
[AWS Summit Seoul 2026] 생성형 AI 시대의 새로운 개발 방법론: AI-DLC (AI-Driven Development Lifecycle)
생성형 AI의 한계를 넘기 위해 개발 전 과정을 AI와 함께 수행하는 AI-DLC 방법론을 소개했습니다. 기획부터 운영까지 컨텍스트와 이력을 보존하는 워크플로우를 통해 엔터프라이즈 개발 생산성을 높이는 접근을 다뤘습니다.

생성형 AI의 한계를 넘기 위해 개발 전 과정을 AI와 함께 수행하는 AI-DLC 방법론을 소개했습니다. 기획부터 운영까지 컨텍스트와 이력을 보존하는 워크플로우를 통해 엔터프라이즈 개발 생산성을 높이는 접근을 다뤘습니다.

규제 환경에서 AI 에이전트를 안전하게 운영하기 위한 거버넌스와 통제 아키텍처를 정리했습니다. 모델 출력과 에이전트 행동을 분리해 제어하고, 운영 중에도 지속 검증하는 방법을 소개했습니다.


온톨로지와 분산형 에이전트 구조로 소형 언어모델 기반 AI 챗봇을 고도화했습니다. 멀티턴 대화와 주제 전환을 처리하면서 정확도, 비용, 지연 시간을 함께 개선했습니다.

AI 에이전트가 소프트웨어를 도구에서 동료로 바꾸는 흐름을 정리했습니다. 코딩에서 검증된 역할 변경이 지식 근로자 업무와 AWS 기반 AX 전환으로 확장된다고 설명했습니다.


패션 이커머스의 부정 반품 요청을 차단하기 위해 Amazon Nova 2 Lite를 Fine-tuning해 도메인 특화 가드레일을 구축했습니다. 837개 샘플 학습으로 Unsafe 탐지 정확도를 94.6%까지 높였고, 소형 모델의 비용 효율성도 확인했습니다.


일성아이에스가 비개발 직군 중심의 AI Agent 해커톤을 진행한 현장을 소개했습니다. 가비아 AWS가 MCP 연동과 Amazon Quick 교육, 실습 지원으로 현업의 AI 구현을 도왔습니다.


AWS 공간 데이터 관리로 건물 검사 결과를 공간 참조 데이터로 구조화하는 방법을 소개했습니다. 이미지와 메타데이터, 추론 결과를 연결해 장기 보존과 재분석 가능성을 높였습니다.


Amazon Braket에서 양자-고전 하이브리드 잡을 생성하고 실행하는 방법을 소개했습니다. 콘솔 기반과 코드 기반의 차이, 런타임과 디바이스 선택 흐름도 함께 설명했습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


AWS와 NVIDIA Isaac으로 Physical AI를 시뮬레이션과 실세계 학습으로 나눠 가속화하는 아키텍처를 소개했습니다. 엣지 배포와 운영 데이터 재학습을 통해 sim-to-real gap을 줄이는 방법을 설명했습니다.

Aurora MySQL에서 HikariCP의 idle connection 검증 실패 원인을 추적해 비표준 timeout 동작을 확인했습니다. interactive_timeout 이 keepalive 보다 작으면 비활성 연결이 먼저 끊길 수 있음을 정리했습니다.

MSA 장애 대응의 복잡성을 줄이기 위해 RCA 에이전트 SentryOn을 도입한 과정을 소개했습니다. 도메인 지식, 데이터 정제, Skill 분리, 프롬프트 캐싱으로 정확도와 효율을 높였습니다.

AWS Unified Operations는 주요 핵심 워크로드를 위해 사전 예방과 신속 대응을 결합한 운영 지원 체계입니다. 전담 전문가와 AI 인사이트로 마이그레이션, 보안, 최적화까지 함께 지원했습니다.