AWS Summit Seoul 2026: 한국 기업과 에이전틱 AI

AWS Summit Seoul 2026의 중심은 생성형 AI에서 에이전틱 AI로의 전환이었고, 삼성전자, 요기요, 야놀자 등 한국 기업들은 고객 대면 코파일럿이 아니라 AIOps와 인프라 운영에서 출발하는 프로덕션 도입 패턴을 보여주었습니다. 반복적으로 등장한 스택은 Amazon Bedrock AgentCore, Kiro, Amazon EKS였습니다. 무엇이 중요했고 플랫폼 팀이 무엇을 가져가야 하는지 정리합니다.

지난 몇 년간 AI를 둘러싸고 같은 질문이 반복되어 왔습니다. 모델, GPU, 데이터센터에 그렇게 많은 돈이 들어가는데, 도대체 언제 회수가 되느냐는 것입니다. 어닝콜과 애널리스트 리포트에서는 거품 가능성이 자주 언급되었고, 2024년에 생성형 AI 파일럿을 시도했던 기업들은 실제 프로덕션 성과가 나오기를 기다려 왔습니다.

AWS Summit Seoul 2026에서는 삼성전자, 요기요, 야놀자가 프로덕션 지향 에이전틱 AI/AIOps 사례를, KB국민은행은 프로덕션 규모의 KBaaS API 인프라 현대화 사례를 발표했습니다. 이 세션들은 한국 기업들이 AI 시대의 클라우드 아키텍처를 운영, 개발, 임베디드 금융에 적용하고 있는 모습을 함께 보여주었습니다. 이번 글에서는 행사가 어떻게 구성되었는지, 엔터프라이즈 세션이 무엇을 보여주었는지, 가장 자주 등장한 AWS 도구는 무엇이었는지, 그리고 자사의 계획에 적용해 볼 만한 핵심 패턴은 무엇인지 정리했습니다.

이날 행사의 중심이 된 전환

AWS Korea CEO 함기호는 기조연설의 시작에서 Generative AI, Agentic AI, Physical AI 세 단계를 제시했습니다. Agentic AI는 LLM이 단순히 프롬프트에 답하는 단계를 넘어, 계획하고 도구를 사용하며 액션을 수행하는 추론 엔진으로 작동하는 능동적인 단계로 설명되었습니다. Physical AI는 그다음 단계로 제시되었고, 한국의 로보틱스, AI 칩, 제조 기업을 위한 새로운 Physical AI Frontier Program이 함께 발표되었습니다. 이 프로그램은 데이터 수집부터 엣지 추론까지 전 과정을 지원하고, 글로벌 진출도 돕습니다.

AWS CFO 존 펠튼은 2031년까지 한국에 누적 12조 6천억 원을 투자하는 계획을 발표했습니다. 이는 글로벌 클라우드 사업자가 한국에 단행한 투자로는 사상 최대 규모로 공개되어 있으며, 2023~2027년 한국 GDP에 약 15조 600억 원을 기여할 것으로 추산됩니다. 이어진 Industry Day 강연들은 이러한 투자 약속이 실제로 어떻게 구현될지를 보여주었습니다.

기조연설에서는 행사에서 소개된 주요 에이전틱 도구도 소개되었으며, 제이슨 베넷 부사장이 각각을 설명했습니다.

• Kiro: 소프트웨어 개발을 위한 새로운 에이전틱 IDE로, 무대에서 Claude Code 및 Copilot 류의 코딩 어시스턴트와 동급의 도구로 소개되었습니다
• Amazon Quick Suite: 인사이트 발굴, 리서치, 작업 자동화, 데이터 시각화, 그리고 여러 앱을 아우르는 액션 실행을 지원하는 에이전틱 AI 워크스페이스
• AWS Transform 및 AWS Transform Custom: 메인프레임, VMware, Windows, 레거시 코드 현대화를 위한 에이전틱 현대화 도구로, 버전 업그레이드, 런타임 마이그레이션, 언어 변환, 아키텍처 변경 등을 지원합니다.

엔터프라이즈 세션이 실제로 보여준 것

에이전틱 AI 세션 전반에서 하나의 패턴이 드러났지만, 모든 사례에 공통된 것은 아닙니다. 삼성과 야놀자는 모두 슈퍼바이저 또는 Core Agent 구조를 사용해 전문 에이전트에게 작업을 위임했습니다. 요기요는 운영 데이터 및 도구 기능과 연결된 Bedrock AgentCore 기반 AIOps 워크플로우를 보여주었습니다. KBaaS는 이들과 다른 형태로, 임베디드 금융을 위한 EKS 기반 API 플랫폼과 게이트웨이 현대화 사례였습니다.

수치를 보면 이것이 실험이 아니라 실제 프로덕션 도입이었음이 분명합니다. 삼성전자는 사용자 21억 명, 50개 이상의 서비스, 초당 270만 건 이상의 요청을 지원하고, 4개 리전에 걸친 EKS의 70개 이상 네임스페이스에서 초당 20만 건의 트랜잭션을 처리하는 Samsung Account를 운영합니다. 삼성은 Day-1 AIOps 목표로 MTTR 90% 이상 단축, 10분 이내 장애 감지 99%, 휴먼-인-더-루프(human-in-the-loop) 운영 업무를 20% 미만으로 줄이는 것을 제시하며, 'Toil 0% / Human First'를 향한 로드맵의 일환으로 추진하고 있습니다. KB국민은행의 KBaaS 플랫폼은 서드파티 API 게이트웨이에서 AWS EKS 기반의 자체 게이트웨이로 전환한 뒤, 약 1,800개의 API와 하루 2억 건의 호출을 처리합니다. 요기요는 장애 시 여러 콘솔과 로그를 일일이 확인하던 방식에서, AgentCore 기반 AIOps 루프로 전환해 지표 관찰, 상관 분석, 변경 이력 비교, RCA의 그라운딩을 하나의 워크플로우로 묶었다고 발표했습니다. 야놀자는 가장 구체적인 기술 세부사항을 공유했는데, DevOps와 SRE를 위한 도메인 특화 에이전트가 Bedrock AgentCore Runtime 위의 Core Agent로 관리되며, SDK로는 Strands Agent를 사용하고 종단 간 인증을 구현하고 있습니다.

삼성, 요기요, 야놀자는 모두 에이전틱 AI 사례의 중심을 고객 대면 코파일럿이 아니라 AIOps 또는 인프라 운영에 두었습니다. KB국민은행의 사례는 결이 다르지만 관련된 프로덕션 패턴을 보여주었는데, 임베디드 금융을 위해 EKS 위의 대용량 API 플랫폼을 현대화한 것입니다.

개발 측에서 이에 대응하는 개념은 AI-DLC(AI-Driven Development Lifecycle)로, AWS가 제안하는 AI 주도 개발 방식입니다. 검증과 최종 승인 단계에서 사람이 확인합니다. 삼성은 이 방식으로 리드 타임을 70% 단축했고, LG전자 MS 사업부는 생산성이 두 배 향상되었다고 발표했습니다. 핵심 아이디어는 의도와 실행을 분리하는 것입니다. 사람은 무엇이 일어나야 하는지를 결정하고 결과를 확인하며, 그 사이의 단계는 에이전트가 처리합니다.

반복적으로 등장한 AWS 네이티브 스택

엔터프라이즈 세션에서 핵심 구성 요소가 반복적으로 등장했습니다.

• Amazon Bedrock AgentCore는 삼성, 요기요, 야놀자 세 곳에 모두 등장했습니다. 야놀자는 Bedrock AgentCore Runtime을 Strands Agent와 인증과 함께 명시적으로 제시했고, 요기요는 Amazon Bedrock AgentCore를 Runtime, Memory, Gateway, MCP 도구 기능과 결합한 AIOps 아키텍처를 보여주었습니다. 삼성은 AgentCore 기반의 Supervisor, Domain, Task 에이전트로 구성된 AIOps 아키텍처를 발표했습니다.
• Kiro는 에이전틱 IDE로 사용되었고, 삼성이 Amazon Quick Suite, Bedrock AgentCore와 함께 자사 도구 모음에 포함시켰습니다.
• Amazon EKS는 호스팅 기반이 명확히 제시된 두 사례인 Samsung Account와 KBaaS의 호스팅 플랫폼이었습니다.

기억해 둘 만한 핵심 테마

이날 두드러진 패턴이 몇 가지 있습니다. 첫째, 슈퍼바이저 패턴이 독립적으로 두 번 등장했습니다. 삼성과 야놀자가 사전 조율 없이 같은 구조에 도달한 것은 강한 신호입니다. 둘째, 네 곳 중 세 곳(삼성, 요기요, 야놀자)에서 첫 영역은 고객 대면 코파일럿이 아니라 AIOps 또는 인프라 운영이었습니다. KB국민은행은 대신 임베디드 금융을 위해 EKS 위의 API 플랫폼을 현대화했습니다. 셋째, 사람을 의도적으로 루프 안에 두고 있습니다. Datadog의 세션이 이 점을 명확히 했는데, 주도권과 판단은 사람에게 남기고 실행은 Datadog AI Agent Builder를 통해 에이전트가 담당한다고 밝혔습니다. 개발 쪽의 삼성 AI-DLC 접근도 같은 원칙을 따릅니다. 넷째, 인프라도 따라잡아야 합니다. GS네오텍 세션은 에이전트 워크로드에서 GPU의 진짜 문제는 부족이 아니라 낮은 사용률, 과도한 유휴 시간, 과할당이라고 짚었습니다. 그리고 워크로드 요구사항, 공유 정책, 토폴로지를 함께 고려하는 차세대 운영 모델로 EKS에서의 Dynamic Resource Allocation(DRA)을 제안했습니다.