모든 변화는 어떤 의미에서 위험합니다. 여기에는 수백만(때로는 수십억)의 고객이 의존할 수 있는 디지털 제품과 서비스에 대한 점진적인 변화가 포함됩니다. 부지런한 변화 관리란 위험을 정량화하고 위험을 회피하는 결과를 추구하는 것을 의미하며, 이 모든 것이 필요 이상으로 변화 배포 속도를 저해하지 않는 것을 의미합니다.

한때 모든 변경 사항은 배포 전에 면밀히 검토되어 서비스 중단, 사고 또는 기타 문제의 위험을 줄일 수 있을 것이라는 기대가 있었습니다. 그러나 이러한 프로토콜의 대부분은 릴리스 품질을 반드시 향상시키지는 않으면서 배포 속도에만 악영향을 미쳤습니다.

이제 파이프라인의 모든 변경 사항을 수동으로 검토할 필요가 없도록 데이터 기반 정보와 기술을 확보했습니다. AI/ML 모델링을 분석 대시보드 및 프로세스 자동화와 함께 사용하면 DevOps 팀은 "변화 관리"에서 "이상"으로 전환할 수 있습니다.변화 지원"변경 팀과 개발 엔지니어에게 정기적으로 변경 사항을 적용하는 데 필요한 조건이 제공됩니다.

Digital.ai 변경 위험 예측은 다음과 함께 작동합니다. Digital.ai Release 이러한 야망을 실현하기 위해 데이터 모델과 AI 기반 분석을 통해 DevOps 리더들은 어떤 변경 범주와 변경 팀의 변경 성공률이 높은지 파악할 수 있습니다. 이 정보를 활용하여 해당 변경 유형에 대한 승인을 자동화할 수 있으며, 이를 통해 출시 속도를 늦추는 번거로운 검토 프로세스를 대부분 생략할 수 있습니다.

이것이 바로 변화 실현의 핵심 이상입니다. 변화가 자유롭게 흐르고 팀이 고객에게 더 자주 새로운 가치를 제공하는 환경을 만드는 것입니다.

풍부하고 상황에 맞는 데이터는 변화를 가능하게 합니다.

변경 사항 발표를 막고 변경 팀을 지연시키는 가장 큰 문제는 불확실성입니다. 팀은 어떤 변경 사항이 실패할지 전혀 알 수 없습니다. 더 걱정스러운 것은, why 특정 변경 사항이 실패하는 경우, 알려지지 않은 위험을 관리하는 가장 일반적인 방법은 게이트키핑을 구현하는 것인데, 이는 종종 수동 검토 프로세스의 형태로 이루어집니다.

ITIL은 공식화된 변경 검토 프로세스를 제안한 최초의 IT 프레임워크 중 하나였습니다. 1989년부터 시작2019년 ITIL v4 가이드라인이 발표됨에 따라, IT 모범 사례 매뉴얼에서는 팀이 지나치게 부지런한 "변화 관리" 관점에서 벗어나 "변화 활성화" 관점으로 전환할 것을 제안합니다.

이러한 의미적 변화가 어떻게 더 큰 태도 변화를 드러내는지 좀 더 자세히 살펴보겠습니다. "관리"라는 용어는 모든 변경 사항이 특정 프로세스를 통해 처리되어야 함을 의미합니다. 하지만 실제로는 많은 변경 사항이 최소한의 검토와 최소한의 위험 수준으로 배포될 수 있습니다. 모든 변경 사항을 사람이 개별적으로 "관리"해야 한다고 기대하는 것은 불필요하고 실제로 가능하지도 않은 수준의 통제를 의미합니다. 수동 변경 검토를 강제하는 것은 각 릴리스의 지연을 증가시킬 뿐만 아니라, 변경 검토자에게 각 변경 사항에 동일한 수준의 주의와 사전 고려를 요구합니다. 실제로 많은 변경 승인이 적절하게 이루어지더라도, 일부 변경 승인은 필연적으로 결함으로 이어집니다.

각 변경 사항을 수동으로 관리하는 대신, 어떤 변경 유형과 변경 요인이 위험을 유발하는지 파악하는 방법이 필요합니다. 이러한 위험 요인은 AI/ML 모델링과 결합된 데이터 분석을 통해 표면화되고 이해될 수 있습니다. 자동화된 프로세스를 사용하여 관련 데이터를 면밀히 검토함으로써 변경 팀은 변경 검토 범위를 넓힐 뿐만 아니라 어떤 위험 요인에 집중해야 하는지, 그리고 어떤 최소 위험 변경 사항이 전체 검토 프로세스를 거치지 않아야 하는지 파악할 수 있습니다. 이러한 변화는 변경 사항이 자유롭게 흐르도록 하는 동시에 변경 사항이 가장 필요한 변경 유형과 팀에 우선순위를 두는 방향으로의 진정한 전환을 보여줍니다.

. ITIL 전문가 Jon Stevens와 ITSM 컨설턴트 Joseph Mathenge의 말: "변경 활성화 관행의 목적은 위험이 적절하게 평가되었는지 확인하여 성공적인 IT 변경의 수를 극대화하는 것입니다."

따라서 아이디어는 위험 수준이 높은 변경 사항에만 집중하고 위험 수준이 낮거나 없는 변경 사항에는 자동 승인을 제공하여 변경 속도를 높이는 것입니다. 이를 위한 한 가지 방법은 다음과 같습니다. 각 변화의 위험을 정량화하다 ML/AI 모델링을 활용합니다. 과거 데이터와 과거 중단/사고를 특정 위험 요소와 연관시키는 데이터 모델을 활용하여 IT 리더는 대시보드에서 어떤 변경 사항이 실패할 가능성이 가장 높고 그 이유를 한눈에 파악할 수 있습니다.

Digital.ai 변화 위험 예측 모든 계획된 변경 사항에 대해 위험/실패 확률 점수를 할당하기까지 합니다. 이러한 맥락적 정보를 통해 변경 팀은 새롭게 발생하는 위험에 대응하고, 주의가 필요 없는 저위험 변경에 집중하지 않아도 됩니다.

이 개선된 변화 지원 시스템이 구축되면, DevOps 리더는 품질 기준을 지속적으로 충족하거나 초과 달성하는 변화 팀을 위한 "고속 차선"을 구축함으로써 변화 속도를 더욱 가속화할 수 있습니다. AI 기반 분석은 결함 발생 가능성과 같은 여러 요소를 조합하여 벤치마크 KPI를 활용하여 개별 변화 팀의 상대적 위험도를 평가하고, 지속적으로 스스로를 입증하는 팀에 대한 신속한 승인 시스템을 구축할 수 있습니다.

고성과 변화 팀을 위한 빠른 차선 만들기

Digital.ai 변화 위험 예측은 변화 실패에 대한 전반적인 위험 요소로서 개별 변화 팀의 성과를 고려할 수 있습니다.

팀에는 "신용 점수 변경 위험” 특정 지표에 대한 성과를 기준으로 합니다. 점수에 반영되는 요소의 예는 다음과 같습니다.

• 실패한 변경의 %
• 지난 7일간의 CI 알림
• 테스트 자동화로 감지된 사전 생산 결함
• 팀 간 종속성

전반적으로 위험도가 낮은 신용 점수를 가진 팀은 특정 성과 기준을 지속적으로 충족하는 경우 자동 승인을 받을 수 있습니다. 위험 관리 자동화를 통해 무실패 스모크 테스트, 자동 규정 준수 점검 통과 등의 기준에 따라 게이트를 생성하거나 제거할 수 있습니다.

본질적으로, 변화 리더는 위험 예측과 과거 성과를 기반으로 프로세스를 자동으로 추진합니다. 간단히 말해, 즉각적인 승인이나 저수준 게이팅을 통한 변화 자동화는 사고나 중단 없이 안정적인 변화를 지속적으로 제공할 수 있는 팀에게 빠른 길을 제공합니다. 이러한 수준의 자동화는 또한 변화 지원 활동을 중심으로 더 빠르고 덜 엄격한 프로세스를 구축합니다.

변화 관리란 기대치를 설정하고 변화 팀이 기대치를 충족하거나 초과할 수 있는 능력을 측정하는 것과 관련이 있습니다. Greg Sanker가 말했습니다.IT 변화 관리: 실무자 가이드의 저자입니다.

"변화 결과 기대치가 달성되는 한, 변화 관리는 개별 변화를 검토하는 방식으로 가치 흐름에 어떠한 가치도 더할 수 없습니다. 이는 말 그대로 가치 흐름 자체에 내재된 결과 기대치에 불과합니다."

특정 변경 사항을 신속하게 처리하면 시간을 절약할 수 있을 뿐만 아니라 변경 자문 위원회(CAB) 소집 비용도 절감할 수 있습니다. 또한, 변경 위험을 모델링하고 이해하면 사고 및 중단 비용을 절감할 수 있습니다. 가트너는 대기업과 그 고객의 경우 분당 6,000달러, 주요 서비스 중단 시 하루 10천만 달러 이상의 비용이 발생할 것으로 추산합니다.

이는 변화 활성화 프로세스에서 데이터 중심적인 접근 방식을 취하고, 프로세스를 특정 결과와 더 높은 ROI로 추진하기 위한 전략의 일환입니다.

또한 팀의 점수를 매기고 지속적으로 긍정적인 성과를 거둔 팀에 보상을 제공하는 게임화 측면도 있습니다. Digital.ai 솔루션 컨설턴트 Neal DeBuhr: "팀은 이러한 요소를 확인하고 이를 매우 효과적이고 정확하게 수행할 수 있는 정보를 갖게 되면 매우 자연스럽게 신용 점수를 개선하고 싶어할 것입니다."

AI/ML 모델이 표면화한 데이터는 깊고 풍부하며 전체적인 이해를 제공하며, 이를 통해 변화 지원팀이 제공하는 정보 덕분에 더욱 효율적이고 효과적으로 작업할 수 있습니다. DevOps 팀은 이 정보를 활용하여 프로세스를 효율적으로 추진하고, 업무 속도를 높이는 동시에 시스템 중단 가능성을 줄일 수 있습니다. 확보된 리소스 덕분에 팀은 더 많은 시장을 선도하는 혁신을 선보이는 데 집중할 수 있으며, 프로세스 운영 비용도 절감하고 효율성을 높일 수 있습니다. 또한 예상치 못한 변경 실패의 전반적인 위험도 낮출 수 있습니다.

이것이 바로 위험 관리 자동화가 가져다주는 힘과 잠재력이며, 모두 여러분의 손끝에서 가능합니다.

지난 여름 미팅 시리즈의 영상에서 데이터 기반 분석의 힘을 활용하는 방법에 대해 자세히 알아보세요. "데이터 기반 의사 결정을 내리는 데 필요한 종단 간 가시성과 실행 가능한 통찰력을 얻으세요. Digital.ai Intelligence 솔루션"