AWS × Classmethod × AIM

What was discussed

오간 이야기

첫 세션은 AWS 최용호 님이 아마존 내부의 에이전트 활용을 풀었습니다. 인상적인 사례는 배송이었습니다. 주소가 모호해 첫 배송이 실패하는 일이 잦았는데, 내부 데이터베이스와 공공 주소 정보, 지리 데이터, 영업시간까지 여러 소스를 에이전트가 엮어 판단하게 하자 초기 배송 실패가 74% 줄었습니다.

규모를 만드는 건 개별 에이전트가 아니라 플랫폼이라고 했습니다. 사내 저장소 Agent Z에는 재사용 가능한 에이전트가 2만 3천 개 넘게 쌓였고, 개발자가 아니어도 자연어로 만들 수 있습니다. 개발 방식도 바뀌었습니다. 먼저 명세 문서를 만들어 사람이 검토하고 고친 뒤 개발에 들어가는 방식으로 1만 5천 건 넘는 명세를 만들었습니다. 베드록 프레임워크는 원래 개발자 30명에 18개월로 잡혔던 일이 6명, 76일 만에 나왔습니다.

정리한 교훈은 세 가지였습니다. 순서대로 명령하기보다 목표를 주고 스스로 움직이게 할 것, 하나의 에이전트보다 여럿이 협업하게 할 것, 짧게 반복하기보다 몇 시간에서 며칠까지 길게 돌릴 것입니다. 다만 초기 몇 주는 생산성이 거의 오르지 않았고, 팀이 스스로 일하는 방식을 다시 짠 뒤에야 효과가 나왔다는 점도 덧붙였습니다.

두 번째 세션은 Classmethod 재팬의 오오모리 아키마사 님이 아시아태평양의 도입 상황을 짚었습니다. 말레이시아와 태국은 비용과 보안 때문에 아직 도입 이전 단계이고, 일본은 점진적이며, 한국이 가장 빠르다고 봤습니다. 일본에서는 개발과 보안 점검, 코볼 같은 레거시의 리버스 엔지니어링, 전사 확산이 주요 흐름이었습니다.

문제로 꼽은 것은 '워크 슬롭'이었습니다. AI가 그럴듯하지만 알맹이 없는 문서를 쏟아내는 탓에, 직원들이 그 결과물을 해석하고 고치는 데 하루 평균 두 시간을 쓴다는 이야기였습니다. 한국과 일본처럼 맥락을 말로 다 하지 않는 사회에서는 프롬프트에 맥락을 제대로 담지 않으면 답이 점점 어긋난다고도 했습니다. 그래서 AI를 인공지능이 아니라 실제 지능, 즉 사람의 판단과 붙여야 한다고 정리했습니다.

파이어사이드 챗에서는 변호사 임현서 님과 AIM Intelligence 박하언 님이 마주 앉았습니다. 임 변호사는 업무량이 2.5배로 늘었고, AI가 길고 정중한 답변을 대신 써주면서 감정 소모가 크게 줄었다고 했습니다. 다만 한국은 판결문이 공개되지 않아 법률 도메인 학습에 한계가 있다고 짚었습니다. AI 생성물의 저작권은 아직 정리되지 않은 영역이라, 손으로 그렸다고 주장하다 손가락이 여섯 개인 것이 드러나 걸린 사례도 소개됐습니다.

박 CTO는 AI 보안을 이야기했습니다. 레드팀으로 취약점을 찾고 가드레일로 막는 일을 하며, 앤트로픽과 메타, OpenAI의 출시 전 테스트에 참여합니다. NASA의 파커 솔라 프로브 관련 챗봇에 필터가 없어 위험한 답변이 나오는 것을 발견해 서비스가 내려간 사례도 공유했습니다. 예전에는 전문가만 하던 수준의 공격을 이제 일반 사용자도 할 수 있게 됐다는 점을 경고했습니다.

AI 시대에 살아남는 사람을 묻자 답이 갈렸습니다. 임 변호사는 변화에 맞춰 계속 클릭해보는 부지런한 사람을 꼽았고, 박 CTO는 도메인을 깊게 아는 검증자를 꼽았습니다. AI가 책임까지 지기에는 아직 멀었기 때문에, 결과를 판별할 수 있는 전문가가 남는다는 이야기였습니다. 라운드테이블에서도 결론은 비슷했습니다. 지금은 제너럴리스트가 유리하지만 시장이 포화되면 방향을 정하는 스페셜리스트가 다시 중요해지고, 결국 사람에 대한 이해가 AI의 효과를 키운다는 데 의견이 모였습니다.