클라우드 엔지니어가 크루AI로 업무 자동화한 경험과 교훈

최근에 CrewAI 프레임워크를 탐구하기 시작했습니다. 많은 분들이 저와 마찬가지로 소개 영상을 보며 소형 개인 프로젝트를 진행하면서 공식 문서를 읽는 것을 즐깁니다. 그래서 저는 생각했습니다. 첫 번째 프로젝트에서 CrewAI를 사용하여 해결할 수 있는 사례는 무엇일까? 그리고 바로 생각이 떠올랐습니다. AI 에이전트가 기업 작업의 일부를 처리하도록 하는 것이 어떨까? 그래서 실제로 AI 에이전트를 활용해 제 업무의 일부를 자동화하는 프로젝트를 수행했습니다. 이 글에서는 어떻게 구축했는지, 어떤 교훈을 얻었는지, 그리고 CrewAI의 작동 원리(시작할 때 필요한 기본적인 내용만)를 설명하겠습니다. 제가 자동화하려고 선택한 업무는 클라우드 엔지니어로서 FinOps 자동화를 담당하는 것입니다. GitLab CI/CD, Python, Shell 스크립팅, Terraform 등을 사용해 다양한 자동화 작업을 수행합니다. 이는 간단한 이메일 발송부터 복잡한 클라우드 데이터 업데이트까지 다양합니다. 프로젝트 시작 단계에서는 몇 가지 주요 목표를 세웠습니다. 첫째, 반복적인 일상 작업을 줄이는 것이었습니다. 둘째, 특정 업무를 더 효율적으로 수행하기 위한 방법을 찾는 것이었습니다. 셋째, AI 에이전트의 능력을 검증하고 이를 통해 미래의 자동화 가능성을 탐색하는 것이었습니다. CrewAI를 사용하여 자동화한 첫 번째 작업은 클라우드 비용 데이터를 추출하고 이를 이메일로 발송하는 것이었습니다. 이 작업은 매월 이루어지며, 기업의 클라우드 비용 관리를 위해 필수적이었습니다. 기존에는 매달 수작업으로 이 작업을 수행해왔습니다. 그러나 CrewAI를 통해 이 과정을 완전히 자동화할 수 있었습니다. 다음으로, 클라우드 인프라의 상태를 주기적으로 모니터링하고 이상 징후를 감지하는 시스템을 구축했습니다. 이 시스템은 정해진 시간마다 클라우드 인프라의 상태를 점검하고, 문제가 발생하면 알림을 보내도록 설계되었습니다. 이러한 자동화를 통해 인프라 문제를 신속하게 파악하고 대응할 수 있게 되었습니다. 또한, 새로운 클라우드 서비스를 도입하거나 기존 서비스를 업그레이드할 때 필요한 변경 사항을 자동으로 생성하는 프로세스도 구현했습니다. 이는 Terraform 스크립트를 작성하는 데 많은 시간이 소요되는 작업을 줄여주었습니다. AI 에이전트는 기업의 요구사항을 이해하고, 적절한 변경 사항을 제안하며, 이에 따른 스크립트를 생성할 수 있었습니다. 이 프로젝트를 진행하면서 몇 가지 중요한 교훈을 얻었습니다. 첫째, AI 에이전트는 반복적인 작업을 효과적으로 처리할 수 있지만, 복잡한 업무에서는 여전히 인간의 개입이 필요합니다. 둘째, AI 에이전트의 성능은 데이터의 질과 양에 크게 의존하며, 이를 최적화하기 위해서는 지속적인 학습과 개선이 필요합니다. 셋째, 자동화된 시스템을 구축할 때는 보안과 안정성이 항상 고려되어야 합니다. CrewAI를 사용한 이번 프로젝트는 제가 클라우드 엔지니어로 일하면서 경험한 유익한 실험이었습니다. AI 에이전트를 활용해 업무 효율성을 높이는 방법을 배웠으며, 향후 더 많은 업무를 자동화할 수 있는 가능성을 확인할 수 있었습니다. 업계 전문가들은 이번 실험이 클라우드 엔지니어링의 미래를 조망하는 좋은 사례라고 평가했습니다. CrewAI는 기업의 디지털 변혁을 가속화할 수 있는 강력한 도구로, 다양한 업무 영역에서 활용될 수 있을 것으로 기대됩니다. 또한, CrewAI의 개발사인 CrewAI Labs는 AI 기술의 혁신적인 적용을 선도하는 회사로 알려져 있으며, 앞으로도 계속해서 이런 기술들을 개선하고 발전시킬 계획이라고 밝혔�습니다.