AI 우수성을 위한 아키텍처 설계: 2025 re:Invent에서 발표된 AWS의 새로운 Well‑Architected 렌즈 3가지 탐구

Source: Dev.to

인공지능은 이제 AWS에서 실험적인 워크로드가 아니라, 빠르게 핵심 프로덕션 아키텍처의 일부가 되고 있습니다. 생성형 AI 애플리케이션부터 대규모 머신러닝 파이프라인에 이르기까지, 설계자는 안전하고, 신뢰할 수 있으며, 비용 효율적이고, 책임감 있는 AI 시스템을 설계해야 합니다.

AWS re:Invent 2025에서 AWS는 Well‑Architected Framework에 AI 가이던스를 확장하여 AI 워크로드 전용으로 설계된 새로운 렌즈 1개와 주요 업데이트 2개를 도입했습니다:

이 렌즈들은 조직이 AI 여정의 어느 단계에 있든—머신러닝을 처음 탐색하는 팀이든, 대규모 프로덕션급 AI 시스템을 운영하는 팀이든—실용적이고 엔드‑투‑엔드적인 아키텍처 가이드를 제공합니다.

AWS Well‑Architected Framework는 클라우드에서 안전하고, 신뢰할 수 있으며, 성능 효율적이고, 비용 최적화되며, 지속 가능한 워크로드를 구축하고 운영하기 위한 검증된 아키텍처 모범 사례를 정의합니다. AI‑중심 렌즈를 통해 프레임워크를 확장함으로써, AWS는 설계자가 현대 AI 및 머신러닝 워크로드의 고유한 과제에 이러한 핵심 원칙을 적용할 수 있도록 지원합니다.

Source: https://docs.aws.amazon.com/wellarchitected/latest/responsible-ai-lens/responsible-ai-lens.html

책임 있는 AI 렌즈: 신뢰, 공정성 및 투명성을 갖춘 AI 시스템 설계

Responsible AI Lens는 팀이 AI 워크로드를 평가, 추적 및 지속적으로 개선할 수 있도록 돕는 구조화된 프레임워크를 제공합니다. 이 프레임워크를 통해 설계자와 개발자는 AI 구현에서 발생할 수 있는 잠재적 격차를 식별하고, 시스템 품질을 향상시키면서 책임 있는 AI 원칙에 부합하도록 실용적인 가이드를 얻을 수 있습니다.

주요 내용

• 모든 AI 시스템은 책임 있는 AI 고려 사항을 포함합니다 – 의도적으로 설계했든 아니든, 모든 AI 시스템은 책임 있는 AI와 관련된 영향을 갖습니다. 이러한 영향은 시스템 수명 주기 전반에 걸쳐 적극적으로 다루어야 하며, 우연에 맡겨서는 안 됩니다.
• AI 시스템은 원래 의도와 다르게 사용될 수 있습니다 – 애플리케이션은 종종 개발자가 처음 예상하지 못한 방식으로 채택됩니다. AI의 확률적 특성과 결합될 경우, 의도된 사용 사례 내에서도 예상치 못한 결과가 발생할 수 있어 초기 단계에서 신중한 책임 있는 AI 결정을 내리는 것이 필수적입니다.
• 책임 있는 AI는 혁신을 촉진하고 신뢰를 구축합니다 – 진보를 제한하기보다는, 책임 있는 AI 실천은 이해관계자의 신뢰를 확립하고 고객 신뢰를 강화하며 장기적인 운영 및 평판 위험을 감소시켜 혁신의 촉매 역할을 합니다.

Responsible AI Lens는 AWS에서 AI 개발을 위한 기본 지침으로 작용하며, Machine Learning Lens와 Generative AI Lens 구현 모두에 정보를 제공하고 지원하는 핵심 원칙을 제시합니다.

머신 러닝 렌즈: AWS에서 강력한 ML 기반 구축

Machine Learning Lens는 AWS에서 ML 워크로드를 설계하고 운영하는 팀을 위한 실용적인 기반을 제공합니다. 검증된 클라우드‑중립 모범 사례를 Well‑Architected Framework의 각 Pillar에 매핑하여 ML 라이프사이클의 모든 단계에 적용합니다. 첫 번째 모델을 실험하든, 프로덕션에서 복잡한 AI 시스템을 운영하든, 업데이트된 ML 렌즈는 아키텍처, 운영, 확장성을 일관되게 생각할 수 있는 방법을 제공합니다.

새로운 내용 (업데이트된 ML 렌즈)

• Amazon SageMaker Unified Studio를 활용한 데이터와 AI 팀 간 협업 간소화
• Amazon Q를 통한 AI‑지원 개발로 개발자 생산성 향상
• Amazon SageMaker HyperPod를 이용한 기초 모델 및 파인‑튜닝을 위한 확장형 분산 학습
• Amazon Bedrock, Kiro, Amazon Q Developer를 활용한 유연한 모델 커스터마이징(파인‑튜닝, 지식 증류)
• Amazon SageMaker Canvas와 Amazon Q가 강화된 코드 없이 ML 워크플로
• Amazon SageMaker Clarify의 향상된 공정성 메트릭을 통한 강화된 편향 감지 및 책임‑AI 실천
• Amazon QuickSight의 자동화된 대시보드를 통한 비즈니스 인사이트 신속 제공
• Inference Components를 이용한 모듈형 추론 아키텍처로 배포 및 확장 간소화
• ML 라이프사이클 전반에 걸친 향상된 디버깅 및 모니터링을 통한 깊은 가시성
• SageMaker Training Plans, Savings Plans, Spot Instances를 통한 비용 관리 강화

ML 렌즈의 강점 중 하나는 유연성입니다. 아키텍처 설계 초기 단계에 적용하거나, 기존 프로덕션 워크로드를 검토·개선할 때 나중에 활용할 수 있습니다. 클라우드·ML 여정의 어느 시점에 있든, Amazon SageMaker Unified Studio, Amazon Q, Amazon SageMaker HyperPod, Amazon Bedrock 등 서비스와 결합된 ML 렌즈는 팀이 확장 가능하고 효율적이며 프로덕션 준비가 된 ML 시스템을 구축하도록 돕습니다.

생성 AI 렌즈: 생성 워크로드를 위한 실용 가이드

생성 AI 렌즈 섹션에 대한 내용이 여기서 계속됩니다…

모든 링크와 참고 자료는 2025년 AWS re:Invent 발표 기준으로 최신입니다.

파운데이션 모델을 위한 아키텍처 가이드

Generative AI Lens 은 아키텍트와 구축자가 대규모 언어 모델(LLM) 및 기타 파운데이션 모델을 활용해 실제 비즈니스 가치를 제공하는 시스템을 설계할 때 구조화되고 반복 가능한 접근 방식을 취하도록 돕습니다. 이 Lens는 생성형 AI 애플리케이션을 구축할 때 팀이 가장 자주 마주하는 아키텍처 결정에 초점을 맞춥니다—예를 들어:

• 올바른 모델 선택
• 효과적인 프롬프트 설계
• 모델 맞춤화
• 워크로드 통합
• 시스템 성능 지속적 개선

전체 머신러닝 스펙트럼에 적용되는 Machine Learning Lens와 달리, Generative AI Lens는 파운데이션 모델과 생성형 AI 워크로드의 고유한 요구 사항에 초점을 맞춥니다. AWS가 수천 고객과 함께 쌓아온 경험을 바탕으로 한 모범 사례를 정리하고, Well‑Architected Framework와 정렬하여 팀이 실험 단계에서 프로덕션 단계로 자신 있게 전환할 수 있도록 지원합니다.

업데이트된 Generative AI Lens의 새로운 내용

• Amazon SageMaker HyperPod을 활용한 복잡하고 장기 실행되는 생성형 AI 워크플로우 오케스트레이션에 대한 확장된 가이드
• AWS의 여덟 가지 핵심 Responsible AI 차원을 상세히 분류한 강화된 Responsible AI 기반
• AI 에이전트와 다단계 추론 시스템을 구축하기 위한 아키텍처 패턴을 소개하는 새로운 에이전시‑AI 서문

ML Lens가 제공하는 기반 위에 구축된 Generative AI Lens는 AWS에서 파운데이션 모델 기반 생성형 AI 애플리케이션을 다루는 팀에게 특화된 실용적인 가이드를 제공하여, 고유한 도전 과제와 기회를 효과적으로 해결하도록 돕습니다.

Well‑Architected AI/ML 가이드 구현

새롭게 추가된 세 가지 AI‑중심 렌즈—Responsible AI, Machine Learning, Generative AI—는 독립적인 프레임워크가 아니라 하나의 통합된 가이드 모델로 작동하도록 설계되었습니다. 각 렌즈는 고유한 역할을 수행하지만, 함께 사용될 때 팀이 프로덕션에 적합하고 신뢰할 수 있으며 확장 가능한 AI 시스템을 구축하도록 돕습니다.

• Responsible AI Lens – 안전하고 공정하며 보안이 확보된 AI 개발에 초점을 맞춰 기본선을 설정합니다. 비즈니스 목표와 기술·윤리적 요구 사항을 균형 있게 조정하도록 도와주어, 개념 증명(Proof‑of‑Concept) 실험 단계에서 프로덕션 단계로 전환하기가 쉬워집니다.
• Machine Learning Lens – 전통적인 ML과 최신 AI 워크로드 모두에 대한 포괄적인 가이드를 제공합니다. 최근 업데이트에서는 데이터와 AI 팀 간 협업을 강화하고, AI‑지원 개발을 도입하며, 대규모 인프라 프로비저닝을 지원하고, 보다 유연한 모델 배포를 가능하게 합니다.
• Generative AI Lens – 위의 기반 위에 구축되며 특히 LLM 기반 아키텍처에 초점을 맞춥니다. 새로운 가이드는 Amazon SageMaker HyperPod, 떠오르는 에이전시‑AI 패턴, 그리고 일반적인 생성 AI 애플리케이션을 위한 업데이트된 아키텍처 시나리오를 다룹니다.

What’s Next?

re:Invent 2025에서 이러한 렌즈를 출시함으로써 AWS는 조직에 강력할 뿐만 아니라 책임감 있고 신뢰할 수 있는 AI 시스템을 구축할 수 있는 명확한 경로를 제공합니다. 전통적인 ML부터 생성 AI에 이르는 전체 AI 워크로드를 포괄함으로써, 이러한 렌즈는 팀이 혁신을 가속화하면서도 강력한 아키텍처와 책임‑AI 표준을 유지하도록 돕습니다.