[AWC 2026 in Seoul] AWS가 말한 AI 개발 패러다임 전환과 의료 현장 전략은?

에이전틱 AI, 콘텐츠 중심에서 결과 중심으로 이동
문종민 매니저 “AI, 잘 작동하는 시스템으로 변화”
성능·확장성·보안·거버넌스 과제 넘어야 비즈니스 가치 창출

• 

  문종민 AWS 솔루션즈 아키텍트 매니저. /서재창 기자

  
  

  문종민 AWS 솔루션즈 아키텍트 매니저가 24일 서울에서 열린 ‘AI World Congress 2026 in Seoul(AWC 2026)’에서 ‘현장을 바꾸는 조력자, AI 에이전트’를 주제로 발표에 나섰다. 그는 에이전틱 AI 시대의 패러다임 이동을 진단하고, AWS가 업무 생산성 향상·소프트웨어 개발 가속화·비즈니스 워크플로우 자동화 세 축으로 구축한 AI 포트폴리오를 소개했다. 

  문종민 매니저는 강연 서두에서 에이전트 AI의 본질을 한 문장으로 정의했다. “LLM이 스스로 추론하는 능력이 생기면서 계획을 세우고, 목표를 달성하기 위해 외부 도구를 호출하고, 결과를 보고 다시 판단하는 사이클을 반복하는 것이 AI 에이전트 시대”라고 말했다. 그가 특히 강조한 것은 이 변화가 가져오는 구조 전환이었다. 기존에는 시스템을 사용하는 주체가 사람이었지만, 에이전트 AI 시대에는 시스템에 요청을 보내는 주체가 소프트웨어가 될 가능성이 높아진다는 것이다. 

  AWS가 에이전틱 AI로 비즈니스 가치를 창출하는 주요 영역으로 제시한 것은 세 가지다. 업무 생산성 향상, 소프트웨어 개발 가속화, 맞춤형 에이전트를 통한 비즈니스 워크플로우 자동화다. 문 매니저는 이를 뒷받침하는 AWS의 AI 포트폴리오 전체 구조도 공개했다. 인프라 레이어에는 학습과 추론에 특화한 커스텀 AI 칩인 트레이니엄과 인퍼런시아가 있고, 자체 모델 개발이 필요한 기업을 위한 아마존 세이지메이커가 있다. 그 위에는 에이전트 구축을 위한 아마존 베드록 에이전트코어, 최상단에는 완성형 애플리케이션 레이어로 키로, 아마존 퀵, AWS 트랜스폼, 아마존 커넥트 등이 배치된 구조다. 

  업무 생산성 향상 파트에서 문 매니저는 “공통된 고민은 내 PC와 팀, 조직의 데이터를 어떻게 모아서 인사이트를 얻는가다”며, 그 해법을 아마존 퀵이 제공한다고 설명했다. 아마존 퀵은 스페이스(파일·대시보드·데이터 소스 정리), 챗 에이전트(맞춤형 AI 어시스턴트 생성), 리서치(심층 분석 및 종합 보고서), 퀵 사이트(BI 및 데이터 시각화), 플로우(노코드 워크플로우 자동화), 오토메이트(복잡한 다단계 워크플로우 자동화) 여섯 개 기능으로 구성된다. 이메일, 데이터베이스 등 40개 이상의 데이터 커넥터를 연결하며, 아마존 베드록 모델과 웹 서치, 서드파티 앱 액션까지 통합된다. 

  특히 현장에서 강조되는 것은 챗봇 구성의 진입 장벽이 낮아졌다는 점이었다. 문 매니저는 “팀의 데이터를 연결하고 챗봇을 만들어 달라고 하면 바로 쓸 수 있는 환경이 제공된다”며, RAG 기반 챗봇을 코딩 없이 구성하는 시나리오를 소개했다. 나아가 자연어로 원하는 업무를 기술하면 워크플로우가 자동으로 생성되고, 퀵 오토메이트가 여러 에이전트를 결합해 복잡한 비즈니스 프로세스를 간소화하는 단계까지 진화했다고 덧붙였다. 현재는 코딩 에이전트, 테스트 에이전트, 보안 취약점 점검 에이전트가 역할을 나눠 협업하는 멀티 에이전트 개발 체계가 실제 현장에서 쓰인다. 

  AI 활용 방식의 진화도 언급됐다. 최근 주목을 받았던 하네스 엔지니어링은 가드레일, 검증 루프, 권한 통제 체계를 구축해 AI의 행동 범위를 제한하는 단계고, 나아가 루프 엔지니어링은 목표만 정의하면 AI가 스스로 일을 찾아 에이전트에 맡기고 검증하며 완료까지 반복하는 단계다. 그는 “사람의 개입이 거의 없는, 중요한 일에만 휴먼 인 더 루프를 활용하는 시대로 접어들었다”고 말했다. 엔터프라이즈 환경에서의 체계적 개발을 위해 AWS가 오픈 소스로 공개한 ‘AI-DLC(AI 주도 개발 라이프사이클)’도 소개됐다. 요구사항 수집부터 설계, 코드 생성, 테스트, 배포, 인시던트 관리까지 9단계를 커버하는 이 방법론은 깃허브에 공개돼 있다. 

  에이전트를 PoC에서 프로덕션으로 잇는 과정의 도전과 AWS 대응 체계도 소개됐다. 문 매니저는 가트너 자료를 인용해 “에이전틱 AI 프로젝트의 40% 이상이 2027년 말까지 취소될 것”이라며, 그 원인으로 비용 증가, 불명확한 비즈니스 가치, 부적절한 리스크 관리를 꼽았다. PoC에서 프로덕션으로 갈 때 성능, 확장성, 보안, 거버넌스 통제까지 고민이 필요하다는 것이다. 이뿐 아니라 에이전트는 주변 메모리, 툴 등 여러 기능과 연동돼 작동하기에 시간이 지날수록 성능이 저하되는 ‘에이전트 드리프트’ 현상이 발생할 수 있어, 에이전트가 제대로 작동하는지를 지속적으로 평가하는 체계가 필요하다고 강조했다.

  이를 해결하는 AWS의 종합 에이전틱 플랫폼이 아마존 베드록 에이전트코어다. 이 플랫폼은 에이전트의 프로덕션 적용에 필요한 요소가 모두 담겨 있다. 거버넌스 측면에서 에이전트코어는 시더 언어 기반 정책 엔진으로 디폴트 거부를 기본값으로 설정해 의도하지 않은 행동을 원천 차단한다. 데이터 접근 제어는 정책 엔진과 게이트웨이 차단기가 함께 작동된다. 에이전트가 특정 데이터에 접근하려 할 때, 요청한 주체가 누구인지와 요청 대상 데이터가 무엇인지를 동시에 따져 허용 여부를 적시에 판단한다. 

  환자 개인정보처럼 민감한 데이터는 자동으로 가려진다. 감사 추적 측면에서는 운영 모니터링 시스템과 활동 기록 저장소가 에이전트가 어떤 판단을 내렸는지, 어떤 행동을 했는지를 빠짐없이 남긴다. 규제 기관이나 내부 감사팀은 “이 에이전트가 언제, 무슨 근거로, 어떤 결정을 내렸는가”를 추적해야 할 때 이 기록을 그대로 제출할 수 있다. 에이전트 신원 관리 기능은 각 에이전트에 고유한 식별 번호를 부여한다. 

  글로벌 의료 기업의 실증 사례도 소개됐다. 아스트라제네카는 임상·규제·안전·품질 등 R&D 기능별 멀티 에이전트 개발 어시스턴트를 구축해 1000명이 넘는 사용자가 자연어로 데이터를 질의하고, 기존에 몇 시간 걸리던 인사이트를 수 분 만에 얻는다. 코히어 헬스는 의료 적정성 심사를 돕는 에이전틱 코파일럿 ‘리뷰 리졸브’로 임상 근거를 자동 제시하고 심사 시간을 약 30% 단축했다. 문 매니저는 “완벽하게 준비해서 에이전트를 만드는 게 아니라, 비즈니스 가치가 있는 사안부터 시작해 시범 케이스를 만들고 거버넌스를 더하며 최적화하는 사이클이 중요하다”고 말했다. 

  
  

• 서재창 [e-mail]

최신뉴스

Copyright ⓒ 디지틀조선일보&dizzo.com