2025 re:Invent 현장기

라스베이거스 전역의 호텔과 컨벤션 센터가 행사장으로 쓰이면서, AWS re:Invent는 단순한 컨퍼런스가 아니라 도시 전체를 뒤덮는 기술 현장처럼 느껴졌다. 키노트 시간에는 수만 명의 엔지니어가 한 공간에 모여 데모와 메시지에 즉각 반응했고, 현장에서만 느낄 수 있는 규모감이 강하게 남았다.

이번 re:Invent 2025의 핵심 메시지는 분명했다. AI를 "도입하는 기능"이 아니라 기본 전제 위에 얹히는 플랫폼으로 보고 있다는 점이다. 단순 생성형 AI를 넘어 계획, 실행, 평가까지 수행하는 Agentic AI가 중심에 섰고, 동시에 비용 최적화와 운영 안정성이 계속 강조됐다.

가장 인상적이었던 세션 중 하나는 EKS 운영을 Agentic하게 만드는 방식이었다. Slack 알림을 감지해 과거 해결책을 찾고, 필요하면 실시간으로 클러스터 상태를 조회해 문제를 해결하는 흐름으로 구성됐으며, 기존의 RAG 방식이 가진 한계를 넘어 MCP로 현재 상태에 직접 접근했다. 특히 Managed EKS MCP server를 활용해 별도 서버를 직접 띄우지 않고 IAM 기반으로 연결한 점이 실용적이었고, Strands Agents SDK로 Orchestrator와 Specialist 구조를 구성해 Slack 메시지를 자동 트리거로 삼은 점도 눈에 띄었다.

비용 효율성도 함께 고려됐다. 모든 메시지를 무겁게 처리하지 않도록 Nova Micro로 먼저 의도를 분류한 뒤 필요한 경우에만 에이전트를 실행했고, 조직 내에 흩어진 Tribal Knowledge는 S3 Vectors에 저장해 재사용 가능하게 만들었다. 여기에 Memory Agent를 분리해 다른 에이전트들과 A2A 방식으로 협력시키는 구조까지 더해지면서, AI 운영의 핵심이 더 똑똑한 모델 자체가 아니라 실시간 데이터 접근, 지식 축적, 비용 통제, 역할 분리가 잘 된 아키텍처라는 점이 선명해졌다.

Amazon EKS에서의 생성형 및 에이전틱 AI 세션은 AI 워크로드를 운영 관점에서 바라보는 기준을 정리해줬다. AI 활용이 넓어질수록 Kubernetes, 특히 EKS가 더 중요한 기반이 되며, 비용 대비 성능 최적화, 멀티클라우드와 온프레미스까지 고려한 이식성, 기존 서비스와 추론·파인튜닝을 한 플랫폼에서 함께 운영하려는 요구가 이유로 제시됐다.

에이전트 프레임워크는 결국 Python 라이브러리이므로 컨테이너로 패키징해 EKS에 올리면 기존 서비스와 크게 다르지 않다는 설명도 현실적이었다. 여러 도구와 API는 MCP 서버로 묶어 재사용할 수 있고, GPU 운영은 씨앗·토양·건강 관리에 비유해 풀어냈다. 또 Auto Mode와 Karpenter의 차이를 짚으며, 설정 편의성과 제어권 사이의 균형을 어떻게 잡을지 고민하게 만들었다.

Amazon Bedrock과 Kiro를 결합한 개발 및 DevSecOps 가속화 세션은 AI가 개발 조직에 들어오는 방식의 다음 단계를 보여줬다. 자연어 스펙을 입력하면 코드, 단위 테스트, 문서, 아키텍처 다이어그램까지 생성하고, Bedrock AgentCore가 이를 기반으로 CI/CD, SAST/DAST/Dependency Check, 코드 리뷰, 취약점 수정까지 이어가는 흐름이었다.

특히 인상적이었던 점은 AI 에이전트를 단순한 도구가 아니라 개발팀의 팀원처럼 다루는 관점이었다. Policy control로 행동 범위를 제한해 비용을 관리하고, Evaluations로 정확도와 안전성을 지속 측정하면서, AI가 개발 속도를 높이는 것을 넘어 Shift-left Security와 컴플라이언스 자동화까지 밀어붙이는 방향성이 분명하게 드러났다.

전체적으로 이번 re:Invent는 새로운 기술을 나열하는 자리라기보다, 그 기술을 실제 시스템 안에서 어떻게 운영하고 녹여낼지에 대한 고민을 보여줬다. AI, 비용, 보안, 운영이 분리된 주제가 아니라 하나의 흐름으로 연결됐고, 뱅크샐러드도 AI Native한 방향을 향해 어떤 문제에 AI를 적용할지, 어디까지 자동화할지, 비용과 안정성을 어떻게 함께 설계할지를 다시 생각하게 됐다.