[컨퍼런스] AWS AI x Industry week 2025

AWS AI x Industry week 컨퍼런스 :
AI 시대의 클라우드 기술과 다양한 산업 분야의 혁신 사례

 

 

기조연설: AI 시대의 클라우드 전략

발표자: Ben Cabanas (AWS Asia Pacific 지역 Tech 전략 총괄)

AI 시대의 핵심 인프라

AI 시대에서 클라우드와 분산 컴퓨팅은 선택이 아닌 필수다. 학습과 연산을 위한 인프라로서 클라우드의 중요성이 더욱 강조되고 있었다.

AI로 AI를 학습시키다

흥미로운 사례로 물류 센터의 로봇 학습 방식이 소개되었다. AI 모델로 가상 환경을 구축하고, 그 안에서 다른 AI 모델을 학습시켜 효율성을 극대화하는 방식이었다.

소형 커스텀 AI의 시대

이제는 범용 대형 모델보다 고객별 맞춤형 소형 AI가 더욱 중요해지고 있다. 각 비즈니스의 특성과 요구사항에 최적화된 모델의 활용이 트렌드로 자리잡고 있었다.

글로벌 네트워크 인프라

Amazon이 위성 3천여 개를 배치하여 전 세계 어디서든 빠른 통신이 가능한 환경을 구축했다. 이로 인해 기업들이 자체 서버 인프라를 구축할 필요성이 줄어들고 있었다.

AI-Driven Development

개발 패러다임이 변화하고 있었다. 이제는 AI가 주도하는 개발(AI-Driven Development) 시대가 도래했다.

 

---

 

1️⃣ 금융 산업을 위한 Oracle Database@AWS:GenAI 시대의 새로운 데이터 전략

AWS-Oracle 파트너십

2024년부터 AWS와 Oracle이 파트너십을 맺으며 새로운 형태의 서비스가 제공되기 시작했다.

물리적 통합 아키텍처

주목할 점은 Oracle이 AWS 서비스에 단순히 설치되는 것이 아니라, 실제 AWS 리전에 Oracle DB 서버가 물리적으로 위치하고 포트포워딩을 통해 AWS 서비스와 연계된다는 점이었다.

GenAI 시대의 데이터 전략

LLM과 연동하여 비개발자도 자연어로 데이터를 조회할 수 있는 환경이 구축되었다. 이는 데이터 접근성을 크게 향상시켰다.

 

---

 

2️⃣ Text2SQL로 완성한 IGWorks 디파이너리의 데이터 분석 에이전트

Text2SQL 기술

자연어를 SQL로 변환하는 기술로, LLM을 기반으로 정확한 SQL을 생성했다. 파인튜닝을 통해 한계를 극복하고 효율성을 높일 수 있었다.

기존 접근 방식의 한계

초기 Text2SQL 구현 방식들은 다음과 같은 한계가 있었다:

• 단순 변환의 정확도 문제
• 복잡한 쿼리 처리의 어려움
• 도메인 특화 요구사항 대응 부족

Agentic Workflow의 도입

이러한 한계를 해결하기 위해 Agentic Workflow라는 새로운 패러다임이 도입되었다.

시스템 아키텍처 진화

LLM 기존 워크플로우: 단일 모델이 모든 작업을 처리했다.

LLM 멀티 워크플로우: 각 역할을 분할하고 쿼리를 분산 처리하는 방식으로 진화했다.

IGWorks의 성과

채팅으로 쉽게 데이터를 조회하고 분석할 수 있게 되어, 데이터 분석 전문가의 업무를 상당 부분 대체할 수 있게 되었다.

 

---

 

3️⃣ Refine의 Q Developer를 활용한 애플리케이션 현대화 여정 

레거시 현대화의 어려움

기존 프로젝트 현대화가 어려운 주요 이유는 다음과 같았다:

• 문서화 부족
• 기술적 복잡성
• 인력 부족
• 시간 투자 부담

MCP 서버 개념

AI 에이전트에 여러 서비스(SQL, GraphQL 등)를 연결하기 위한 표준화된 프로토콜 서버였다.

Q Developer 활용 사례

1. JDK, Spring Boot 버전 업그레이드

Maven 환경에서는 Transform 기능을 지원했지만, Gradle 환경에서는 직접 수행해야 했다. 취약점 해결 등의 이슈를 개선했다.

2. DB Procedure → API 전환

PostgreSQL Function을 Spring API로 전환하여 유지보수성을 크게 향상시켰다.

3. IaC 업데이트 및 문서화

기존 CI/CD 파이프라인의 문제를 Q Developer로 해결했다. 일반적인 대화형 트러블슈팅(Q CLI)은 한계가 있었으나, Q CLI + MCP 서버로 task 단위로 쪼개어 해결했다.

성과

• 개발 시간 절약
• 생산성 증가
• 최신 기술 습득

 

---

 

4️⃣ 글로벌 메신저의 속도를 바꾸다: AWS Direct Connect SiteLink로 완성한 카카오의 글로벌 네트워크 혁신

글로벌 서비스 네트워크 도전과제

• 분산된 사용자 기반
• 예측 불가능한 트래픽
• 지연과 불안정한 품질
• 비용 및 운영 복잡성

구축 방안 검토

1. 전용선 구축
2. 해외 데이터센터 구축
3. AWS 네트워크 활용: 이미 글로벌하게 구축된 리전 활용

AWS 네트워크의 장점

전 세계 각 리전에 엣지 로케이션을 구축하여 컨텐츠 캐싱 레이어를 제공했다. 물리적으로 먼 거리까지 가지 않아도 가까운 엣지 로케이션에서 캐싱된 데이터를 받을 수 있었다.

AWS Direct Connect SiteLink

해외/국내 데이터센터를 직접 연결하는 것은 어려웠지만, SiteLink를 사용하면 여러 네트워크를 거치지 않고 AWS 백본 네트워크를 활용하여 게이트웨이를 통해 바로 연결할 수 있었다.

카카오의 활용 사례

전용 회선(해저 케이블)에 장애가 많아 독일 IDC와의 통신이 어려웠으나, SiteLink를 도입하여 문제를 해결했다.

 

---

 

5️⃣ 베리모지, Amazon Nova 와 만나다: 빠르고 창의적인 AI 콘텐츠의 미래

생성형 AI 모델 선택

모든 활용 사례에 최적인 단일 모델은 존재하지 않았다. Amazon Bedrock을 통해 다양한 모델을 선택하여 사용할 수 있었다.

베리모지의 Nova 모델 활용

• Nova Lite: 사용자가 입력한 인물의 분위기를 분석하여 피규어 그림 생성
• Nova Pro: 사진이나 질의응답 결과를 분석하여 개인에게 어울리는 테스트 결과 생성
• Nova Canvas: 입력 내용에 맞춰 어울리는 캐릭터 이미지 생성
• Nova Premier: 사진을 꾸며주는 복잡한 분석 및 창의적 업무 수행
  
  

---

 

6️⃣ 쿠팡페이의 혁신적인 개발문화: 생성형 AI 도입 여정

생성형 AI의 진화

진화 과정: 생성형 AI Assistants → 생성형 AI Agent → Agentic AI Systems

AWS Bedrock을 통해 다양한 생성형 AI 모델을 사용할 수 있었다.

금융권의 AI 도입 과제

쿠팡페이는 금융 서비스 기업으로서 망 분리 등의 규제로 AI 도입이 쉽지 않았다. 또한 문서 작업, 빌드, 테스트 등 반복적인 업무가 많았다.

쿠도리 프로젝트

이러한 문제를 해결하기 위해 사내 비공식 프로젝트로 시작되었다.

목표: 반복적이고 간단한 업무를 대체할 AI Agent 개발

추진 방식: 사내 개발팀에서 AI에 관심있는 지원자를 모집하고, AI 개발 능력별로 그룹을 나눠 Agent를 개발하여 활용했다.

 

---

컨퍼런스의 가치

• 다양한 AWS 파트너사의 최신 기술 전시 및 홍보
• 풍성한 지원(점심, 간식, 커피, 선물 등)
• 기술 트렌드(Text2SQL 등) 학습
• 타 기업의 문제 해결 과정 공유

인사이트

새로운 기술을 접하고 시야를 넓힐 수 있는 좋은 기회였다. 특히 유사한 경험(Spring 버전 업데이트 등)을 토대로 실무에 적용할 수 있는 해결 방법을 찾을 수 있었다.

AI 시대의 개발자로서 클라우드 네이티브 기술과 AI 활용 능력을 갖추는 것이 얼마나 중요한지 다시 한번 깨달을 수 있었던 시간이었다.