히타치 밴타라, ‘VSP 원’ 경쟁력 인정...기가옴 6년 연속 리더

‘VSP 원’ 기반 통합 데이터 관리 플랫폼 경쟁력 입증
VSP 360 관리 기능 확대 및 오브젝트 처리 성능 최대 4배 향상

[보안뉴스 강초희 기자] HS효성인포메이션시스템(대표 양정규)은 시장 분석기관 기가옴(GigaOm)이 발표한 ‘2026 기가옴 비정형 데이터 관리 레이더’ 보고서에서 히타치 밴타라(Hitachi Vantara)가 6년 연속 리더 및 패스트 무버로 선정됐다고 밝혔다.

▲히타치 밴타라, 기가옴 2026 비정형 데이터 관리 부문 ‘6년 연속 리더 및 패스트 무버’ 선정 [출처: HS효성인포메이션시스템]

이번 선정은 하이브리드 환경 전반에서 거버넌스, 자동화, 데이터 제어 기능을 포함한 히타치 밴타라의 엔터프라이즈 비정형 데이터 관리 역량을 인정받은 결과다. AI 및 데이터 분석을 지원하는 통합 데이터 플랫폼 ‘VSP 원’(VSP One)의 통합 데이터 관리 역량과 정책 자동화, 운영 가시성 및 효율성이 높은 평가를 받았다.

기가옴 비정형 데이터 관리 레이더는 기술 경쟁력과 혁신성, 비즈니스 영향력을 종합적으로 평가해 주요 엔터프라이즈 솔루션을 선정하는 보고서다. 문서와 이미지, 영상, 로그, 센서 데이터 등 비정형 데이터가 최근 급증하면서 이를 효과적으로 관리하는 역량이 기업 경쟁력의 핵심 요소로 떠올랐다. 관리 체계가 미흡할 경우 보안과 규제 준수 위험은 물론 운영 비용이 증가하며, AI와 데이터 분석을 위한 신뢰할 수 있는 데이터 기반 확보에도 어려움을 겪게 된다.

보고서는 ‘VSP 원 오브젝트’(VSP One Object), ‘VSP 원 파일’, ‘VSP 360’, ‘HCI’(Hitachi Content Intelligence)를 기반으로 한 히타치 밴타라의 통합 비정형 데이터 관리 전략을 높이 평가했다.

특히 △정책 자동화와 데이터 분류, 데이터 불변성을 위한 오브젝트 잠금(Immutable Object Lock), 데이터 보존 및 티어링 정책을 통한 비정형 데이터 거버넌스 강화 △다양한 데이터 소스 간 이동·인덱싱·변환을 자동화해 운영 효율성을 높이는 엔터프라이즈 워크플로우 통합 △내부와 외부에 분산된 정형·비정형 데이터를 일관된 정책으로 관리할 수 있도록 지원하는 통합 데이터 패브릭 확장 등을 주요 강점으로 꼽았다.

VSP 원은 블록·파일·오브젝트, 하이브리드 클라우드를 위한 통합 데이터 관리 플랫폼으로, 일관된 데이터 관리 정책과 AI·데이터 분석 환경을 위한 통합 데이터 기반을 제공한다. 최근 업데이트에서는 배포 유연성과 운영 가시성을 높이고 AI, 데이터 분석, 데이터 레이크하우스 환경에 최적화된 기능을 강화했다.

VSP 원은 VSP 360의 관리 기능을 VSP 원 오브젝트까지 확대해 중앙 집중형 모니터링과 정책 관리를 지원하며, 차세대 VSP 원 오브젝트 O14 플랫폼과 보다 세분화된 확장 옵션을 새롭게 제공한다. 메타데이터 처리 방식을 최적화해 소용량 오브젝트 처리 성능을 최대 4배 향상시키는 등 AI·데이터 분석 환경을 위한 성능을 강화했다.

이번 선정으로 히타치 밴타라는 데이터 플랫폼 분야의 기술 경쟁력을 다시 한번 입증했다. 히타치 밴타라는 최근 ‘2026 기가옴 레이더 오브젝트 스토리지’ 보고서에서도 리더 및 패스트 무버로 선정됐다. VSP 원은 글로벌 IT 전문 매체 CRN이 선정한 '2025 올해의 제품' 하이브리드 클라우드 스토리지 부문에도 이름을 올린 바 있다.

양정규 HS효성인포메이션시스템 대표는 “국내 기업들은 AI 도입을 확대하는 과정에서 여러 시스템에 흩어진 데이터를 어떻게 통합 관리하고, 안전하게 활용할 것인지 고민하고 있다”며 “HS효성인포메이션시스템은 히타치 밴타라와 함께 데이터의 저장부터 분류, 보호, 활용까지 연결하는 통합 환경을 제공해 고객의 AI 전환을 적극 지원해 나갈 것”이라고 말했다.

[강초희 기자(choh@boannews.com)]

AI 및 AI 보안 솔루션이 보안 인력의 업무에 어떤 식으로 영향을 미칠것이라고 생각하시나요
	부족한 인력 보충: 만성적인 인력 부족 문제를 해결하는 보완재 역할을 하고 있다(100% 대체는 불가)
	업무 영역의 분리: AI는 대량 데이터 처리를, 전문가는 고도의 전략적 판단을 맡는 등 역할이 완전히 다르다
	업무 총량의 전이: 단순 업무는 줄었으나, AI 모델 관리·검증 등 새로운 형태의 운영 업무가 발생해 전체 업무량은 비슷하다
	인력 대체 가능: 단순 반복 업무를 넘어 분석/판단 영역까지 대체하여 인력을 줄일 수 있다
	신뢰도 부족: 아직은 AI의 오탐이나 환각(Hallucination) 우려로 인해 사람이 일일이 재검토해야 하므로 실질적인 도움은 적다