AWS에서는 생성형 AI를 활용한 애플리케이션 개발 서비스부터 이미지 인식, 음성 처리, 머신러닝 모델 개발에 이르기까지 다양한 AI 관련 서비스를 제공하고 있습니다.
다만, 서비스마다 역할이 크게 다릅니다. 기존의 AI 모델을 이용하는 경우도 있고, 자체적인 모델을 학습시키는 경우도 있으며, 특정 AI 기능을 API를 통해 제공하는 경우도 있습니다.
본 기사에서는 주요 AWS AI 서비스를 용도별로 분류하고, 각각의 특징과 활용 사례를 정리합니다.
※ 2026년 11월 기준 정보를 바탕으로 작성되었습니다.
생성형 AI 애플리케이션 구축을 위한 관리형 서비스
Anthropic의 Claude나 Amazon Nova 등 여러 기반 모델(Foundation Model)을 API를 통해 이용할 수 있습니다. AI 모델을 처음부터 개발하거나 학습시킬 필요가 없어, 인프라 관리 부담을 줄이면서 생성형 AI 기능을 애플리케이션에 통합할 수 있습니다.
주요 용도는 AI 챗봇, 문서 요약, 문의 답변 생성, 프로그래밍 코드 생성 등입니다.
참고로, Amazon Nova는 AWS가 개발한 AI 모델군 자체이며, Bedrock과 같은 서비스 기반 그 자체가 아닙니다.
AI 에이전트 실행 및 운영 서비스
AI 에이전트란 AI가 상황에 따라 외부 API나 도구를 활용하여 여러 처리를 진행하는 메커니즘입니다. AgentCore는 에이전트의 실행 환경, 외부 시스템과의 연결, 인증, 메모리 관리 등의 기능을 제공합니다.
예를 들어, AI가 재고 정보를 가져오고 발주 조건을 확인한 후, 필요한 처리를 업무 시스템에 요청하는 방식 등에 활용할 수 있습니다.
Bedrock 외의 모델이나 에이전트 프레임워크에도 대응하고 있습니다.
RAG (검색 증강 생성) 기능
생성형 AI가 외부 문서나 데이터를 참조하여 답변을 할 수 있도록 하는 Amazon Bedrock의 기능입니다. RAG(Retrieval-Augmented Generation, 검색 증강 생성)라는 기술을 이용하여 사내 문서 등에서 관련 정보를 검색하고, 그 내용을 AI 모델에 전달합니다. AI 모델이 학습하지 않은 사내 정보도 답변에 활용할 수 있습니다.
예를 들어, S3에 저장된 사내 매뉴얼을 참조하여 직원 질문에 답하는 챗봇을 구축할 수 있습니다.
생성형 AI 안전성 제어 기능
생성형 AI의 입력 및 출력에 대한 안전성 제어를 수행하는 Amazon Bedrock의 기능입니다. 부적절한 내용 필터링, 특정 주제 제한, 개인 식별 정보(PII) 등의 기밀 정보 탐지 및 마스킹 처리에 대응합니다.
예를 들어, 고객용 챗봇에서 개인 정보를 부주의하게 노출하지 않도록 제어할 때 활용할 수 있습니다. 다만, 모든 오답이나 정보 유출을 막을 수는 없습니다.
머신러닝 모델 개발 및 운영 서비스
독자적인 데이터를 사용하여 모델을 학습시키거나 기존 모델을 커스터마이징 할 수 있도록 지원하는 서비스입니다. 학습된 모델을 추론용 엔드포인트로 공개하여 애플리케이션에서 이용할 수도 있습니다.
예를 들어, 과거 판매 데이터로부터 미래 수요를 예측하는 모델이나 설비 가동 정보로부터 고장을 예측하는 모델 개발에 활용할 수 있습니다.
Bedrock이 주로 기존 기반 모델을 사용하는 생성형 AI 애플리케이션 개발에 적합한 반면, SageMaker AI는 모델의 학습 및 실행 환경을 세밀하게 제어하고 싶을 때 적합합니다.
추천 서비스
구매 이력, 조회 이력, 클릭 이력 등의 데이터를 활용하여 사용자 행동에 따른 추천 결과를 생성하는 서비스입니다.
예를 들어, EC 사이트의 '당신에게 추천하는 상품'이나 동영상 스트리밍 서비스의 추천 작품 표시 등에 이용할 수 있습니다.
비전(Vision) 분석 서비스
이미지나 영상 속 내용을 AI로 분석하는 서비스입니다. 이미지에 포함된 사물이나 인물 탐지, 얼굴 특징 분석, 부적절한 콘텐츠 탐지 등에 대응합니다. 영상에서도 사람이나 물체를 탐지할 수 있습니다.
예를 들어, 업로드된 이미지 내용에 따른 자동 분류나 영상 내 특정 물체 탐지에 이용할 수 있습니다.
OCR (광학 문자 인식) 문서 처리 서비스
PDF나 스캔한 문서에서 글자나 데이터를 추출하는 서비스입니다. OCR(Optical Character Recognition, 광학 문자 인식)을 통한 문자 추출 외에도 표나 폼의 구조를 분석하여 항목명과 값의 관계 등도 가져올 수 있습니다.
예를 들어, 청구서에서 거래처명, 청구 금액, 청구일 등을 추출하여 업무 시스템에 등록하는 처리에 이용할 수 있습니다.
자연어 처리(NLP) 서비스
문서 내용 자체를 자연어 처리(Natural Language Processing)를 통해 분석하는 서비스입니다. 문서에 포함된 키워드나 고유 표현 추출, 감정 분석, 언어 판별, 문장 분류 등에 대응합니다.
예를 들어, 고객 설문조사 문서를 분석하여 긍정적인 의견과 부정적인 의견을 분류할 때 이용할 수 있습니다.
음성 인식 서비스
음을 텍스트로 변환하는 서비스입니다.
녹음된 음성 파일뿐만 아니라 실시간 음성 스트리밍에도 대응합니다. 화자 분리나 특정 전문 용어에 대응하기 위한 맞춤형 어휘(custom vocabulary) 등의 기능도 있습니다.
예를 들어, 회의록 작성, 콜센터 통화 내용 녹취(transcription), 영상 자막 생성 등에 활용할 수 있습니다.
텍스트를 음성으로 변환하는 서비스입니다.
여러 언어와 음성에 대응하며, 문장을 읽어주는 음성을 생성할 수 있습니다. 음성의 종류에 따라 뉴럴 보이스 합성(Neural Voice Synthesis) 등도 이용할 수 있습니다. 예를 들어, 웹사이트의 텍스트 읽기, 음성 안내 시스템, 안내 시스템 등에 활용할 수 있습니다.
문장을 다른 언어로 자동 번역하는 서비스입니다.
뉴럴 기계 번역(Neural Machine Translation)을 이용하여 애플리케이션에서 API를 통해 번역 처리를 실행할 수 있습니다. 용어 번역을 조정하기 위한 맞춤형 용어집(custom glossary) 등도 이용할 수 있습니다. 예를 들어, 다국어 지원 웹사이트나 해외 고객 문의 내용 번역에 활용할 수 있습니다.
음성 또는 텍스트를 통한 대화형 인터페이스를 구축하는 서비스입니다.
사용자의 발언에서 의도나 필요한 정보를 읽어내고, 사전에 정의된 대화 흐름(conversation flow)에 따라 처리를 진행합니다. 예를 들어, 호텔 예약 접수, 배송 상황 확인, 콜센터 자동 응답 시스템 등에 활용할 수 있습니다.
AWS의 개발 및 운영을 지원하는 생성형 AI 어시스턴트입니다.
AWS 서비스 이용 방법에 대한 질문, 코드 생성, 코드 설명, 보안 분석, 문제 해결(troubleshooting) 등을 지원합니다. 예를 들어, CloudFormation 템플릿 작성 지원이나 AWS 환경에서 발생한 오류 원인 조사 등에 활용할 수 있습니다.
참고로, Amazon Q Developer의 IDE 플러그인은 2027년 4월 30일에 지원 종료가 예정되어 있으며, AWS는 Kiro로의 마이그레이션을 안내하고 있습니다.
AI를 이용하여 소프트웨어 개발을 지원하는 개발 도구입니다.
자연어(natural language)로 전달된 요구사항을 바탕으로 요구사항 정의, 설계, 구현 작업을 정리하며 코드 및 테스트 작성을 지원합니다. 특히 사양을 명확히 한 후 구현을 진행하는 '사양 주도 개발(Specification-Driven Development)'을 중시합니다. 예를 들어, 새로운 웹 애플리케이션을 개발할 때 요구사항 정리부터 코드 구현까지 일련의 작업으로 지원받을 수 있습니다.
기업 내부 정보 검색, 분석 및 업무 자동화를 AI로 지원하는 서비스입니다.
사내 문서, 데이터베이스, 업무 애플리케이션 등의 정보를 가로질러 검색하고 분석하며, 그 결과를 바탕으로 업무를 진행할 수 있습니다. 예를 들어, 사내 영업 데이터를 분석하여 보고서를 작성하거나, 여러 업무 시스템과 연동하여 정형화된 업무를 자동화하는 경우에 활용할 수 있습니다.
Amazon Q Business의 발전 형태로 등장한 서비스이며, 기존의 Q Business도 계속해서 이용할 수 있습니다.
AWS AI 서비스 중에는 용도가 유사한 것도 있습니다. 특히 혼동하기 쉬운 것들을 정리합니다.
| 비교하는 서비스 | 주요 차이점 |
|---|
| Bedrock / SageMaker AI | 생성형 AI 애플리케이션 구축 기반 / 모델 개발·학습·운영 기반 |
| ... | |
이들은 반드시 배타적인 것은 아닙니다. 예를 들어, Lex와 Bedrock을 연동한 대화 시스템이나, Textract로 추출한 문서 데이터를 Bedrock으로 분석하는 시스템도 구축할 수 있습니다.
실제로 AI를 사용한 시스템을 구축할 때는 AI 서비스 단독보다는 기존의 AWS 서비스와 결합하는 것이 일반적입니다.
| AWS 서비스 | AI 시스템에서의 주요 역할 |
|---|
| Amazon S3 | AI가 처리하는 문서, 이미지, 음성 등의 저장 |
| ... | |
예를 들어, PDF에서 정보를 추출하는 메커니즘이라면, S3에 PDF를 저장하고 Lambda에서 Textract를 호출하여 추출된 결과를 데이터베이스에 등록하는 구성이 고려될 수 있습니다.
또한, AI 서비스를 이용할 때는 처리 횟수나 데이터량에 따른 요금, 사용 가능한 AWS 리전(region), 다루는 데이터의 기밀성에도 주의가 필요합니다.
AWS의 AI 관련 서비스들은 용도에 따라 역할이 크게 다릅니다.
생성형 AI를 활용한 애플리케이션을 개발하고 싶다면 Amazon Bedrock, 독자적인 머신러닝 모델을 개발 및 운영하고 싶다면 Amazon SageMaker AI가 중심이 됩니다.
반면, 이미지 인식, 문서 분석, 녹취(transcription), 번역 등 목적이 명확하다면 각각 특화된 AI 서비스를 이용할 수 있습니다. 또한, 개발 지원에는 Amazon Q Developer나 Kiro, 기업 정보 활용에는 Amazon Quick Suite와 같은 선택지가 있습니다.
중요한 것은 처음부터 모든 서비스를 외우는 것이 아니라, 구현하고 싶은 기능에 대해 어떤 서비스가 적합한지 판단할 수 있게 되는 것입니다.
