아마존, 세이지메이커에 AI 에이전트 도입: LLM 미세조정의 새 지평

글의 목차

AI 개발, 복잡성과의 전쟁

거대 언어 모델(LLM) 맞춤화, 이제는 AI 에이전트가 돕는다

최근 인공지능 분야는 전례 없는 속도로 발전하며 우리 삶의 모든 영역에 스며들고 있습니다. 특히 거대 언어 모델(Large Language Models, LLMs)은 그 잠재력으로 인해 산업 전반의 혁신을 이끌 핵심 동력으로 주목받고 있죠. 하지만 이러한 모델들을 실제 비즈니스 환경에 적용하고 최적화하는 과정은 여전히 복잡하고 전문적인 지식을 요구합니다. 수많은 API를 다루고, 다양한 데이터 형식을 맞추며, 최적의 학습 방법을 찾아내는 일은 숙련된 개발자에게도 상당한 시간과 노력을 필요로 하는 작업입니다. 이러한 기술적 장벽은 AI 기술의 ‘민주화’라는 큰 흐름 속에서도 여전히 많은 기업과 개발자들에게 진입 장벽으로 작용해왔습니다.

이런 상황에서 클라우드 컴퓨팅 분야의 선두 주자인 아마존 웹 서비스(AWS)가 자사의 머신러닝 플랫폼인 **아마존 세이지메이커(Amazon SageMaker)**에 혁신적인 변화를 도입하며 업계의 이목을 집중시키고 있습니다. 지난 2026년 5월 5일, 아마존은 세이지메이커 AI에 AI 에이전트를 통합하여 개발자들이 언어 모델을 맞춤화하는 과정을 획기적으로 간소화했다고 발표했습니다. 이 소식은 복잡했던 LLM 미세조정(Fine-tuning) 과정을 일반 언어(Plain Language)만으로 수행할 수 있게 함으로써, AI 개발의 패러다임을 바꿀 중요한 전환점으로 평가받고 있습니다.

아마존 세이지메이커는 머신러닝 모델을 구축하고, 훈련하며, 배포하는 과정을 위한 아마존의 핵심 클라우드 플랫폼입니다. 오랫동안 개발자들에게 강력한 도구 세트를 제공해왔지만, LLM과 같은 최신 모델의 등장으로 인해 더욱 고도화된 기능에 대한 요구가 커졌습니다. 이번에 도입된 AI 에이전트는 이러한 요구에 대한 아마존의 응답으로, 개발자들이 더 이상 복잡한 API나 데이터 형식에 씨름하지 않고도 자신들의 사용 사례를 자연어로 설명하면, 에이전트가 알아서 적절한 훈련 방법을 추천하고, 데이터를 준비하며, 훈련을 시작하고, 최종 코드를 **주피터 노트북(Jupyter notebooks)** 형태로 제공하는 방식입니다. 이는 개발자들이 모델 자체의 복잡성보다는 실제 문제 해결에 더 집중할 수 있도록 돕는다는 점에서 매우 중요한 의미를 가집니다.

이러한 움직임은 단순히 개발 편의성을 높이는 것을 넘어, AI 기술의 접근성을 크게 향상시키고, 더 많은 기업과 개인 개발자들이 혁신적인 AI 애플리케이션을 만들 수 있는 기반을 마련합니다. 글로벌 AI 경쟁이 심화되는 가운데, 아마존의 이번 발표는 클라우드 기반 AI 개발 환경의 미래를 제시하며, 전 세계 기술 업계에 상당한 파급력을 미칠 것으로 예상됩니다. 특히, ‘에이전트 중심 AI(Agentic AI)’라는 새로운 패러다임이 확산되는 시점에서, 아마존의 세이지메이커 AI 에이전트는 이 분야의 실질적인 적용 가능성을 보여주는 중요한 이정표가 될 것입니다.

세이지메이커 AI 에이전트: 개발 워크플로우의 혁신

자연어 기반 상호작용과 다양한 모델 지원으로 개발 장벽을 허물다

아마존이 세이지메이커 AI에 도입한 AI 에이전트는 거대 언어 모델(LLM)의 맞춤화 과정을 근본적으로 변화시키는 핵심 요소입니다. 이 에이전트의 가장 큰 특징은 개발자가 복잡한 코딩이나 API 호출 없이도 자신의 사용 사례를 **일상적인 언어(plain language)**로 설명할 수 있다는 점입니다. 예를 들어, “내 고객 서비스 챗봇의 응답 정확도를 높이기 위해 특정 산업 분야의 대화 데이터를 학습시키고 싶다”고 말하면, 에이전트가 이 의도를 파악하고 필요한 단계를 자동으로 수행합니다. 이는 머신러닝 개발의 진입 장벽을 낮추고, 비전문가도 LLM을 활용할 수 있는 길을 열어주는 중요한 발전입니다.

세이지메이커 개발 환경에 **아마존 키로 AI 에이전트(Amazon Kiro AI agent)**가 미리 설치되어 있어, 개발자들은 별도의 설정 없이 즉시 이 기능을 활용할 수 있습니다. 하지만 아마존은 여기에 그치지 않고, 개발자들이 **클로드 코드(Claude Code)**나 다른 에이전트들도 선택적으로 사용할 수 있도록 유연성을 제공합니다. 이는 특정 에이전트에 종속되지 않고, 개발자의 선호나 프로젝트의 특성에 맞춰 최적의 도구를 선택할 수 있게 함으로써, 아마존이 개방적인 AI 생태계를 지향하고 있음을 보여줍니다. 이러한 개방성은 다양한 AI 모델과 도구들이 공존하는 현재의 AI 산업 트렌드와도 궤를 같이 합니다.

이 에이전트의 핵심 기능은 ‘워크플로우’를 처리하는 아홉 가지의 ‘사전 구축된 스킬(prebuilt skills)’에 있습니다. 이 스킬들은 데이터셋 확인부터 시작하여 최종 모델 배포에 이르기까지 LLM 맞춤화 과정의 모든 단계를 포괄합니다. 구체적으로 살펴보면, 에이전트는 다음과 같은 중요한 역할을 수행합니다:

훈련 방법 추천: 개발자의 요구 사항과 데이터셋 특성을 분석하여, 전체 모델을 미세조정할지, 아니면 효율적인 **LoRA(Low-Rank Adaptation)**나 **QLoRA(Quantized LoRA)**와 같은 경량화 기법을 사용할지 등을 제안합니다. 이는 최적의 성능과 비용 효율성을 동시에 고려하는 데 필수적입니다.
데이터 준비: 제공된 원시 데이터를 LLM 훈련에 적합한 형식으로 전처리하고, 필요한 경우 데이터 정제 및 증강(augmentation) 작업을 자동으로 수행합니다. 이는 LLM 훈련에서 가장 시간 소모적이고 오류 발생 가능성이 높은 단계 중 하나입니다.
훈련 시작: 준비된 데이터와 추천된 훈련 방법을 기반으로 실제 모델 훈련 작업을 시작합니다. 이 과정에서 필요한 컴퓨팅 자원 할당 및 관리도 에이전트가 담당합니다.
최종 코드 제공: 훈련이 완료되면, 에이전트는 모든 과정의 결과물로 **주피터 노트북** 형태의 코드를 생성하여 제공합니다. 이 코드는 단순히 결과만을 보여주는 것이 아니라, 훈련 과정의 모든 단계를 담고 있어 개발자가 내용을 검토하고, 필요에 따라 수정하거나 재사용할 수 있도록 합니다. ‘모든 생성된 코드는 편집 가능하며 재사용 가능하다(All generated code is editable and reusable)’는 점은 개발자들에게 큰 이점으로, 투명성과 제어권을 보장합니다.

특히 주목할 만한 점은 이 에이전트가 지원하는 모델 군(family)입니다. 아마존 세이지메이커 AI 에이전트는 메타(Meta)의 **라마(Llama)**, 칭화대학교(Tsinghua University)와 지푸(Zhipu AI)가 개발한 **큐웬(Qwen)**, 그리고 **딥시크(Deepseek)**와 같은 널리 사용되는 오픈소스 모델들을 지원합니다. 여기에 더해, 아마존 자체 개발 모델인 **노바(Nova)**도 지원 대상에 포함됩니다. 라마와 큐웬, 딥시크는 각각 강력한 성능과 특정 언어 또는 도메인에 대한 강점을 지니고 있어, 다양한 기업 및 연구 기관에서 활발히 활용되고 있습니다. 아마존이 이들 모델을 지원하는 것은 세이지메이커를 특정 모델에 국한되지 않는 범용적인 LLM 개발 플랫폼으로 포지셔닝하려는 전략으로 해석됩니다. 또한, 자사 모델인 노바를 함께 지원함으로써, 아마존은 자체 기술력과 생태계 확장이라는 두 마리 토끼를 잡으려는 의도를 엿볼 수 있습니다.

이러한 통합된 에이전트 기반 워크플로우는 개발자들이 모델 미세조정 과정에서 겪는 수많은 난관을 해소하고, 더 빠르고 효율적으로 고품질의 AI 애플리케이션을 개발할 수 있도록 지원합니다. 이는 곧 기업의 AI 도입 및 활용 속도를 가속화하고, 혁신적인 서비스 창출에 기여할 것입니다.

AI 에이전트 경쟁과 클라우드 플랫폼의 미래

개발자 생산성 향상과 AI 기술 민주화의 가속화

아마존의 세이지메이커 AI 에이전트 도입은 단순한 기능 추가를 넘어, 현재 AI 산업의 거대한 흐름인 ‘에이전트 중심 AI(Agentic AI)’ 경쟁의 심화를 보여주는 중요한 신호탄입니다. 에이전트 기술은 단순히 사용자의 질문에 답하는 것을 넘어, 복잡한 다단계 작업을 자율적으로 계획하고 실행하며, 필요에 따라 외부 도구를 호출하여 문제를 해결하는 능력을 의미합니다. 아마존의 이번 발표는 이러한 에이전트 기술이 거대 언어 모델의 ‘개발’이라는 메타 영역으로 확장되고 있음을 명확히 보여줍니다.

클라우드 기반 AI 플랫폼 시장은 아마존 웹 서비스(AWS)의 **세이지메이커**, 마이크로소프트(Microsoft)의 **애저 머신러닝(Azure ML)** 및 **애저 AI 스튜디오(Azure AI Studio)**, 그리고 구글(Google)의 **버텍스 AI(Vertex AI)**가 치열하게 경쟁하고 있는 분야입니다. 각 클라우드 제공업체는 개발자들에게 더 쉽고 효율적인 AI 개발 환경을 제공하기 위해 끊임없이 혁신하고 있습니다. 아마존의 AI 에이전트 도입은 세이지메이커가 이 경쟁에서 우위를 점하고 개발자들에게 더욱 매력적인 플랫폼으로 자리매김하려는 전략의 일환입니다. 특히, 마이크로소프트의 코파일럿(Copilot)과 같은 AI 비서들이 개발 생산성을 혁신하고 있는 상황에서, 아마존 또한 자체적인 AI 에이전트로 개발 워크플로우를 자동화하고 간소화하려는 시도를 하고 있는 것입니다.

이러한 에이전트 기술의 발전은 **AI 기술 민주화**라는 큰 흐름을 가속화할 것입니다. 과거에는 고도로 전문화된 머신러닝 엔지니어만이 LLM을 효과적으로 미세조정하고 배포할 수 있었지만, 이제는 자연어 인터페이스와 자동화된 워크플로우 덕분에 더 많은 개발자와 심지어는 비전문가도 자신들의 아이디어를 AI 애플리케이션으로 구현할 수 있게 됩니다. 이는 기업들이 AI 도입에 대한 초기 투자 비용과 기술적 장벽을 낮추고, 다양한 산업 분야에서 AI 활용을 더욱 확대할 수 있는 기회를 제공합니다.

또한, **오픈소스 LLM의 역할**이 더욱 중요해질 것입니다. 아마존이 라마, 큐웬, 딥시크와 같은 오픈소스 모델들을 적극적으로 지원하는 것은, 기업들이 특정 클라우드 제공업체의 독점적인 모델에 묶이지 않고, 다양한 선택지를 통해 자신들의 요구에 가장 적합한 모델을 활용할 수 있도록 돕는다는 의미를 가집니다. 이는 오픈소스 AI 생태계의 활성화에도 기여하며, 기술 혁신을 더욱 촉진할 것입니다. 동시에 아마존의 자체 모델인 **노바(Nova)**의 지원은 아마존이 특정 기업 고객이나 특정 사용 사례에 최적화된 독점 모델을 통해 차별화를 꾀하려는 전략적 움직임으로 해석될 수 있습니다. 이는 클라우드 제공업체들이 오픈소스와 자체 개발 모델을 모두 활용하여 시장의 다양한 요구에 대응하려는 복합적인 전략을 구사하고 있음을 보여줍니다.

미래에는 AI 에이전트가 단순한 코드 생성 도구를 넘어, 전체 개발 수명 주기(SDLC)를 관리하고, 모델 성능을 지속적으로 모니터링하며, 필요에 따라 자동으로 업데이트하는 등 더욱 고도화된 역할을 수행하게 될 것입니다. 이러한 기술 발전은 개발자들이 더욱 창의적이고 전략적인 업무에 집중할 수 있도록 돕고, 궁극적으로는 AI 기반 솔루션의 개발 속도와 품질을 비약적으로 향상시킬 것입니다.

AI 개발의 미래: 인간과 AI 에이전트의 협업

생산성 향상과 윤리적 고려가 공존하는 새로운 시대

아마존 세이지메이커 AI에 도입된 에이전트 기반의 LLM 미세조정 기능은 인공지능 개발의 미래 방향성을 명확히 보여줍니다. 핵심은 복잡성을 추상화하고, 반복적인 작업을 자동화하며, 개발자가 고부가가치 작업에 집중할 수 있도록 돕는 데 있습니다. 이는 AI 기술이 단순히 최종 사용자뿐만 아니라, AI를 만드는 개발자들의 생산성까지 혁신하는 단계에 이르렀음을 의미합니다. 개발자는 더 이상 방대한 문서와 API를 일일이 찾아보며 시간을 낭비하지 않고, 자신의 아이디어를 자연어로 설명하고 에이전트의 도움을 받아 빠르게 프로토타입을 만들고 실험할 수 있게 됩니다.

이러한 기술 발전은 다양한 이해관계자들에게 중요한 파급 효과를 미칩니다. 먼저, **개발자**는 더욱 효율적으로 일할 수 있게 되며, 새로운 기술 스택을 빠르게 습득하고 적용하는 부담을 덜 수 있습니다. 이는 AI 개발 인력 부족 문제를 완화하고, 더 많은 인재들이 AI 분야에 진입할 수 있는 기회를 제공할 것입니다. **기업**의 입장에서는 AI 애플리케이션 개발에 소요되는 시간과 비용을 절감하고, 시장 변화에 더욱 민첩하게 대응하며, 맞춤형 AI 솔루션을 통해 경쟁 우위를 확보할 수 있습니다. 이는 고객 서비스, 마케팅, 제품 개발 등 전방위적인 비즈니스 혁신으로 이어질 것입니다. **클라우드 제공업체**는 자사 플랫폼의 경쟁력을 강화하고, 개발자 생태계를 확장하여 더 많은 고객을 유치할 수 있습니다. 마지막으로, **소비자**는 더욱 개인화되고 지능적인 AI 기반 서비스를 경험하게 될 것입니다.

하지만 이러한 기술 발전이 제기하는 주요 질문과 고려사항 또한 간과할 수 없습니다. 에이전트가 생성한 코드의 **신뢰성과 보안성**은 어떻게 보장할 것인가? 에이전트의 추천이나 결정이 편향될 가능성은 없는가? ‘인간의 개입(human-in-the-loop)’은 어느 정도까지 필요한가? 와 같은 윤리적, 기술적 질문들이 꾸준히 제기될 것입니다. 특히, 에이전트가 생성한 코드를 편집하고 재사용할 수 있게 한 것은 이러한 우려에 대한 아마존의 부분적인 응답으로 볼 수 있습니다. 개발자에게 최종적인 제어권을 부여함으로써, 잠재적인 오류나 편향을 검토하고 수정할 기회를 제공하는 것입니다.

향후 AI 개발의 방향은 인간 개발자와 AI 에이전트 간의 더욱 긴밀한 협업으로 나아갈 것입니다. 에이전트는 반복적이고 정형화된 작업을 자동화하고, 인간은 창의적인 문제 해결, 복잡한 시스템 설계, 그리고 AI 시스템의 윤리적 사용과 안전성 확보에 집중하게 될 것입니다. 아마존의 세이지메이커 AI 에이전트 도입은 이러한 미래를 향한 중요한 발걸음이며, 앞으로 AI 산업계는 이러한 ‘AI-powered AI development’ 도구들을 더욱 고도화하고, 다양한 산업 분야에 특화된 에이전트들을 선보이며 새로운 혁신의 시대를 열어갈 것으로 기대됩니다.

참고

Maximilian Schreiner, Amazon brings agentic fine-tuning to SageMaker with support for Llama, Qwen, Deepseek, and Nova