“AI 도입과 성과 간극 좁혀야”…AWS, 전사적 AI 활용 기반 강조

AWS는 23일 서울 그랜드 인터컨티넨탈 서울 파르나스에서 'AWS AI 웨이브 2026'을 개최했다. 김기완 AWS 코리아 AI 사업 총괄은 이날 행사 기조연설에 나섰다.

AWS는 이번 행사에서 AI 활용을 조직 전반 성과로 연결하기 위한 조건을 제시했다. AWS가 제시한 핵심 조건은 전사 전략 기반 마련이었다.

이어 AWS는 데이터 기반 확보와 운영 기반 확보를 핵심 조건으로 제시했다. 또한 AI의 지속적 개선과 업무 전반으로 AI 확산도 핵심 조건으로 꼽았다.

AWS가 이런 방향을 제시한 배경에는 AI 도입과 성과 사이의 간극 존재가 있었다. 개발 에이전트 등 AI 도구 사용 증가는 이어지고 있지만, AWS는 AI 도입 기업 전부가 충분한 성과 달성 상태는 아니라고 진단했다.

김기완 AWS 코리아 AI 사업 총괄은 AI를 통한 개인 단위 생산성 향상 가능성이 크다고 보면서도, 조직 단위 생산성 향상 방안에 대해서는 고민을 지속하고 있다고 밝혔다. 그는 개인의 생산성 향상과 달리 조직 차원의 성과 확대가 쉽지 않다는 점을 짚었다.

김 총괄은 조직 생산성 향상을 저해하는 원인으로 전사 전략의 부재, 데이터 준비 부족, 운영 기반 미비를 지목했다. 아울러 AI 활용이 본질적으로 사업 가치를 창출하는지에 대한 의문이 존재한다고 설명했다. 또한 통제가 부재할 경우 AI 활용의 ROI를 측정하기 어렵고, 직원들이 어떤 방식으로 AI를 활용하는지에 대한 가시성 확보도 어렵다고 밝혔다.

그는 사내에서 작은 성공을 만드는 개념검증(PoC)을 다수 수행하고 있지만, 이러한 PoC를 전사로 확산하고 조직·제품·서비스 전반에 적용하는 방안에 대한 고민이 확대되고 있다고 진단했다. PoC가 전사 적용으로 이어지지 않는 문제를 짚으면서 조직 차원의 활용 확산이 중요한 과제로 부상하고 있다고 설명했다.

김 총괄은 이러한 간극을 줄이기 위한 전략으로 제품 중심 조직을 제시했다. 그는 AI 애플리케이션과 에이전트를 생명주기 전반에서 개선 대상인 제품으로 인식하고, 가설 검증과 품질 개선을 반복하는 방식이 필요하다고 밝혔다. 또한 새 기술이 등장할 때 신속하게 적용할 수 있도록 조직 문화를 준비해야 하며, 직원의 AI 활용 역량 제고도 필요하다고 덧붙였다.

김 총괄은 플랫폼 자체보다 성과와 실제 혁신을 우선해야 한다는 기준을 제시했다. 그는 성과 중심의 우선순위 명확화가 필요하다고 밝혔고, 플랫폼의 중요성도 인정했다. 다만 플랫폼 구축 때문에 실제 혁신이 지연되면 바람직하지 않다고 판단했다.

이어 오사랑 한화솔루션 팀장은 이런 문제의식과 맞닿아 전사 AI 활용을 안정적으로 확산하기 위한 한화솔루션의 운영 체계와 통제 방식을 설명했다. 오사랑 한화솔루션 팀장은 'AWS AI 웨이브 2026'에서 한화솔루션의 AI 거버넌스 정착 사례를 발표했고, 오사랑 한화솔루션 AI/AX 팀장은 전사 업무 AI 정착용 운영 체계를 소개했다.

한화솔루션은 클로드 코워크의 모든 호출을 자사 AWS 계정 내 LLM 게이트웨이를 거쳐 아마존 베드록으로 전달하도록 구성했다. 해당 구조는 조직별 모델 사용 현황·비용·이력 관리를 위한 목적을 갖췄고, 가드레일을 통한 개인정보 보호도 포함했다.

이 운영 체계 도입 이후 소규모 팀의 배포 범위는 한국·미국 등 글로벌 사업장으로 확대됐다. 클로드 도입을 추진하는 그룹사 수도 7곳으로 증가했다.

오 팀장은 거버넌스가 AI를 지연시킨다는 시각을 부정하며, 오히려 AI가 기업의 핵심 사업에 정착하는 것을 촉진한다고 밝혔다. 그는 AI의 도입은 기술 과제이지만 정착은 경영 과제라고 설명하며, 정착 단계에서 거버넌스와 경영의 역할을 강조했다.

이어 김기완 AWS 코리아 AI 사업 총괄은 이를 실행하기 위한 데이터 요건으로 'AI 레디 데이터'를 제시했다. 그는 'AI 레디 데이터'가 제조 현장 용어·규칙과 기업 보유 데이터·비즈니스 지표를 연결해 AI가 활용할 수 있는 상태로 준비하는 것을 뜻한다고 설명했다.

김기완 총괄은 필요한 기반으로 데이터와 함께 에이전트 개발·운영 기반도 제시했다. AWS는 베드록 에이전트코어를 통해 메모리·인증 등 에이전트에 필요한 기능을 제공하며, 베드록에서는 에이전트용 프런티어 모델·오픈웨이트 모델을 동시에 제공한다고 그는 설명했다. 이에 따라 단순 업무용 하위 에이전트에는 상대적으로 저렴한 모델을 적용할 수 있고, 모델은 작업별로 선택할 수 있다고 덧붙였다.

다중 모델 환경의 거버넌스를 제공하는 주체로는 LLM 게이트웨이가 제시됐다. LLM 게이트웨이는 사내 인증 체계 연동, 역할별 접근 제어 관리, 로그·감사 필요 데이터 확보 관리를 담당한다고 설명했다.

김 총괄은 여러 AI 모델을 함께 사용할 때 운영 통제 요소로 모델 간 라우팅 방식이 중요하다고 밝혔다. 그는 토큰과 비용의 관계를 통제하는 문제도 중요하다고 설명했다. 또한 가드레일 설계가 중요하며, AI가 의도한 대로 동작하도록 만드는 문제도 중요하다고 짚었다.

이어 김 총괄은 AI의 실제 업무 적용 시 보안 대응이 필요하다고 언급했다. 그는 개발 초기 단계에서는 코드 취약점·위협을 검증하고 수정한다고 설명했다. 또 배포 후 단계에서는 보안 에이전트로 신규 위협을 판단하고 대응 방안을 마련한다고 밝혔다. 아울러 김 총괄은 AI를 막기 위해 AI를 활용해야 하는 상황이 발생하고 있다고 말했다.

이런 흐름 속에서 김 총괄은 AWS의 접근 범주가 2가지라고 밝혔다. 그는 그 범주로 AI를 위한 보안과 보안을 위한 AI를 제시했다.

출처: 아이티데일리 (IT DAILY) · 양승갑 기자
원문: https://www.itdaily.kr/news/articleView.html?idxno=242406

참고자료

• https://www.itdaily.kr/news/articleView.html?idxno=242406