제대로 작동하지 않게 됩니다. 이러한 통합 기능을 유지관리하는 데 불필요한 노력이 추가됩니다. 

  2. 팀은 신뢰성과 추론 능력 사이에서 절충해야 합니다. 기존 자동화는 정의된 작업을 예측 가능하게 처리합니다. 매번 동일한 방식으로 실행되므로, 잘 파악된 프로세스에는 바로 이것이 필요합니다. 하지만 예기치 않은 상황이 발생하면 적응할 수 없습니다. 판단도 해석도 없이 미리 정의된 로직만 있을 뿐입니다.

AI 기반 도구는 이러한 공백을 메울 수 있다고 약속합니다. 명시적인 지침이 없어도 모호한 상황을 추론하고, 여러 선택지를 비교하며, 다음 단계를 제안할 수 있습니다. 그러나 이러한 도구에는 중요한 비즈니스 프로세스에 필요한 정밀성과 예측 가능성이 부족한 경우가 많습니다. 또한 대부분의 도구가 데이터에서 더 멀리 떨어져 있어 관리해야 할 통합 계층이 하나 더 추가됩니다.

지금까지 조직은 이 두 접근 방식 중 하나를 선택하거나 미들웨어와 사용자 지정 코드로 연결해야 했습니다. Elastic Workflows는 하나의 시스템에서 두 가지를 모두 제공하여 이러한 선택의 필요성을 없앱니다.

Elastic Workflows: 데이터, 컨텍스트 및 작업 통합

Elastic Workflows는 자동화 엔진을 데이터가 있는 위치에 직접 배치하여 이러한 문제를 해결합니다. 내보내기 파이프라인이나 미들웨어가 필요하지 않으며, 별도로 관리해야 하는 보안 모델도 없습니다. 워크플로우에 컨텍스트가 필요하면 이미 그 자리에 있습니다.

YAML로 정의되는 워크플로우는 버전 관리 및 검토를 수행할 수 있을 만큼 단순하면서도 실제 운영 로직을 처리할 수 있을 만큼 표현력이 풍부합니다. 엔터프라이즈급 신뢰성과 확장성을 위해 설계된 내장 엔진이 이를 실행합니다.

YAML로 정의

워크플로우는 완전히 조합 가능하며 이벤트 기반으로 작동합니다. Elasticsearch 내 데이터 변경, 웹훅을 통해 전달되는 외부 시스템 이벤트 또는 사용자가 시작한 작업에 반응할 수 있습니다. 워크플로우를 서로 연결하거나, 중첩하거나, 다른 시스템에서 호출할 수 있는 도구로 노출할 수 있습니다.

워크플로우가 실행되면 클라우드 공급자, 서비스 데스크, 메시징 플랫폼 및 ID 공급자를 비롯해 조직에서 이미 사용 중인 외부 시스템과 연결됩니다. 그러나 Elasticsearch가 중심에 유지되므로, 워크플로우의 모든 단계는 환경의 전체 컨텍스트에 액세스할 수 있습니다.

워크플로우의 모든 단계

그 결과 기본 컨텍스트를 얻기 위해 외부 시스템을 오갈 필요가 없어, 구성 요소는 줄고 실행 속도는 빨라지는 더 단순한 아키텍처가 구현됩니다. 또한 통합의 복잡한 연결망을 유지 관리하지 않으므로 문제가 발생할 수 있는 요소도 줄어듭니다.

지능형 자동화를 위한 Workflows와 에이전트

Elasticsearch에서 자동화와 AI를 통합한 아키텍처는 달성하기 어려웠던 기능을 가능하게 합니다. 즉, 예측 가능한 실행의 신뢰성과 AI 추론의 유연성을 하나의 프로세스에서 결합할 수 있습니다.

작동 방식은 다음과 같습니다. 워크플로우는 프로세스의 구조화된 부분, 즉 매번 동일한 방식으로 실행되어야 하는 단계를 처리합니다. 워크플로우가 판단이 필요한 지점에 도달하면, AI 에이전트를 호출하여 사용 가능한 컨텍스트를 분석하고 다음에 수행할 작업을 결정할 수 있습니다. 에이전트는 데이터를 바탕으로 추론하고, 결정을 내리며, 결과를 반환합니다. 그러면 워크플로우는 해당 입력을 기반으로 계속 실행됩니다.

간단한 에이전트 호출

이 통합은 양방향으로 이루어집니다. 워크플로우는 더 큰 프로세스 내에서 지능형 단계로 에이전트를 호출할 수 있습니다. 또한 에이전트는 워크플로우를 도구로 호출할 수 있어, 구체적인 조치를 취할 수 있으며 조직이 운영하는 시스템에서 단순히 텍스트를 생성하는 데 그치지 않고 실제 작업을 수행할 수 있습니다.

통합은 양방향으로 이루어집니다

Elastic Workflows는 사용자 지정 AI 에이전트를 생성하는 Elasticsearch의 네이티브 기능인 Elastic Agent Builder와 통합하여 에이전틱 기능을 제공합니다. Agent Builder로 구축된 에이전트는 워크플로우와 동일한 데이터 및 컨텍스트에 액세스할 수 있으므로 더 나은 결정을 내릴 수 있습니다. 또한 워크플로우와 에이전트가 모두 동일한 플랫폼에서 실행되므로 추론과 실행 사이에 통합 공백이 없습니다.

표준 AI 도구는 흔히 제안만 생성하지만, Elastic Workflows는 에이전트가 서비스 재시작, 레코드 업데이트, 알림 전송 또는 다른 워크플로우 트리거와 같은 조치를 수행할 수 있도록 지원합니다.

에이전트를 구축하는 개발자를 위해

AI의 발전으로 개발자는 이전보다 더 많은 작업을 자동화할 수 있는 한층 더 뛰어난 에이전트를 구축할 수 있게 되었습니다. 에이전트는 더 이상 대화만을 위한 것이 아닙니다. 이제 자체적으로 결정을 내리고 조치를 취할 수 있습니다. 그러나 많은 에이전트 구축 프레임워크는 대규모 언어 모델(LLM)이 자동화의 모든 단계를 계획하고 관리하도록 요구합니다. AI는 추론에 뛰어나지만, 기업에서 흔히 필요로 하는 명확히 정의된 작업의 신뢰성은 부족합니다.

MCP를 통해 에이전트에 도구로 제공할 수 있는 워크플로우는 이러한 공백을 해소합니다. 워크플로우는 에이전트가 시스템과 안정적으로 상호 작용하여 조치를 취하고 정보를 수집할 수 있게 하는 '손'입니다.

워크플로우는 개발자가 복잡한 프로세스를 정보 수집과 조치를 위한 예측 가능하고 재사용 가능한 도구로 전환하도록 지원합니다. 예를 들어 에이전트 애플리케이션을 구축하려면 기업 기준을 충족하는 내부 및 외부 시스템에서 프로세스를 실행해야만 수집할 수 있는 정보가 필요한 경우가 많습니다. 워크플로우는 엔터프라이즈 데이터 통합, 서비스 호출, 신호 연결 및 레코드 업데이트와 같은 복잡한 프로세스를 예측 가능하고 재사용 가능한 조치로 전환하여 이 문제를 해결합니다. 이를 통해 고객 지원 분류, 콘텐츠 업로드 및 비즈니스 로직 자동화와 같은 다양한 검색 및 자동화 작업이 간소화됩니다. Elasticsearch 기반으로 구축된 애플리케이션은 모호한 요청에 지능적으로 대응할 수 있으며, 워크플로우는 이러한 결정을 뒷받침하는 데 필요한 안정적인 실행을 제공합니다.

보안 분석가를 위해

보안 분석가는 끊임없이 쏟아지는 경고를 처리하며, 초기 분류 작업의 상당 부분은 예측 가능한 패턴을 따릅니다. 즉, 경고에 컨텍스트를 보강하고, 관련 활동을 확인하며, 자산 및 ID 정보를 가져오고, 케이스를 업데이트하고, 적절한 담당자에게 알립니다. 이러한 작업은 자동화가 처리해야 하는 작업의 대표적인 예입니다.

워크플로우를 사용하면 보안 팀은 완전한 제어와 예측 가능성을 바탕으로 이러한 프로세스를 코드로 정의할 수 있습니다. 일상적인 단계는 항상 자동으로 일관되게 수행됩니다.

하지만 조사가 항상 일상적인 것은 아닙니다. 때로는 경고가 알려진 어떤 패턴과도 일치하지 않습니다. 때로는 공격자가 새로운 방식을 사용합니다. 이러한 경우 분석가는 일반적으로 처음부터 시작하여 수동으로 로그를 수집하고, 사용자 행동을 추적하며, 여러 시스템의 신호를 상호 연관시키고, 발생한 일에 관한 가설을 수립합니다.

워크플로우와 에이전트를 결합하면 여기서 상황이 달라집니다. 빈 화면에서 시작하는 대신 에이전트가 초기 조사 작업을 수행할 수 있습니다. 즉, 증거를 검토하고, 비정상적인 패턴을 식별하며, 예상되는 통제 수단이 마련되어 있는지 확인하고, 추가로 추적할 가치가 있는 단서를 제안합니다. 워크플로우는 전체 프로세스를 구조화하고 감사 가능하게 유지합니다. 에이전트는 모호한 부분을 처리합니다.

자동 분류

분석가는 제어권을 유지하면서도, 처음부터 가설을 수립하는 대신 이미 수집된 컨텍스트와 평가할 초기 가설을 바탕으로 더 앞선 지점에서 시작할 수 있습니다.

SRE를 위해

운영 팀은 상태 점검, 용량 결정, 경고 라우팅 및 복구 플레이북을 광범위하게 자동화합니다. 이러한 프로세스는 상황이 알려진 패턴과 일치할 때 서비스가 원활하게 실행되도록 유지합니다.

하지만 모든 인시던트가 패턴을 따르는 것은 아닙니다. 복잡한 성능 저하, 예기치 않은 회귀 및 연쇄 장애와 같은 상황에는 명확한 플레이북이 있는 경우가 드뭅니다. 운영 담당자는 실제로 어떤 일이 발생하고 있는지 파악하기 위해 일반적으로 처음부터 조사하고, 대시보드와 도구 전반의 데이터를 상호 연관시켜야 합니다.

워크플로우와 에이전트를 사용하면 이 조사를 더 빠르게 시작할 수 있습니다. 로그, 메트릭 및 추적에 액세스할 수 있는 에이전트는 최근 배포를 검사하고, 상호 연관된 이상 징후를 식별하며, 가장 가능성 높은 설명을 제시할 수 있습니다. 운영 담당자는 수동으로 컨텍스트를 수집하는 대신 가설과 이를 뒷받침하는 증거를 바탕으로 시작합니다.

가설이 타당한 경우 워크플로우는 변경 사항 롤백, 서비스 확장 또는 구성 조정을 통해 복구 단계로 계속 진행할 수 있습니다. 에이전트는 판단을 제공하고, 워크플로우는 실행을 제공합니다. 운영 담당자는 중요한 결정을 승인하고 필요한 경우 개입할 수 있도록 전체 과정에 계속 참여합니다.

그 결과 감독이나 제어권을 포기하지 않고도 해결 시간을 단축할 수 있습니다.

Elastic Workflows 시작하기

Elastic Workflows는 이제 기술 미리보기로 제공됩니다. Elastic Cloud 체험판으로 시작하고 설명서도 확인해 보세요.

Elastic은 팀이 더 많은 작업을 자동화할 수 있도록 사전 구축 워크플로우와 에이전트 통합을 계속 확장하고 있습니다. 신뢰성이나 유연성을 희생하지 않고 자동화를 데이터에 더 가깝게 가져올 방법을 찾고 있었다면, 지금이 시작하기 좋은 시점입니다.

더 심층적인 기술 정보를 알아보려면 Workflows 기술 블로그를 확인하세요.

이 게시물에서 설명된 모든 기능이나 성능의 출시와 일정은 Elastic의 단독 재량에 따라 결정됩니다. 현재 제공되지 않는 기능이나 성능은 예정된 시간에 출시되지 않을 수도 있으며 아예 제공되지 않을 수도 있습니다.

이 블로그 게시물에서는 타사 생성형 AI 도구를 사용하거나 언급했을 수 있으며 이러한 도구는 각각의 소유자가 소유하고 운영합니다. Elastic은 이러한 타사 도구에 대해 어떠한 통제권도 없으며 해당 도구의 콘텐츠, 운영, 사용뿐 아니라 사용으로 인해 발생할 수 있는 손실이나 손해에 대해 어떠한 책임도 지지 않습니다. 개인 정보, 민감한 정보 또는 기밀 정보를 AI 도구와 함께 사용할 때는 주의하시기 바랍니다. 제출된 모든 데이터는 AI 학습이나 기타 목적으로 사용될 수 있습니다. 제공한 정보가 안전하게 보호되거나 비밀로 유지된다는 보장은 없습니다. 생성형 AI 도구를 사용하기 전에 해당 도구의 개인정보 보호 관행과 이용 약관을 숙지하시기 바랍니다. 

Elastic, Elasticsearch 및 관련 마크는 미국 및 기타 국가에서 Elasticsearch B.V.의 상표, 로고 또는 등록 상표입니다. 그 외의 모든 회사 및 제품 이름은 해당 소유자의 상표, 로고 또는 등록 상표입니다.