AWS Korea Tech

2026년 4월 정식 출시된 Amazon S3 Files는 S3 버킷을 파일시스템처럼 마운트해 사용할 수 있는 서비스다. 편의성이 높지만 비용 구조, 성능 특성, 운영 충돌이라는 세 가지 함정을 모르면 도입 후 과금 폭탄이나 예상치 못한 데이터 충돌이 발생할 수 있다. 이 글은 AWS TAM(테크니컬 어카운트 매니저)이 실측 데이터와 결정 트리로 체크리스트를 정리한 도입 실전 가이드다.

AWS가 Amazon MWAA(관리형 Apache Airflow), Bedrock AgentCore Runtime, S3 Vectors, MCP를 결합해 클라우드 정책을 자동 수집·시맨틱 검색하고 역할별 AI 에이전트가 분석하는 거버넌스 아키텍처를 제안했다. IAM 정책, 보안 그룹, 스토리지 등 AWS 10개 카테고리와 타사 클라우드 정책을 MWAA DAG가 매일 자동으로 수집하고, Titan Embed v2로 벡터화해 자연어 쿼리로 조회할 수 있게 한다.

에잇퍼센트가 레거시 EC2 기반 워크로드를 Kiro CLI와 오픈소스 AI-Driven Modernization Prompt Sets를 활용해 Amazon ECS Fargate로 전환한 사례다. 소규모 백엔드 팀이 기능 개발·장애 대응을 병행하면서도 내부 API는 2영업일, 메인 API는 약 2주 만에 전환을 완료했다. 월 운영 비용 약 76% 절감이라는 실측 성과도 달성했다.

AWS Korea 기술 블로그가 공개한 Deep Insight Chatbot은 "반나절에 만드는 CSV 분석 챗봇"과 "분석가가 매일 쓰는 생산성 도구"를 가르는 4가지 설계 결정을 다룬다. 데이터 보호, 속도, 신뢰성, 비용이라는 네 가지 요구사항을 중심으로 DuckDB 샌드박싱, 세션 기반 OLAP 엔진, SQL 투명성, Bedrock 프롬프트 캐싱을 결합해 운영 가능한 대화형 분석 도구를 만드는 방법을 설명한다.

경농(주)이 스마트팜 앱 '파밍노트'에서 농약 제품 이미지를 촬영하면 자동으로 제품 정보를 찾아주는 AI 인식 시스템을 구축한 과정을 다룬다. 약 4,000종의 유사한 농약 제품명을 흐릿한 사진·오타·디자인 폰트에서도 정확히 식별하기 위해 Vision LLM + TypoCorrector + 계층적 Fallback 검색 + LLM Reranker 4단계 파이프라인을 설계했다.

AWS 기술 블로그의 이 글은 Claude Code(Anthropic)와 Codex(OpenAI)를 Amazon Bedrock에서 함께 운용하는 멀티 에이전트 협업 하네스 설계와 48런 벤치마크 결과를 다룬다. "어떤 도구가 더 나은가"가 아니라 "어떻게 연결해야 더 나은 결과를 내는가"에 답하며, 산출물 전달·리뷰 보관·계측·재시도를 묶은 하네스가 모델 선택보다 협업 성패를 더 크게 좌우한다는 결론을 제시한다.

AWS Korea Tech 기술 블로그에서 Amazon Bedrock AgentCore를 기반으로 LLM 에이전트의 프롬프트 인젝션 공격을 방어하는 다층 보안 아키텍처를 소개한다. Claude Opus 4.7 벤치마크에서도 100번 중 4.8~6.0%의 공격 성공률이 나타나는 만큼, "더 영리한 프롬프트" 대신 LLM 바깥의 인프라가 실행을 거부하는 구조가 필요하다고 강조한다.

Physical AI 시스템이 실제 환경에서 안정적으로 동작하려면 시뮬레이션과 현실의 격차(Reality Gap)를 반드시 극복해야 한다. AWS 기술 블로그가 Physical AI 개발의 두 핵심 축인 Sim-to-Real(시뮬레이션→현실)과 Real-to-Sim(현실→시뮬레이션) 접근법의 개념과 산업 응용 사례를 설명한다.

신한카드가 AWS GenAIIC와 협력하여 51개 인텐트를 처리하는 금융 AI 챗봇을 소형언어모델(sLLM)만으로 구현한 사례다. 규제(혁신금융서비스 제도 상용 모델 사용 제한), 비용, 5초 이내 응답이라는 세 제약을 동시에 충족하기 위해 온톨로지 기반 인텐트 분류, 분산형 Agentic AI, AI-to-AI 자율 개선이라는 세 가지 혁신을 결합했다.

패션 이커머스의 부정 반품(워드로빙·허위 불량 신고 등)을 AI 에이전트 앞단에서 차단하기 위해 Amazon Nova 2 Lite를 837개 한국어 도메인 특화 데이터로 Fine-tuning해 Custom Guardrail을 구축한 사례다. Fine-tuned 모델이 Unsafe 탐지 정확도를 73.0% → 94.6%로 21.6%p 올렸고, Claude Sonnet 4.6(59.5%)·Qwen3-32B(5.4%) 등 일반 대형 모델을 크게 앞섰다.

AWS SDMA(Spatial Data Management and Analytics)를 이용해 건물 검사 워크플로를 개선하는 레퍼런스 아키텍처를 소개한다. 기존 검사 프로그램이 생성하는 이미지·관측 데이터가 독립 파일로 흩어져 재사용이 어렵다는 문제를 "공간 참조 데이터"로 취급해 해결한다.

양자-고전 하이브리드 알고리즘을 클라우드에서 안정적으로 실행하고 관리할 환경이 필요하다.

Physical AI(로봇, 자율주행) 개발 시 물리적 프로토타입 없이 학습하면 비용과 안전 리스크가 크고, 시뮬레이션-현실 격차(Sim-to-Real Gap)가 걸림돌이 된다.

번역가 이력서 10만 건에서 "더빙 경력 있는 영어/스페인어 원어민" 같은 자연어 쿼리를 AND/OR/NOT 복합 조건으로 정확히 변환하지 못한다.

Physical AI 모델 개발은 데이터 수집·시뮬레이션·정책 학습·엣지 배포가 반복되는 라이프사이클을 거치며, GPU 스케줄링·아티팩트 보존·보안·관찰 가능성을 일관되게 관리하기 어렵다.

멀티플레이어 게임은 IP 노출·패턴 기반 방어 우회 등 기존 DDoS 방어의 한계로 인해 지속적인 공격 표적이 된다.

소스 Redshift 컴퓨트를 외부에 노출하지 않으면서 다른 계정의 분석팀이 데이터를 안전하게 쿼리할 수 있는 크로스 계정 거버넌스 패턴이 필요하다.

인시던트 발생 시 Datadog·AWS·GitLab 등 시스템을 수동으로 조사해 30분~1시간이 소요되며, 시스템마다 서비스 이름이 달라 매핑이 어렵다.

기존 상품명 키워드 매칭 검색으로 원료명·제형 기반 쿼리 시 검색 실패, 구매 포기 증가.

대규모 분산 트레이닝에서 GPU 간 통신 병목이 전체 학습 효율을 결정하며, AWS EFA 환경에서는 InfiniBand 전용 IBGDA·NVSHMEM 최적화를 그대로 적용할 수 없다.