Cisco, AI가 네트워크 인프라를 재편하고 있다고 상원에 경고

Cisco는 7월 30일 상원 청문회에서 구체적인 경고를 내놓았다. 많은 사업자가 준비를 마치기도 전에 AI가 네트워크 트래픽을 바꾸고 있다는 것이다. Google News 헤드라인은 이 의회 출석을 포착했지만, 그 이면에는 더 날카로운 충돌이 자리한다. AI는 더 큰 네트워크 용량을 필요로 하는 동시에, 그 용량을 더 효율적으로 관리하겠다고 약속한다.

Cisco의 통신사업자 모빌리티 최고 아키텍트인 Bob Everson은 워싱턴에서 열린 상원 상무위원회 통신·미디어 소위원회에 출석했다. 청문회는 AI 도입 확대에 따른 네트워크 신뢰성, 사이버보안, 투자, 규제를 다뤘다.

이 의제는 인프라 논의를 GPU와 데이터센터 너머로 확장한다. AI 트래픽은 애플리케이션이 유용한 답변을 반환하기 전에 광역망, 모바일, 캠퍼스, 지사, 엣지 네트워크를 거쳐야 한다.

청문회는 두 가지 정책 우선순위 사이의 긴장도 드러냈다. 업계 증인은 더 빠른 구축과 규제 장벽 완화를 원한다. 공공 부문 관계자는 여전히 경쟁, 보안, 농촌 지역 접근성, 서비스 신뢰성을 보호해야 한다.

Cisco는 네트워킹 및 보안 시스템을 판매하기 때문에 이 논쟁에 상업적 이해관계가 있다. 그럼에도 회사의 주장을 독립적으로 확립된 사실과 구분해 볼 때, 그 증언은 주목할 가치가 있다.

이는 단지 신흥 시장을 인정해 달라고 입법자들에게 요청하는 또 하나의 공급업체 사례가 아니다. AI 대응형 연결성 비용을 누가 부담하고, 누가 이를 통제하며, 어떤 안전장치를 수반할지를 둘러싼 초기 분쟁이다.

Cisco가 상원에 제시한 내용

Cisco의 증언은 AI 인프라를 데이터센터 문제가 아니라 국가 통신의 문제로 전환했다.

상원 청문회는 2026년 7월 30일 오전 10시 Russell Senate Office Building 253호에서 열렸다. Nebraska주의 Deb Fischer 상원의원이 통신·미디어 소위원회 회의를 주재했다.

Everson은 USTelecom 회장 겸 CEO Jonathan Spalter, Nebraska Public Service Commissioner Dan Watermeier와 함께 출석했다. Vanderbilt Policy Accelerator의 인공지능 및 기술 정책 책임자인 Asad Ramzanali는 네 번째 관점을 제시했다.

이 증인 구성은 중요하다. 장비 공급업체, 광대역 업계 협회, 주 규제기관, 정책 연구자를 한데 모았기 때문이다. 이는 입법자들이 라우터 성능 이상을 검토하고 있음을 시사했다.

청문회는 서로 연관된 두 가지 과정을 다뤘다. “AI를 위한 네트워킹”은 AI 워크로드를 전달하는 인프라를 의미한다. “네트워킹을 위한 AI”는 장애를 예측하고, 위협을 식별하며, 네트워크 운영을 자동화하는 소프트웨어를 설명한다.

이 두 과정은 정책을 서로 다른 방향으로 이끈다. AI 워크로드를 지원하려면 광섬유, 무선 용량, 스위칭, 라우팅, 엣지 컴퓨팅에 대한 투자가 필요하다. 네트워크 내부에서 AI를 사용하면 책임성, 보안, 인간 감독에 관한 질문이 제기된다.

Fischer는 자체 운영을 개선하면서도 신기술을 수용할 수 있는 네트워크라는 틀로 청문회를 이끌었다. 위원회의 청문회 공지 역시 신뢰성, 사이버보안, 경제 성장, 통신 서비스를 우선순위로 제시했다.

상원 상무위원회 위원장 Ted Cruz는 이 논의를 미국과 중국 간 전략 경쟁의 맥락에 배치했다. 그의 입장은 투자와 구축을 저해하는 규제를 줄이는 쪽에 무게를 뒀다.

이러한 틀은 이 글의 핵심 충돌을 만든다. 더 빠른 인프라 구축은 용량을 확대할 수 있지만, 속도가 자동으로 회복력, 상호운용성, 폭넓은 접근성을 보장하지는 않는다.

Cisco의 역할 역시 신중하게 읽어야 한다. 정부와 기업이 네트워킹을 전략적 AI 투자로 간주할수록 회사는 이익을 얻는다. 따라서 이 회사의 증언에는 기술 분석과 시장 논리가 함께 담겼다.

기저의 기술적 요점은 단순하다. AI 애플리케이션의 응답성은 사용자, 데이터, 모델, 지원 서비스를 연결하는 전체 경로만큼만 좋다.

그 경로에는 캠퍼스 스위치, Wi-Fi 액세스 포인트, 모바일 네트워크, 인터넷 교환 지점, 여러 데이터센터가 포함될 수 있다. 어느 단계에서든 혼잡이나 패킷 손실이 발생하면 AI 모델의 응답을 생성하는 과정인 추론이 느려질 수 있다.

이 문제는 에이전틱 AI에서 더 심각해진다. AI 에이전트는 다른 사람의 프롬프트를 기다리지 않고 여러 서비스를 호출하고, 파일을 교환하고, 데이터베이스를 검색하며, 작업을 반복할 수 있다.

각 행동은 네트워크 트래픽을 만든다. 따라서 한 번의 사용자 요청은 일반적인 웹 검색보다 훨씬 긴 기계 간 통신 연쇄를 촉발할 수 있다.

이 메커니즘은 짧은 Google News 결과가 왜 더 큰 인프라 이야기로 이어지는지 설명한다. 중요한 사건은 단순히 한 임원이 의회에 출석한 일이 아니었다. 입법자들은 통신 네트워크를 국가 AI 역량의 일부로 공식 취급했다.

AI 트래픽이 네트워크 방정식을 바꾸는 이유

AI는 단지 트래픽 규모를 늘리는 것이 아니라, 데이터가 언제, 어디서, 어느 방향으로 이동하는지까지 바꾼다.

기존의 기업 애플리케이션은 대체로 예측 가능한 패턴을 보인다. 직원들은 문서를 다운로드하고, 화상회의에 참여하고, 클라우드 소프트웨어에 접속하며, 관리 가능한 양의 데이터를 업로드한다.

AI 워크로드는 다르게 작동할 수 있다. 모델 학습은 대규모 데이터세트를 스토리지 시스템, 가속기, 처리 클러스터 사이로 이동시킨다. 추론은 사용자, 모델, 검색 시스템, 도구, 애플리케이션 프로그래밍 인터페이스 사이에 반복적인 교환을 만든다.

RAG라고도 하는 검색 증강 생성은 한 층을 더한다. 모델이 답변을 작성하기 전에 외부 정보 저장소를 검색하므로, 눈에 보이는 하나의 요청 뒤에서 네트워크 트랜잭션 수가 늘어난다.

AI knowledge base는 이러한 패턴을 보여준다. 하나의 질문이 여러 시스템에 걸친 문서 검색, 권한 확인, 모델 처리, 출처 전달을 촉발할 수 있다.

Cisco의 2026년 기업 연구에 따르면, 조직들은 이미 AI와 관련해 34%의 트래픽 증가를 보고했다. 이 회사는 AI를 광범위하게 배포하는 기업들이 3년 내 전체 네트워크 트래픽이 세 배로 증가할 것으로 예상한다고 밝혔다.

이 수치는 공급업체 후원 연구에서 나온 것이므로 보편적 전망으로 받아들여서는 안 된다. 다만 Cisco가 조사한 고객들이 자신들이 직면한 상황을 어떻게 인식하는지는 보여준다.

Cisco는 또한 응답자의 75%가 네트워크의 지원 능력보다 AI 전략에 더 큰 자신감을 보였다고 보고했다. 이 격차는 조직 내 불일치를 설명한다는 점에서 가장 유용한 발견이다.

경영진은 AI 소프트웨어를 빠르게 승인할 수 있다. 그러나 스위치를 교체하고, 광섬유 용량을 확장하고, 무선 커버리지를 재설계하거나, 신규 통신사업자 서비스를 협상하는 데는 더 오랜 시간이 걸린다.

Cisco는 이를 5년 용량 계획과 24개월 요구사항의 충돌로 설명한다. 이 일정 역시 회사의 연구와 시장 지위를 반영한 것이다.

실질적인 압박은 순수한 대역폭을 넘어선다. AI 애플리케이션에는 분산된 시스템 사이에서 낮은 지연시간, 일관된 성능, 예측 가능한 경로가 필요한 경우가 많다.

지연시간은 데이터가 이동하고 돌아오는 데 필요한 시간을 측정한다. 대화형 보조 기능이 멈추거나, 산업용 컨트롤러가 늦게 반응하거나, 보안 시스템이 빠르게 움직이는 사건을 놓칠 때 그 영향이 드러난다.

AI 트래픽은 기존 패턴을 뒤집을 수도 있다. 연결형 차량, 카메라, 센서, 산업 장비는 상당한 양의 데이터를 클라우드나 엣지 시스템으로 보낸다.

Everson은 이전에 연결형 자동차를 통해 이러한 변화를 설명했다. 학습 및 운영 데이터는 더 많은 업스트림 트래픽을 만들지만, 기존 소비자 네트워크는 대체로 다운로드 중심으로 설계됐다.

에이전틱 시스템은 백그라운드에서 활동을 계속할 수 있기 때문에 이 문제를 심화한다. 누군가 질문하면 챗봇의 트래픽은 증가했다가 줄어든다. 반면 여러 에이전트는 지속적으로 통신할 수 있다.

Cisco의 별도 WAN 트래픽 연구는 에이전틱 사용이 2035년까지 광역 네트워크에 미칠 수 있는 영향을 검토한다. 광역 네트워크는 멀리 떨어진 사무실, 클라우드, 데이터센터를 연결한다.

장기 전망에는 상당한 불확실성이 따른다. 모델 효율성, 로컬 처리, 압축, 애플리케이션 설계는 작업당 트래픽을 줄일 수 있다. 그러나 도입 확대는 그 절감분을 압도할 수 있다.

이는 새로운 환경에서 나타난 익숙한 반등 문제다. 어떤 활동이 더 저렴하거나 쉬워지면, 사람들은 대개 그것을 더 많이 한다.

더 효율적인 모델은 한 번의 응답에 더 적은 컴퓨팅 및 네트워킹 자원을 사용할 수 있다. 그러나 그 효율성이 수천 개의 새로운 자동화 작업을 만든다면, 총소비량은 여전히 늘어난다.

같은 불확실성은 인프라 구매도 복잡하게 만든다. 네트워크 팀은 관측된 트래픽이 일시적 실험인지, 지속적인 운영 워크로드인지 판단해야 한다.

과소 구축은 혼잡과 신뢰성 장애를 초래할 수 있다. 과도한 구축은 비용이 큰 용량을 유휴 상태로 남길 수 있으며, 특히 AI 워크로드가 장치나 지역 엣지 시스템으로 이동할 경우 그렇다.

Cisco의 상원 출석은 이 계획 문제를 정책결정자들 앞에 제기했다. 회사의 해법은 현대적이고 프로그래밍 가능한 인프라에 무게를 둔다. 더 어려운 질문은 조직에 실제로 얼마나 많은 용량이 필요한가이다.

Google News는 헤드라인을 보여주지만 정책 싸움은 보여주지 않는다

Google News 버전은 증언을 강조하지만, 청문회 자체는 구축 속도와 공공 안전장치 사이의 충돌을 드러낸다.

위원회의 공화당 지도부는 규제 완화를 더 빠른 투자로 가는 한 가지 경로로 제시했다. 이 입장은 실제 인프라 우려를 반영한다.

인허가 지연, 분절된 지역 요구사항, 불확실한 규정은 광섬유 구축이나 무선 배치를 늦출 수 있다. 사업자가 완료 일정을 예측할 수 없을 때 자본은 더 신중하게 움직인다.

그러나 “장벽 제거”만으로는 완전한 AI 네트워크 정책이 될 수 없다. 통신 인프라는 긴급 통화, 정부 활동, 금융 거래, 건강 정보, 산업 운영을 전달한다.

장애는 하나의 AI 애플리케이션을 훨씬 넘어 확산될 수 있다. 네트워크는 장비 장애, 사이버공격, 전력 중단, 갑작스러운 수요 급증 상황에서도 가용성을 유지해야 한다.

따라서 공공 부문 관계자들은 상충관계에 직면한다. 민간 투자가 신속히 진행되기를 바라지만, 신뢰성과 보안 검토를 선택적 마찰로 취급할 수는 없다.

주 규제기관은 이 논쟁에서 중요한 위치를 차지한다. 이들은 관할 지역 내 서비스 의무, 소비자 보호, 인프라 프로그램, 공공서비스 관련 결정을 감독한다.

Watermeier의 참석은 최대 기술기업과 전국 단위 통신사업자 밖의 관점을 위원회에 제공했다. 농촌 및 소규모 시장의 네트워크는 하이퍼스케일 데이터센터와 다른 경제성을 마주한다.

AI 애플리케이션은 전 세계에서 사용할 수 있지만, 이를 이용하는 데 필요한 인프라는 고르게 분포하지 않을 수 있다. 열악한 광대역, 약한 실내 무선 커버리지, 제한적인 백홀은 명목상의 접근성을 불안정한 경험으로 바꿀 수 있다.

백홀은 지역 액세스 지점에서 사업자의 코어로 트래픽을 전달하는 네트워크 구간이다. 더 넓은 네트워크와의 연결이 계속 제한된 상태라면, 지역 무선 사이트를 확장해도 효과는 제한적이다.

이는 통신사와 정책 입안자들에게 압박을 가한다. AI가 교육, 고용, 보건, 정부 서비스에 필수적인 요소가 된다면 네트워크 품질은 누가 그러한 혜택을 받는지를 점점 더 좌우하게 된다.

업계 단체들은 투자 유인이 접근성을 개선한다고 주장할 수 있다. 비판자들은 투자가 가장 강한 기대수익을 따라가는 경우가 많아 비용이 많이 드는 농촌 지역은 뒤처질 수 있다고 반박할 수 있다.

이번 청문회는 그 분배 문제를 해결하지 못했다. 대신 국가 경쟁력과 통신 서비스, 규제 정책을 나란히 놓으며 그 긴장을 드러냈다.

보안은 또 다른 과제를 만든다. AI는 사업자가 텔레메트리를 분석하고, 이상 징후를 식별하며, 복구 방안을 권고하도록 도울 수 있다. 텔레메트리는 네트워크 장비와 소프트웨어가 생성하는 운영 데이터다.

이러한 기능은 문제 해결 시간을 단축하고 인간 팀이 놓치는 패턴을 드러낼 수 있다. 동시에 감사하기 어려운 자동화 권고에 대한 의존도를 높일 수도 있다.

잘못된 AI 생성 구성은 수천 명의 사용자에게 영향을 미칠 수 있다. 침해된 관리 에이전트는 핵심 인프라를 관통하는 효율적인 경로가 될 수 있다.

Cisco는 예측 시스템이 용량 제약과 성능 장애를 미리 예상할 수 있다고 말한다. 이러한 주장은 통제된 제품 환경 내 시연뿐 아니라 혼합 네트워크 전반에서의 운영 검증이 필요하다.

사업자들은 드물게 한 곳의 공급업체 장비만 모든 곳에서 운영한다. 이들은 구형 하드웨어, 클라우드 서비스, 통신사 링크, 보안 제품, 특화된 운영 시스템을 결합한다.

AI 관리 계층은 명령을 지어내거나 호환되지 않는 설정을 놓치지 않으면서 이 환경을 해석해야 한다. AI 시스템이 근거 없는 결과를 생성하는 환각은 글쓰기 오류가 아니라 운영 리스크가 된다.

이 때문에 Ramzanali의 독립적인 정책 역할이 중요했다. 배포 우선 의제에는 자동화가 실패했을 때 규칙이 책임을 어떻게 배분하는지 묻는 사람들의 견제 압력이 필요하다.

최종 정책은 단순히 규제나 투자를 선택할 수 없다. 일상적인 구축을 지연시키는 규칙과 경쟁, 복원력, 책임성을 보호하는 안전장치를 구분해야 한다.

Cisco의 상업적 논리, 더 কঠ কঠ কঠ কঠ 현실과 맞서다

Cisco는 네트워크가 AI 지출의 중심에 있어야 한다고 주장하지만, 자사 제품이 현대화를 통해 측정 가능한 운영 개선을 만들어낸다는 점을 입증해야 한다.

이 회사는 유리한 시장 위치에서 이 논쟁에 참여한다. 기업과 서비스 제공업체에 스위치, 라우터, 무선 시스템, 관측 가능성 소프트웨어, 보안 제품을 판매한다.

AI는 Cisco에 네트워킹 장비의 의미를 새롭게 규정할 기회를 준다. 예측 가능한 일정에 따라 교체되는 배경 유틸리티가 아니라, 네트워크는 전략적 비즈니스 프로그램의 제약 요인이 된다.

Cisco 사장 겸 최고제품책임자 Jeetu Patel은 이러한 변화를 “networking supercycle”이라고 불렀다. 이 표현은 새로운 워크로드 수요에 따른 광범위한 교체 및 확장 기간을 뜻한다.

이 설명은 확립된 업계 결과가 아니라 Cisco의 논지로 받아들여야 한다. 지출 사이클은 예산, 도입, 활용도, 고객 증거에 달려 있다.

회사의 캠퍼스 네트워크 연구에 따르면 AI “Pacesetters”의 41%는 노후 인프라가 대규모 AI를 지원할 수 없다고 답했다. Cisco는 Pacesetters를 AI 준비도 측면에서 동종 업체를 앞서는 조직으로 정의한다.

이 결과는 Cisco의 영업 논리를 뒷받침한다. 그러나 모든 제약이 하드웨어 교체, 소프트웨어 변경, 워크로드 재설계 또는 더 나은 운영 규율을 필요로 하는지는 드러내지 않는다.

일부 조직은 추론을 사용자 가까이에 배치해 네트워크 부담을 줄일 수 있다. 엣지 추론은 모든 것을 멀리 떨어진 클라우드로 보내는 대신 데이터 생성 지점 가까이에서 AI 요청을 처리한다.

다른 조직은 피크 시간을 피해 학습 전송을 예약하고, 반복 결과를 캐시하며, 데이터를 압축하거나 불필요한 에이전트 활동을 제한할 수 있다. 더 나은 애플리케이션 설계는 일부 업그레이드를 미룰 수 있다.

클라우드 제공업체와 칩 회사도 같은 인프라 예산을 두고 경쟁한다. Nvidia는 가속 컴퓨팅을 핵심 제약으로 규정하고, 주요 클라우드 기업들은 통합 컴퓨팅, 스토리지, 네트워크 용량을 판매한다.

Arista Networks는 대규모 AI 클러스터를 위한 고속 Ethernet을 강조한다. Broadcom은 경쟁 시스템 전반에 사용되는 스위칭 실리콘을 공급한다. Ericsson과 Nokia 같은 통신 장비 업체는 모바일 및 통신사 인프라에 집중한다.

Cisco의 강점은 폭넓은 제품군이다. 이 포트폴리오는 데이터센터, 캠퍼스, 지사, 보안 시스템, 서비스 제공업체 네트워크를 연결할 수 있다.

폭넓은 제품군은 복잡성도 만든다. 특히 기존 환경에 많은 공급업체가 포함되어 있을 때 고객은 한 공급업체의 관리 아키텍처 안에 제어권을 통합하는 일을 주저할 수 있다.

따라서 상호운용성은 최고 속도만큼 중요하다. 개방형 인터페이스는 사업자가 전체 운영 스택을 재설계하지 않고도 시스템을 결합하고 구성 요소를 교체할 수 있게 한다.

모바일 아키텍처 분야에서의 Everson의 배경은 Cisco에 기업 AI와 통신사 네트워크를 잇는 유용한 연결고리를 제공한다. AI 트래픽은 데이터센터 문 앞에서 멈추지 않는다.

커넥티드 차량은 구체적인 사례를 제공한다. 카메라와 센서는 현지에서 데이터를 생성하고, 셀룰러 시스템은 선택된 정보를 전송하며, 엣지 또는 클라우드 시스템은 이를 분석한다.

모든 원시 관측값을 멀리 있는 모델로 보내면 비용, 지연 시간, 개인정보 보호 문제가 발생한다. 로컬 처리는 전송 전에 데이터를 필터링할 수 있지만, 컴퓨팅 요구사항을 네트워크 엣지로 이동시킨다.

아키텍처는 하나의 업그레이드가 아니라 일련의 선택이 된다. 조직은 무엇을 로컬에서 처리할지, 무엇을 전송할지, 무엇을 보존할지, 어떤 대응에 즉각적 조치가 필요한지를 결정한다.

네트워크 자동화도 비슷한 시험대에 놓인다. AI는 알람을 요약하고 변경을 제안할 수 있지만, 운영 시스템에는 권한 한계와 롤백 절차가 필요하다.

롤백은 변경이 문제를 일으킨 뒤 알려진 구성을 복원하는 작업이다. 이러한 안전장치가 없다면 더 빠른 자동화는 단지 장애를 더 빠르게 만들 수 있다.

영향이 큰 변경에는 여전히 사람의 승인이 유용하다. 완전 자율 운영에는 네트워크 질문에 답하는 잘 다듬어진 어시스턴트보다 더 강력한 증거가 필요하다.

보안 팀은 AI 시스템 자체도 검토해야 한다. 모델 접근 권한, 학습 데이터, 도구 권한, 로그, 생성된 명령은 새로운 공격 표면을 만든다.

Cisco는 네트워킹과 보안 전반의 경험을 보유하고 있지만, 포트폴리오의 폭이 통합 보호를 보장하지는 않는다. 고객은 경고, ID, 정책 제어가 구형 및 타사 시스템 전반에서 일관되게 작동하는지 물어야 한다.

고객이 측정 가능한 결과를 공개할 때 상업적 논리는 신뢰성을 얻게 된다. 유용한 지표에는 더 짧은 사고 지속 시간, 감소한 패킷 손실, 줄어든 수동 변경, 개선된 애플리케이션 응답 시간이 포함된다.

공급업체 설문조사는 우려를 식별할 수 있다. 하나의 아키텍처가 이를 해결한다는 사실까지 입증할 수는 없다.

이 구분은 Cisco의 증언을 해석하는 데 핵심적이다. 네트워크 문제는 현실이지만, 그에 따른 구매 사이클의 규모와 형태는 아직 정해지지 않았다.

AI는 네트워크를 강화할 수 있지만 공격 표면도 확대한다

사업자가 AI 트래픽을 관리하도록 돕는 동일한 자동화는 실수, 접근 권한 남용, 사이버 공격을 증폭시킬 수 있다.

현대 네트워크는 이미 많은 팀이 수동으로 검토할 수 있는 양보다 더 많은 운영 데이터를 생성한다. 로그, 플로우 기록, 장비 상태, 보안 경고, 애플리케이션 추적 정보는 지속적으로 유입된다.

AI는 이러한 소스를 상호 연관시키고 가능한 원인을 제시할 수 있다. 엔지니어가 느린 애플리케이션 성능을 혼잡, 경로 장애 또는 ID 문제와 연결하도록 도울 수 있다.

이 사용 사례는 분명한 가치를 지닌다. 경고와 검증 가능한 설명 사이의 거리를 줄인다.

시스템이 분석에서 조치로 이동하면 위험은 커진다. 텔레메트리를 읽는 일은 라우팅을 변경하거나 계정을 비활성화하거나 방화벽 정책을 다시 작성하는 일과 다르다.

광범위한 권한을 가진 AI 에이전트는 기계 속도로 시스템 전반에서 행동할 수 있다. 따라서 결함 있는 지시, 오염된 데이터 소스 또는 탈취된 자격 증명은 더 큰 피해를 낼 수 있다.

프롬프트 인젝션은 관련된 위협 중 하나다. 악성 콘텐츠가 AI 시스템을 조작해 본래 업무와 충돌하는 지시를 따르게 하는 경우를 말한다.

네트워크 에이전트는 적대적 텍스트가 포함된 티켓, 구성 메모 또는 장비 레이블을 검사할 수 있다. 해당 텍스트를 지시로 취급하면 에이전트는 정보를 유출하거나 승인되지 않은 도구를 호출할 수 있다.

따라서 도구 권한은 좁게 설정해야 한다. 경고를 설명하는 어시스턴트에 운영 장비를 변경할 권한까지 자동으로 부여할 필요는 없다.

시스템에는 완전한 활동 로그도 필요하다. 사업자는 어떤 모델이 권고를 생성했는지, 어떤 정보를 사용했는지, 이후 어떤 조치가 이루어졌는지 알아야 한다.

이러한 통제는 완전 자율 운영의 속도를 늦추지만 책임성을 보존한다. 핵심 인프라는 아무도 재구성할 수 없는 모델 응답에 의존할 수 없다.

Cisco의 자체 보안 메시지도 공격자가 네트워크 인프라를 점점 더 표적으로 삼고 있음을 인정한다. 이 회사의 방어 아키텍처는 강화된 시스템, 지속적인 가시성, 자동화된 제어를 강조한다.

이는 독립 평가가 아니라 자사의 내부 접근 방식에 대한 회사의 설명이다. 그럼에도 평가를 위한 올바른 계층을 식별한다.

보안 문제는 의도적인 공격을 넘어선다. AI 시스템은 불완전한 텔레메트리를 바탕으로 자신감 있는 권고를 만들 수 있다.

일반적인 기업 패턴을 중심으로 훈련된 모델은 특수 산업 네트워크를 오해할 수 있다. 사무실에서는 무해한 자동화 변경이 제조 공정을 중단시킬 수 있다.

규제기관은 저위험 지원과 고위험 제어를 구분해야 한다. 요약 도구는 긴급 통신 경로를 변경할 권한을 가진 에이전트와 같은 수준의 감독을 필요로 하지 않는다.

조달 팀은 지금 이 구분을 적용할 수 있다. 공급업체에 어떤 조치에 승인이 필요한지, 권한을 어떻게 격리하는지, 모델을 사용할 수 없게 되면 시스템이 어떻게 동작하는지 물어야 한다.

또한 장애 상황을 상정한 테스트를 요구해야 한다. 유용한 시연에는 오래된 데이터, 상충하는 신호, 연결할 수 없는 장비, 의도적으로 잘못된 권고가 포함된다.

이상적인 조건에서의 정확도는 운영 복원력에 대해 거의 알려주지 못한다. 네트워크는 수명의 상당 부분을 예외 상황 처리에 쓴다.

AI는 사이버 방어의 확장성도 높일 수 있다. 자동화된 상관 분석은 엔드포인트, ID, 네트워크 플로우 전반에 퍼진 공격 캠페인을 식별할 수 있다.

공격자도 비슷한 이점을 얻는다. 정찰을 자동화하고, 악성 트래픽을 변형하며, 권한 있는 접근 권한을 가진 직원에게 설득력 있는 메시지를 만들 수 있다.

그 결과의 경쟁이 방어자에게 유리하다는 보장은 없다. 이는 신뢰할 수 있는 ID, 세분화, 모니터링, 복구의 중요성을 높인다.

세분화는 네트워크를 통제된 구역으로 나눈다. 공격자나 결함 있는 에이전트가 접근 권한을 얻은 뒤 이동할 수 있는 범위를 제한한다.

바로 이 지점에서 상원의 배포 의제는 가장 강력한 반대 논거와 맞닿는다. 상응하는 보안 규율 없이 AI 도입을 가속하면 통신 인프라는 더 큰 공동 위험이 될 수 있다.

Cisco의 입장은 보안을 별도 제품 범주가 아니라 네트워크 용량의 일부로 다룰 때 가장 강하다. 신뢰할 수 있는 서비스는 가용 대역폭과 통제된 동작 모두에 달려 있다.

자동화를 운영 복잡성에 대한 단순한 해답으로 제시할 때 회사의 입장은 가장 약하다. AI 제어 계층을 추가하면 소프트웨어, 권한, 종속성, 장애 모드도 추가된다.

입법자들은 양극단 모두를 경계해야 한다. AI 관리는 본질적으로 안전하지도, 본질적으로 무모하지도 않다. 그 위험은 권한, 아키텍처, 증거, 인간의 통제에 달려 있다.

Google News 주기 이후 주목할 사항

다음 근거는 또 한 번의 AI 준비 완료 브랜딩이 아니라 정책 문구, 고객 운영, 실제 트래픽 측정치에서 나와야 한다.

첫 번째 신호는 청문회 이후의 의회 움직임이다. 의원들은 이 논의를 인허가 제안, 광대역 투자 규칙, 사이버보안 요건 또는 연구 프로그램으로 구체화할 수 있다.

구체적인 법안 문구는 위원회가 광범위한 규제 완화와 표적화된 변경 중 어느 쪽을 선호하는지 보여줄 것이다. 또한 농촌 지역 접근성과 보안에 집행 가능한 보호 장치가 마련되는지도 드러낼 것이다.

더 빠른 구축에만 초점을 둔 법안은 업계의 투자 논리를 강화할 것이다. 그러나 누가 보안 비용을 부담하는지, 서비스 소외 지역 사회가 어떻게 안정적인 접근성을 확보하는지는 여전히 답하지 못한다.

신속한 승인과 함께 보고, 상호운용성, 복원력 요건을 결합한 프레임워크는 더 균형 잡힌 해석을 뒷받침할 것이다. 이는 AI 네트워크를 경제적 자산이자 공공 인프라로 다루게 된다.

두 번째 신호는 Cisco 고객의 증거다. 기준 성능과 측정된 개선 결과를 공개하는 실제 운영 배포 사례를 주시해야 한다.

유용한 수치는 준비 상태에 관한 모호한 언급이 아니다. 독자에게 필요한 것은 사고 해결 시간, 혼잡, 애플리케이션 지연 시간, 에너지 사용량, 운영 부담의 변화다.

한 고객이 측정된 사고 지속 시간을 특정 수준에서 다른 수준으로 줄였다면, 예상 트래픽에 관한 설문조사보다 훨씬 강력한 증거가 된다. 또한 어떤 구성 요소가 개선을 이끌었는지도 설명해야 한다.

Cisco가 제안된 솔루션을 판매하기 때문에 독립 테스트는 중요하다. 실제 네트워크는 한 공급업체의 레퍼런스 설계와 거의 일치하지 않으므로, 다중 공급업체 테스트도 중요하다.

AI 관리가 구형 장비와 신형 장비 전반에서 작동한다는 증거는 Cisco의 주장을 강화할 것이다. 결과가 긴밀히 통합된 Cisco 환경에만 국한된다면 그 주장의 범위는 좁아진다.

세 번째 신호는 트래픽 자체다. 기업과 통신 사업자는 실제 운영 환경에서 에이전트형 워크로드와 사람이 주도하는 애플리케이션을 비교해야 한다.

Cisco의 연구는 상당한 성장을 예상하지만, 전망만으로 인프라 계획을 확정할 수는 없다. 운영자에게는 애플리케이션, 위치, 시간, 트래픽 방향별 측정치가 필요하다.

기계 간 활동의 지속적인 증가는 네트워킹 슈퍼사이클 논지를 뒷받침할 것이다. 사용률이 정체되거나 효율성이 크게 개선된다면 가속화된 교체의 근거는 약해질 것이다.

처리 위치도 주목할 가치가 있다. 더 많은 엣지 추론은 장거리 트래픽을 줄이는 한편 캠퍼스, 공장, 모바일 네트워크 내부의 수요를 늘릴 수 있다.

중앙집중형 모델은 트래픽을 클라우드 상호연결과 광역 링크로 밀어낼 수 있다. 하이브리드 시스템은 모든 계층에 걸쳐 부담을 분산시킬 수 있다.

독자들은 네트워크 장애가 AI 도입의 가시적인 한계가 되는지도 지켜봐야 한다. 지연된 프로젝트, 저하된 응답 시간, 증가하는 통신 비용은 이 제약을 더 쉽게 수량화하게 만들 것이다.

애플리케이션이 개선되는 동안 트래픽이 관리 가능한 수준에 머문다면, 소프트웨어 효율성에 더 많은 공로를 돌려야 한다. 더 나은 모델에도 불구하고 트래픽이 증가한다면 반등 효과가 우세한 것이다.

Google News는 계속해서 공급업체 발표, 의회 증언, 제품 출시 소식을 노출할 것이다. 이러한 헤드라인은 유용한 발견 지점이지만, 근본적인 주장을 검증하지는 못한다.

개발자는 에이전트가 생성하는 네트워크 호출 수를 측정하고 불필요한 루프를 제거해야 한다. 기업 구매자는 광범위한 업그레이드를 승인하기 전에 워크로드 경로를 매핑해야 한다.

네트워크 팀은 용량 문제와 애플리케이션 설계 문제를 구분해야 한다. 보안 책임자는 자동화가 실제 운영 제어 영역에 도달하기 전에 에이전트 권한을 제한해야 한다.

지식 노동자도 이해관계가 있다. AI 어시스턴트는 원격 모델, 검색 시스템, 파일, 업무용 애플리케이션에 의존한다. 네트워크 품질은 이러한 도구가 신뢰할 만하게 느껴질지, 불안정하게 느껴질지를 좌우한다.

상원 청문회는 AI 정책이 이제 네트워크 정책이라는 점을 확인했다. 그러나 미국에 필요한 인프라의 규모, 우선순위를 둘 업그레이드, 의무화해야 할 보호 장치를 확정하지는 못했다.

Cisco는 다음과 같은 주장을 내놓았다. AI는 통신 시스템에 새로운 요구를 부과할 것이며, AI 기반 운영은 그러한 시스템의 대응을 도울 수 있다는 것이다. 증거는 이 수요를 진지하게 받아들여야 한다는 점을 뒷받침하지만, 모든 전망을 액면 그대로 받아들여서는 안 된다.

다음 단계는 실용적이다. 뒤따르는 법안을 추적하고, 공급업체에 측정된 실제 운영 결과를 요구하며, 실제 AI 워크플로가 생성하는 트래픽을 점검해야 한다.

다음 Google News 헤드라인이 AI 준비 완료 네트워크를 약속할 때 세 가지를 물어야 한다. 실제 운영에서 무엇이 바뀌었는가, 무엇이 독립적으로 측정됐는가, 그리고 자동화가 잘못될 때 누가 계속 책임을 지는가?