re:Invent 2025: AI 네이티브 시대를 위한 운영 및 개발 혁신
AWS re:Invent 2025는 AI를 서비스와 운영의 기본 요소로 간주하며, Agentic AI 중심의 시스템 설계를 강조함
EKS 운영에 Agentic AI를 활용하여 슬랙 알림 감지, 문제 해결, 지식 축적을 자동화하는 사례를 소개함
Amazon Bedrock과 Kiro를 활용하여 개발 속도를 가속화하고 DevSecOps를 자동화하는 방안 제시
AI 네이티브 아키텍처(AI Native Architecture)를 지향하며 운영 안정성과 비용 통제를 동시에 고려하는 설계 강조
Agentic AI 기반 EKS 운영 자동화
본문에서는 Agentic AI를 활용하여 EKS 운영을 자동화하는 Code Talk 세션을 소개하며, 실시간 클러스터 상태 분석(Real-time Cluster Analysis)을 통해 문제 해결 과정을 설명한다.
Strands Agents SDK: Slack 알림 감지(Slack Notification Detection), 과거 해결책 검색, 문제 해결 자동화
MCP(Managed EKS MCP server): IAM 기반 연결(IAM-based Connection)을 통해 설정 간소화
Nova Micro: 의도 분류(Intent Classification)를 통해 비용 효율성 확보
결과적으로, 더 똑똑한 모델보다 실시간 데이터 접근(Real-time Data Access), 지식 축적, 비용 통제가 AI 운영 도입의 핵심임을 강조한다.
EKS 환경에서의 AI 워크로드 운영 전략
이번 세션은 AI 워크로드 운영에 있어 Kubernetes, 특히 EKS의 중요성을 강조하며, 인프라 제어(Infrastructure Control)를 통한 비용 최적화를 제시한다.
멀티클라우드(Multi-cloud) 및 온프레미스(On-premise) 환경 지원: 이식성(Portability) 확보를 통해 유연성 증대
에이전트 프레임워크: 파이썬(Python) 라이브러리 기반으로, 컨테이너 패키징(Container Packaging)을 통해 기존 서비스와 통합
GPU 운영: 토마토 재배 비유를 통해 GPU 선택(GPU Selection), 클러스터 구성, 안정적인 운영의 중요성 강조
결론적으로, AI 네이티브(AI Native)를 지향하는 팀에게 EKS 기반 운영 전략을 제시하며, 운영 안정성(Operational Stability) 확보를 위한 기준을 제시한다.
Amazon Bedrock과 Kiro를 활용한 개발 및 DevSecOps 가속화
Amazon Bedrock AgentCore와 Kiro를 결합하여 개발 속도를 높이고 DevSecOps를 자동화하는 방법을 제시하며, Shift-left Security를 실현한다.
Kiro: 자연어 스펙(Natural Language Specs) 기반 코드 자동 생성(Code Generation), 단위 테스트, 문서, 아키텍처 다이어그램 자동 생성
Bedrock AgentCore: 자율적인 에이전트 워크플로우(Autonomous Agent Workflow)를 통해 CI/CD 파이프라인 자동 실행, 보안 스캐닝, 코드 리뷰 자동화
AI 에이전트: 개발팀의 팀원(Team Member)으로 간주, Policy 컨트롤(Policy Control)을 통한 비용 관리, Evaluations 기능을 통한 정확도 및 안전성 측정
결과적으로, AI를 통해 개발 속도를 높이는 것을 넘어 DevSecOps 전체를 자동화하고 보안 및 컴플라이언스(Security and Compliance)를 강화하는 미래를 제시한다.
AI 네이티브 아키텍처(AI Native Architecture)를 위한 운영 및 비용 최적화
re:Invent 2025에서 AI 네이티브 아키텍처(AI Native Architecture)를 지향하며 운영 안정성(Operational Stability)과 비용 통제(Cost Control)를 동시에 가져가려는 노력을 강조한다.
AI 활용: AI를 더 많이 사용하는 것이 목표가 아닌, 시스템의 예측 가능성(System Predictability)과 관리 용이성(Manageability) 향상
운영 방식 변화: 단순 서비스 소개보다 문제 해결(Problem Solving)과 기존 운영 방식의 변화에 초점
AI, 비용, 보안, 운영의 통합: 각 주제를 분리하지 않고 하나의 흐름으로 연결하여 설명
결과적으로, AI 네이티브 아키텍처(AI Native Architecture)를 지향하는 과정에서 비용 효율성(Cost Efficiency)과 운영 안정성을 함께 고려하는 설계가 중요함을 강조한다.
re:Invent 2025에서 얻은 뱅크샐러드의 시사점
뱅크샐러드는 re:Invent 2025를 통해 AI 네이티브(AI Native) 방향을 지향하며, AI 적용의 현실적인 측면을 고민하고 있다.
AI 적용 문제: 어떤 문제에 AI를 사용하는 것이 맞는지, 어디까지 자동화하는 것이 현실적인지 고민
설계 고려 사항: 비용(Cost)과 안정성(Stability)을 함께 고려한 설계의 중요성
기술 방향성: 트렌디한 기술 소비가 아닌, 기술의 방향성(Technology Direction)과 맥락(Context)을 체감하는 경험
결론적으로, 뱅크샐러드는 re:Invent를 통해 AI 네이티브 아키텍처(AI Native Architecture)를 구축하기 위한 구체적인 문제 해결(Problem Solving)과 현실적인 설계(Realistic Design)에 대한 시야를 넓혔다.
