AWS 서밋 서울 2026, 2일차 기조연설서윤석찬 AWS 코리아 수석 테크 에반젤리스트 밝혀
AWS가 5월 20일부터 이틀간 서울 코엑스에서 ‘AWS 서밋 서울 2026(AWS Summit Seoul 2026)’을 개최한 가운데, 21일 2일차 기조연설이 진행됐다.
AWS 서밋 서울은 국내 최대 규모의 AI 및 클라우드 기술 컨퍼런스로, 최신 클라우드 기술과 에이전틱 AI 혁신을 학습하고 경험할 수 있는 기회를 제공한다. 올해는 AWS 20주년을 맞이하는 해로, 이번 서밋은 그 여정을 되돌아보고 에이전틱 AI가 이끌 미래 20년의 비전을 제시하는 자리이기도 하다. 이번 행사를 통해 AWS는 에이전틱 AI를 포함한 클라우드 기술 혁신에 관한 비전과 산업별 고객/파트너 사례를 공유한다.
특히, 에이전틱 AI 트렌드 및 고객 혁신 사례를 중심으로 120개 이상의 세션과 70개 이상의 고객 사례 발표 및 엑스포 데모를 통해 AWS 생태계의 최신 기술과 서비스를 직접 체험할 수 있다.
윤석찬 AWS 코리아 수석 테크 에반젤리스트
윤석찬 AWS 코리아 수석 테크 에반젤리스트는 AWS 서밋 서울 2026 둘째 날 ‘AI Day’ 기조연설 오프닝을 진행하며, 올해 서밋이 AWS 창립 20주년이자 서울 리전 개설 10주년을 맞는 특별한 해임을 강조했다. 그는 AWS 서밋이 영업이나 마케팅 행사가 아닌 학습과 공유를 위한 자리라고 설명하며, 올해 행사에서 AI를 중심으로 다양한 산업 및 기술 주제별 강연과 고객 사례, 엑스포 전시 및 네트워킹 기회가 마련됐다고 소개했다.
이어 그는 AI 시대를 맞아 개발자가 갖춰야 할 마음가짐으로 ‘르네상스 개발자’의 다섯 가지 자질을 설명했다. 첫째, 호기심(Curiosity)을 잃지 않는 태도를 강조하며, 소프트웨어 개발자의 학습 동기는 “왜 이렇게 동작하지?”라는 질문에서 시작되고 실험과 실패를 통해 진정한 배움으로 이어진다고 말했다. 또한 학습은 본질적으로 사회적이라고 설명하며, 2012년 시작돼 14년 넘게 운영 중인 AWS 한국 사용자 모임(AWS KRUG)을 국내 최대 개발자 커뮤니티로 소개하고 참여를 권장했다.
AI 개발 도구 키로(Kiro) 소개
둘째, 코드 품질에 대한 책임감(Ownership)을 강조하며, AI가 생산한 코드라도 최종 책임은 개발자에게 있다고 설명했다. 그는 AI 코딩은 도박이 아닌 공학이어야 하며, 생성된 코드를 주의 깊게 검토하는 과정이 필수라고 밝혔다. 셋째, 다방면의 관심(Polymath)을 언급하며, 한 분야에 깊이 파고들면서 다른 분야와 폭넓게 연결할 수 있는 T자형 인재가 AI 시대에 중요하다고 설명했다. 넷째, 시스템적 사고(Systems Thinking)를 강조하며, 탄력적이고 지속 가능한 시스템을 만들기 위해 개발자는 코드가 아닌 구조를 볼 수 있어야 하고, AI가 코드를 만들면 사람은 아키텍처를 봐야 한다고 말했다.
마지막으로 명확한 커뮤니케이션(Clear Communication)의 중요성을 설명하며, 자연어 기반 소통에서 발생하는 모호함이 소프트웨어의 일관성에 영향을 줄 수 있다고 지적했다. 이에 따라 모호한 자연어 프롬프트를 명확한 스펙으로 전환해 AI를 통제하는 스펙 기반 개발(Spec-driven Development)을 현실적인 AI 활용 방법으로 제시하고, AWS가 개발 중인 AI 개발 도구 키로(Kiro)를 소개했다. 이어 최근 출시된 AWS 데브옵스 에이전트(AWS DevOps Agent)를 예로 들며, AI가 코드 작성을 넘어 소프트웨어 운영과 배포, 장애 조사 및 운영 개선 식별 등 개발 프로세스 전반으로 확장되고 있다고 설명했다.
버너 보겔스(Werner Vogels) 아마존 CTO
버너 보겔스 아마존 CTO는 화상을 통해 기조연설 발표를 진행했다. 그는 AWS 창립 20주년을 축하하며, AI·우주·로보틱스 등 복수의 기술 혁신이 동시에 진행되고 있는 현재를 “빌더(builder)에게 가장 위대한 시대”라고 표현했다. 그는 코넬대 연구자 시절 아마존에 합류하게 된 계기를 회고하며, 당시 상용 소프트웨어로는 구현할 수 없었던 대규모 장애 허용성(fault tolerance)과 고가용성(availability)을 자체 기술로 구현하던 아마존의 엔지니어링 문화가 오늘날 AWS의 기반이 됐다고 강조했다.
그는 AI 시대 개발자가 갖춰야 할 ‘르네상스 개발자(Renaissance Developer)’의 자질로 △호기심(curiosity) △시스템적 사고(systems thinking) △명확한 커뮤니케이션(clear communication) △주인의식(ownership) △다재다능함(polymath)을 제시하며, 이러한 역량이 현재와 미래의 기술 환경에서 중요한 경쟁력이 될 것이라고 설명했다. 끝으로 “서밋 기간 동안 호기심을 갖고 탐색하며 서로에게서 배우라”고 당부하며 발표를 마무리했다.
신재현 우아한형제들 AWS 커뮤니티 히어로, 김민태 우아한형제들 AWS 커뮤니티 빌더
신재현 우아한형제들 AWS 커뮤니티 히어로는 지난 1년간 AI를 현업에 도입하며 마주한 성과와 한계를 동시에 공유했다. 가장 인상적인 성과는 지난 5년간 풀지 못했던 다국어 앱 출시 과제를, AI 도입 이후 단 한 달 만에 정확도 94% 수준으로 출시한 일이었다. 그러나 동시에 분명한 한계도 드러났다. 같은 AI 도구를 사용하더라도 사용하는 사람의 역량과 활용 방식에 따라 결과물의 품질 편차가 크게 벌어졌던 것이다.
그는 이 문제의 본질이 'AI 자체의 성능'이 아니라 'AI가 일하는 환경'에 있다고 보았다. 그래서 고안한 방법론이 바로 '하네스 엔지니어링(Harness Engineering)'이다. AI 모델을 더 좋은 것으로 교체하기보다, AI가 일관되게 좋은 결과를 낼 수 있도록 작업 환경 자체를 설계하자는 접근이다. 이 방법론은 세 가지 축으로 작동한다. 첫째, Steering을 활용해 AI에 일관된 작업 기준과 가이드를 제공함으로써, 사용자별로 달라지던 결과물의 품질을 조직 표준 수준으로 상향 평준화한다.
둘째, 개인이 축적한 프롬프트와 작업 패턴 같은 노하우를 재사용 가능한 스킬(Skill)과 서브에이전트(Sub-agent) 형태로 자산화해, 조직 구성원 누구나 동일한 수준의 결과물을 만들어낼 수 있도록 확산시킨다. 셋째, 상대적으로 저렴한 오픈소스 모델을 적극 활용함으로써 동일한 비용으로 약 다섯 배 많은 작업을 처리할 수 있는 비용 구조를 확보한다. 결국 하네스 엔지니어링은 'AI를 잘 쓰는 사람'에 의존하는 것이 아니라, '누가 써도 잘 작동하는 환경'을 만드는 데 초점을 둔 조직 차원의 전략인 셈이다.
이어 발표에 나선 김민태 우아한형제들 AWS 커뮤니티 빌더는 이러한 방법론이 실제 프로젝트에서 어떻게 구현되는지를, 키로(Kiro)를 활용한 AI-DLC(AI-Driven Development Lifecycle) 적용 사례로 풀어냈다. 그가 소개한 프로젝트는 비마트 가격 관리 시스템의 레거시 마이그레이션으로, AI-DLC의 세 단계에 따라 진행됐다. 먼저 Inception 단계에서는 요구사항 분석과 시스템 분석, 아키텍처 설계를 수행하며 프로젝트의 토대를 다졌다.
이어 Construction 단계에서는 코드를 곧바로 작성하기보다 스펙(Spec)을 먼저 정의한 뒤, 역할 기반 페르소나를 적용해 코드를 구현했고, 반복적으로 발생하는 작업은 Agent Skill로 자산화해 재사용 가능한 형태로 정리했다. 마지막 Operation 단계에서는 키로 CLI와 MCP(Model Context Protocol)를 연동해 배포 이후의 지속적 모니터링 체계를 구축하고, 운영 과정에서 반복되는 작업을 자동화함으로써 운영 부담을 크게 줄였다.
그 결과는 정량적으로도 뚜렷하게 나타났다. AI 에이전트를 적극적으로 활용한 개발자 그룹은 그렇지 않은 그룹 대비 생산성이 약 69% 향상됐고, 코드 생산량은 약 2.4배 증가한 것으로 확인됐다. 두 발표자는 결국 AI 도입의 성패가 '도구 그 자체'가 아니라, 그 도구가 일관되게 가치를 만들어낼 수 있도록 설계된 환경과 방법론에 달려 있음을 공통적으로 강조했다.
우스만 칼리드(Usman Khalid) AWS 서버리스 컴퓨팅 총괄
우스만 칼리드 AWS 서버리스 컴퓨팅 총괄은 "모든 개발자는 단순함과 강력한 성능 사이에서 동일한 긴장감을 경험한다"며 발표를 시작했다. 그는 AWS 외부 플랫폼에서는 단순성과 제어력 사이의 양자택일이 강요되지만, AWS는 고객 워크플로우에 따라 단계적으로 선택 가능한 컴퓨팅 스펙트럼을 제공한다고 설명했다. 서버리스 함수 기반의 AWS 람다(AWS Lambda)부터 컨테이너 관리를 추상화한 아마존 ECS(Amazon Elastic Container Service, ECS), 쿠버네티스 완전 제어가 가능한 Amazon EKS(Elastic Kubernetes Service)에 이르기까지, AI 에이전트 시대에 필요한 새로운 컴퓨팅 추상화를 폭넓게 지원한다고 밝혔다.
신기능 측면에서는 세 가지를 중점 발표했다. 첫째, Lambda 테넌트 격리(Lambda by Tenant Isolation)로 SaaS 구축 시 각 고객에게 전용 실행 환경을 부여해 데이터 누출 없이 수십만 테넌트까지 확장할 수 있다. 둘째, 기존 15분으로 제한되던 Lambda 타임아웃을 대폭 완화한 장기 실행 Lambda 함수로, 체크포인트 기반 상태 저장 및 복원을 지원해 장시간 워크플로우 처리가 가능해졌다. 셋째, ECS Express를 통해 원클릭으로 확장 가능한 컨테이너 애플리케이션을 배포하고, 롤링 업데이트(Rolling Update)를 기본값으로 적용해 배포 안정성을 높였다.
아울러 Amazon EKS는 클러스터 규모를 업계 최대 수준인 100,000 노드까지 확장할 수 있으며, 이는 160만 개의 GPU 가속기 또는 80만 개의 고성능 서버를 단일 클러스터에서 운영하는 것과 동등한 수준이라고 설명했다. 그는 "다음 세대 컴퓨팅은 AI 중심으로 재편될 것"이라며, AWS Kiro가 자연어를 프로덕션 레디 코드로 변환해 Lambda·ECS·EKS 전 스펙트럼에 배포하는 미래를 제시하고 "개발자가 인프라가 아닌 애플리케이션과 미션에만 집중할 수 있도록 하는 것이 목표"라고 강조했다.
박혜영 AWS코리아 수석 솔루션즈 아키텍트
박혜영 AWS 코리아 수석 솔루션즈 아키텍트는 스토리지, 데이터, 추론(Inference) 영역을 중심으로 발표를 진행했다.
스토리지 부문에서는 아마존 S3(Amazon S3)가 AI 서비스 구현을 위한 핵심 스토리지 역할을 확대하고 있다고 설명했다. 작년 출시된 아마존 S3 벡터(Amazon S3 Vectors)는 별도의 벡터 데이터베이스 구축 없이 S3 내부에서 직접 유사도 검색을 실행하며, 전문 벡터 DB 대비 약 90%의 비용 절감 효과를 제공한다. 이번 행사에서 정식 출시된 아마존 S3 파일(Amazon S3 Files)은 S3 버킷을 컨테이너 환경에 그대로 마운트해 파일 시스템처럼 활용할 수 있으며, 초당 1,000만 IOPS 처리와 2만 5,000개 이상의 컴퓨팅 리소스 동시 접근을 지원한다.
데이터 전략 부문에서는 아파치 아이스버그(Apache Iceberg)·파케이(Parquet) 등 오픈 포맷을 AWS 데이터 전략의 핵심으로 제시했다. 데이터 변환·이동 없이 원본 그대로 분석 엔진을 자유롭게 교체할 수 있어 특정 벤더 종속을 방지한다. 아마존 레드시프트(Amazon Redshift)에 그라비톤(Graviton) 인스턴스 지원이 추가되면서 성능은 x86 대비 2.2배 이상 향상됐으며, 아이스버그 쿼리 속도는 24배 이상 빨라졌다고 설명했다.
추론 부문에서는 아마존 베드록(Amazon Bedrock)을 중심으로 엔터프라이즈급 AI 서비스 구현 방안을 소개했다. 앤스로픽(Anthropic)의 클로드 오퍼스 4.7(Claude Opus 4.7), 클로드 코드(Claude Code), 클로드 웍스(Claude Works)가 베드록에 정식 출시됐으며, 행사 당일 오픈AI(OpenAI)의 ChatGPT 5.4 모델과 AI 코딩 에이전트 코덱스(Codex)의 베드록 연동도 발표했다. 기업 내부 보안이 필요한 고객을 위해 클로드 코드를 베드록 백엔드로 연결하는 방법도 시연했으며, 세 줄의 설정만으로 구성 가능하고 데이터는 AWS 외부로 나가지 않는다. 아울러 아마존 베드록 에이전트코어(Amazon Bedrock AgentCore)에 결제 트랜잭션 처리 기능과 에이전트 레지스트리(Agent Registry)가 추가됐으며, 삼성전자는 이를 기반으로 장애 복구 시간을 90% 이상 단축하는 성과를 거뒀다고 소개했다.
안종훈 아모레퍼시픽(Amorepacific) 전무
안종훈 아모레퍼시픽 전무는 디지털과 AI를 뷰티 산업에 접목한 두 가지 혁신 서비스를 소개했다. 60개 이상의 진출 국가에서 발생하는 복잡한 포장재 원화 검수 프로세스를 AI 기반으로 고도화한 'AI BLINK' 서비스는 아마존 베드록의 클로드 모델을 활용해 포장재 문서의 객체를 인식·분석하며, 기존 30분이 소요되던 검수 작업을 3분 30초로 단축해 생산성을 88.8% 향상시키고 오류율 제로를 달성했다.
아마존 세이지메이커(Amazon SageMaker)를 통해 피부 이미지를 분석하는 'AMOREPACIFIC Beauty Concierge'는 2023년 출시 이후 누적 진단 건수 50만 건을 돌파했고, 현재 10개국 57개 오프라인 매장으로 서비스를 확대하고 있다. 아모레퍼시픽은 AWS와의 협력을 바탕으로 뷰티를 넘어 헬스 영역까지 아우르는 'Beauty Total Care' 플랫폼으로 진화해 나갈 계획이다.
최용호 AWS 코리아 시니어 테크 에반젤리스트
최용호 AWS 시니어 테크 에반젤리스트는 AI 시대 실제 비즈니스 과제를 해결하기 위해서는 생성형 AI 모델뿐 아니라 데이터, 스토리지, 컴퓨팅 인프라가 함께 결합된 통합 환경이 중요하다고 강조했다. 그는 아모레퍼시픽 사례를 소개하며, 글로벌 시장 확대 과정에서 국가별 규제와 언어, 브랜드별 아이덴티티 차이로 인해 복잡도가 높아진 포장재 검수 및 뷰티 서비스 운영 과정에 아마존 베드록 기반 AI 서비스를 적용하고 있다고 설명했다. 이어 아마존 리테일 사례를 통해 생성형 AI 기반 에이전트를 활용해 배송 주소 유형과 배송 조건을 분석함으로써 초기 배송 실패율을 74% 줄이고 운영 효율을 개선했다고 소개했다.
또한 아마존의 자율주행 자회사 주옥스(Zoox) 사례를 통해서는 아마존 S3 기반 대규모 데이터 저장 환경과 Amazon EMR, Amazon Athena, Amazon SageMaker HyperPod 등을 활용해 자율주행 학습 및 시뮬레이션 환경을 운영하고 있다고 설명했다. 그는 AI 서비스를 실제 운영 환경에 적용하기 위해서는 AI 모델뿐 아니라 데이터 저장소와 컴퓨팅 인프라까지 유기적으로 결합돼야 한다고 강조했다.
이윤재 KBS 전략기획실 AI전환팀 팀장
이윤재 KBS 전략기획실 AI전환팀 팀장은 KBS의 AI 기반 직캠 제작 솔루션 ‘VVERTIGO’를 소개하며, AWS 기반 AI 인프라를 활용해 K-POP 콘텐츠 제작 방식을 혁신하고 있다고 설명했다. VVERTIGO는 8K 단일 카메라 영상을 AI로 분석해 멤버별 세로형(9:16) 직캠 영상을 자동 생성하는 기술로, 공연장 내 다수의 카메라 설치로 인한 좌석 낭비와 시야 방해 문제를 줄이는 동시에 제작 효율성을 높였다.
특히 기존 자체 GPU 기반 온프레미스 후반 작업 환경을 AWS 추론칩 인퍼런시아(Inferentia) 기반 분산처리 아키텍처로 전환해, 공연 종료 후 수시간에서 수일이 걸리던 후반 작업을 무대 종료 수분 내 배포 가능한 준실시간(Near-Live) 체계로 단축했다. 또한 KBS가 축적해온 K-POP 방송 아카이브 데이터를 기반으로 AI 모델을 학습해 동양인 얼굴 추적 정확도를 높였으며, 뮤직뱅크·불후의 명곡·더시즌즈 등 실제 방송 제작 현장에 적용하고 있다고 밝혔다.
컨피그(Config) 서민준 대표
서민준 컨피그 대표는 사람의 행동 데이터를 로봇 지능으로 변환하는 '로보틱스 데이터 레이어(Robotics Data Layer)'와 로봇 파운데이션 모델 구축 과정을 소개하며, 이를 프로덕션 스케일로 운영하기 위해 AWS 기반 인프라를 활용하고 있다고 설명했다. 그는 매월 2만 시간 규모의 사람 행동 데이터와 1천 시간 규모의 로봇 데이터, 100테라바이트 이상의 신규 학습 데이터를 처리하고 있으며, 사람 행동 데이터를 로봇 학습용 데이터로 변환한 뒤 단일 로봇 파운데이션 모델 사전 학습과 태스크별 파인튜닝·배포·추론까지 이어지는 파이프라인을 운영하고 있다고 밝혔다.
이를 위해 AWS Direct Connect 기반 데이터 전송과 Amazon S3 중심의 단일 데이터 레이크, Amazon DynamoDB·Amazon Aurora·Amazon RDS 기반 메타데이터 관리 체계를 구축했으며, 전처리·파인튜닝·배치 추론에는 Amazon EKS 기반 EC2 Spot 인스턴스를, 대규모 사전 학습에는 Amazon SageMaker HyperPod를 활용하고 있다고 설명했다. 그 결과 스토리지 비용은 기존 대비 2배 절감됐고, 데이터 전송은 공용 인터넷 대비 6배 저렴하고 2배 빨라졌으며, 서버 추론 비용 역시 온디맨드 대비 2.5배 절감됐다고 밝혔다. 또한 AWS IoT Core 기반 디바이스 플릿 매니지먼트와 AWS Trainium·Inferentia 기반 학습 및 추론 최적화도 추진 중이라고 소개했으며, AWS 서밋 현장에서는 사람과 로봇이 협업하는 'Human-Robot Collaboration' 라이브 데모도 선보였다.
<저작권자(c)스마트앤컴퍼니. 무단전재-재배포금지>
