“지금까지 조사한 자료로 내 문체의 기사를 쓰고, 이미지까지 만들어 워드 파일로 저장해줘.”
이 요청에 앞서 Amazon Quick에는 여러 단계의 작업이 축적돼 있었다. 웹에서 제품 정보를 조사한 뒤 Quick 관련 가이드가 담긴 로컬 폴더를 연결해 필요한 자료를 검색할 수 있도록 했고, 브라우저에서는 기자가 기존에 작성한 기사를 찾아 문체를 학습시켰다. 이렇게 쌓인 조사 내용과 연결된 자료, 문체를 바탕으로 기사 초안을 작성해 이미지와 함께 워드 파일로 저장하는 과정까지 이어졌다.
아마존 퀵 대시보드 (자료 제공: AWS 코리아)
12일 AWS 코리아에서 열린 아마존 퀵(Amazon Quick) 기자간담회와 핸즈온 세션에서 기자들이 자신의 노트북으로 직접 진행한 실습이다. 이날 현장은 제품 기능을 설명하는 일반적인 기자간담회와 달리, 실제 업무에 필요한 정보를 직접 찾고 자료와 자신의 문체를 연결해 최종 결과물을 만들어보는 방식으로 구성됐다.
기사 한 편을 만드는 것으로 실습이 끝난 것도 아니다. Quick 관련 새로운 소식을 어디서 어떻게 찾고 정리할지를 스킬(Skill)로 만들고, 이를 활용하는 에이전트를 구성한 뒤 결과를 파일로 저장했다. 마지막에는 같은 작업을 매주 월요일 오전 10시에 실행하도록 예약하면서 한 번 수행한 업무를 반복 가능한 작업으로 바꾸는 과정도 확인했다.
직접 써본 Amazon Quick의 핵심은 단순히 질문에 답하거나 문서를 생성하는 데 있지 않았다. 사용자가 업무에 필요한 자료와 맥락을 연결해두면 이를 다음 작업에 활용하고, 필요한 도구를 불러와 실제 결과물까지 만들어낸다. AI 활용의 중심이 ‘질문’에서 ‘업무 수행’으로 옮겨가는 구조다.
내 파일을 읽고 업무 맥락을 연결한다…매번 설명하지 않아도 되는 AI
Amazon Quick을 직접 사용하면서 가장 먼저 확인한 것은 AI가 사용자의 업무 환경과 어떻게 연결되는지였다. 데스크톱 앱에서는 사용자가 허용한 로컬 폴더에 접근해 PDF와 DOCX, PPTX, XLSX 등의 파일을 검색하고 필요한 내용을 찾을 수 있다. 노트북에 있는 모든 파일을 가져가는 것이 아니라 사용자가 명시적으로 지정한 폴더를 대상으로 작동한다.
박혜영 AWS 코리아 수석 솔루션즈 아키텍트(SA)는 이날 기업의 AI 활용이 단순히 질문에 답하는 수준을 넘어 스스로 판단하고 행동하는 AI 에이전트 단계로 이동하고 있다고 설명했다. AI 도입의 성과를 높이기 위해서는 새로운 도구를 추가하는 것보다 기존 시스템과 업무 프로세스 안에 AI를 연결하는 것이 중요하다고 강조했다. 박 SA가 소개한 가트너 조사에서도 성과를 낸 조직들이 기존 시스템과 업무 프로세스에 AI를 통합했다는 공통점이 나타났다.
박혜영 AWS 코리아 수석 솔루션즈 아키텍트(SA) (사진 제공: AWS 코리아)
Amazon Quick의 지식그래프(Knowledge Graph)도 이런 업무 맥락을 연결하는 기능 가운데 하나다. 일반적인 검색이 필요한 문서를 찾아오는 데 초점을 맞춘다면 지식그래프는 사람과 프로젝트, 사건, 주요 의사결정 등이 서로 어떻게 연결돼 있는지를 관계 형태로 저장한다. AWS 측은 몇 달 전 작성한 제안서와 당시 주고받은 메일, 이후 진행한 팔로업 등을 매번 다시 설명하지 않고도 관련 맥락을 활용할 수 있다는 사례를 들었다.
실습에서는 웹에서 Amazon Quick 관련 정보를 조사한 뒤 새로운 채팅창을 열어 앞서 조사했던 내용을 다시 질문했다. 이후 Quick 가이드가 담긴 로컬 폴더를 추가로 연결하고 해당 자료에서 특정 기능을 찾아보면서 웹에서 조사한 정보와 사용자가 연결한 자료가 어떻게 활용되는지 확인했다.
브라우저를 통해 기자가 기존에 작성한 기사를 찾아 읽게 한 뒤 이를 ‘engram’으로 만들어 기사 작성에 활용하는 과정도 진행됐다. 마지막에는 조사 내용과 연결된 자료, 학습한 문체를 함께 활용해 기사 초안을 작성하도록 요청했다. 사용자가 자료와 작성 기준을 매번 처음부터 입력하기보다 앞선 작업에서 만들어진 맥락을 다음 업무에 활용하는 방식이다.
한 번 해본 업무를 다시 맡긴다…스킬·에이전트·자동화로 연결
이다은 SA는 뷰티 기업의 업무를 사례로 영업 담당자와 제품 기획 담당자 등 서로 다른 역할의 페르소나를 설정해 Quick이 실제 업무에 어떻게 활용되는지를 시연했다. 담당자가 자연어로 요청하면 필요한 데이터와 업무 도구를 찾아 연결하고, 여러 단계의 작업을 순서대로 처리한다. 필요한 정보를 확인해 결과를 정리하는 데서 나아가 이후 해야 할 액션까지 하나의 업무 흐름으로 연결했다.
예약 작업도 소개됐다. 예를 들어 오전 10시에 회의록을 확인한 뒤 필요한 내용을 정리해 보고하도록 설정하면 해당 시간에 미리 정해둔 작업을 실행한다. 자연어로 업무를 지시하면 필요한 정보와 도구를 연결하고 여러 단계의 액션을 거쳐 다음 업무까지 예약하는 방식으로 Quick의 자동화 기능을 보여줬다.
이다은 AWS 코리아 리테일 및 소비재 전문 솔루션즈 아키텍트(SA) (사진 제공: AWS 코리아)
이어 김예진 AWS 코리아 AI 전문 솔루션즈 아키텍트(SA)가 기자들의 핸즈온 세션을 이끌며 Quick을 실제 기자 업무에 적용하는 방법을 소개했다. 기자들은 웹에서 Amazon Quick 관련 정보를 조사하고 가이드가 담긴 로컬 폴더를 연결한 뒤, 브라우저에서 자신이 작성한 기사를 찾아 문체를 학습시켜 ‘engram’으로 저장했다. 이후 웹에서 확보한 정보와 로컬 자료, 기자의 문체를 하나의 맥락으로 불러와 기사 초안과 이미지를 생성하고 워드 파일까지 완성하는 방식이다.
기사 작성 이후에는 반복 업무를 자동화하는 단계로 넘어갔다. Amazon Quick의 새로운 소식을 어디에서 찾고 어떤 방식으로 정리할지를 스킬에 담으면, 에이전트가 이를 활용해 정보를 수집하고 한국어 브리핑 파일로 정리한다. 현장에서는 에이전트를 직접 실행해 지정한 폴더에 결과물이 생성되는 것을 확인한 데 이어, 같은 업무가 매주 월요일 오전 10시에 반복되도록 일정까지 설정하는 모습을 볼 수 있었다.
결국 사람이 한 번 정해놓은 자료와 작업 방식, 실행 순서를 다음 업무에서도 다시 활용하는 구조다. 다만 Quick Desktop의 예약 작업은 사용자 컴퓨터를 기반으로 작동해 설정한 시간에 노트북과 앱이 실행돼 있어야 한다.
개인이 쓰던 AI를 팀으로…조직에서는 ‘공유와 통제’가 중요해진다
개인이 자신의 업무에 AI를 활용하는 단계에서 조직 전체로 범위를 넓히면 데이터와 에이전트를 어떻게 공유하고 관리할 것인지가 중요해진다. 여러 구성원이 같은 문서와 데이터를 활용하는 만큼 개인의 업무 맥락과 조직이 관리해야 할 정보를 구분하고 접근 권한과 작업 이력까지 함께 관리해야 하기 때문이다. Amazon Quick은 이를 위해 로컬 환경의 정보와 조직 차원에서 공유되는 자산을 분리하며, 개인 PC에 남아 있는 로컬 정보와 달리 조직에서 공유한 정보는 구성원이 퇴사하더라도 기업의 자산으로 유지되는 구조다.
팀 단위 업무는 문서와 데이터셋을 한곳에 모아 팀원과 에이전트가 함께 활용하는 ‘스페이스(Spaces)’를 중심으로 이뤄진다. 여기에 자연어로 대시보드를 만드는 ‘퀵 사이트(Quick Sight)’, 반복 업무에 필요한 도구를 연결하는 ‘플로우(Flows)’, 여러 시스템에 걸친 다단계 작업을 처리하는 ‘오토메이트(Automate)’, 다양한 정보원을 분석해 보고서로 정리하는 ‘리서치(Research)’를 더해 업무 범위를 확장할 수 있다. 40개 이상의 업무 도구와 연동되며 데스크톱과 모바일, 브라우저 등 다양한 환경에서 사용할 수 있다.
AWS 측은 엑셀 작업부터 간단한 질의까지 업무 성격이 다양한 만큼 기반 모델을 하나로 고정하지 않고, 사용자가 모델을 일일이 선택하는 대신 도구가 작업에 적합한 모델을 판단해 활용하도록 설계했다고 설명했다.
실제 기업 적용 사례에서는 업무시간 단축 효과도 확인됐다. 메가존클라우드는 일주일 이상 걸리던 데이터 분석 시간을 12시간 이내로 줄였으며 영업·기술 조직 100명 이상이 사용 중이다. 일성아이에스는 전사 160명에 Quick을 도입해 학술의학팀에서 3명이 각각 2시간씩 투입하던 논문 검색 업무를 5분으로 단축했고, 블랙야크는 5개 사업부 100개 이상의 계정으로 활용 범위를 확대했다.
이날 핸즈온에서 기자들이 거친 과정은 웹 조사와 로컬 자료 연결, 업무 맥락 축적, 기사 작성에서 스킬과 에이전트 구성, 반복 업무 자동화로 확장됐다. 각각의 기능을 따로 사용하는 대신 한 번 쌓아둔 자료와 맥락, 작업 순서를 다음 업무에 다시 활용하는 흐름이 Amazon Quick의 특징이다.
결국 Amazon Quick이 제시한 변화는 AI가 얼마나 좋은 답을 내놓느냐보다 실제 일의 어디까지 맡길 수 있느냐에 가깝다. 기자가 직접 기사를 만들고 반복 작업을 에이전트에 넘겨본 이날 실습도 이를 구체적으로 확인하는 과정이었다. 앞으로 업무용 AI의 경쟁력 역시 답변의 완성도를 넘어 사람이 하던 일을 얼마나 자연스럽게 이어받아 하나의 흐름 안에서 처리할 수 있느냐로 옮겨갈 것으로 보인다.
The post 아마존 퀵으로 기사 써봤더니…“질문하는 AI 넘어, 내 업무를 기억하고 실행한다” appeared first on 벤처스퀘어.