AWS Unicorn Day 2026 Seoul : 키노트 세션
- 4월 14일
- 7분 분량
AWS Unicorn Day 2026 Seoul 키노트 세션: AI 스타트업, 기대를 넘어 산업의 현실이 되다
Written by 정영식 | Edited by 윤효정
들어가며
안녕하세요, 파트너팀의 정영식입니다.
약 한 달 전인 지난 3월 17일, 코엑스에서 개최된 AWS Unicorn Day 2026에 참석하였는데요. "Start Here, Scale Everywhere"이라는 슬로건 아래에 진행된 이번 행사는 한국 AI 스타트업 생태계의 현주소와 미래에 대해 조망하는 자리였습니다. 오전 키노트 세션에서는 AWS 코리아 스타트업 팀과 국내를 대표하는 AI 스타트업들이 무대에 올라 각자의 이야기를 들려주었습니다.
이번 블로그에서는 직접 참석해 들은 6개 키노트 세션의 주요 내용을 정리해 보았습니다.
1. 한국 AI 스타트업 지형도 — 5개 영역으로 본 현 주소
첫 번째 세션으로는 김영태 AWS 한국 스타트업 세일즈 총괄이 한국 AI 스타트업 생태계를 조망했습니다.
김영태 총괄은 한국 AI 스타트업 생태계를 크게 다섯 가지 영역으로 구분해 설명했습니다.
첫째는 AI Coding 영역으로, 개발자 생산성을 높이는 코딩 도구들이 이 영역에 속합니다.
둘째는 AI Fabless로, 한국이 특히 강점을 보이는 분야며 반도체 설계 전문 기업들이 포진해있습니다. General NPU를 개발한 FuriousaAI와 Rebellions, LPU(Language Processing Unit)에 특화된 Hyper Accel, DPU(Data Processing Unit)를 만드는 MangoBoost, 그리고 Edge NPU 분야의 Mobilint까지 다양한 플레이어들이 경쟁하고 있습니다.
셋째는 AI Platform & Optimization입니다. AI 모델의 효율적인 운영을 돕는 플랫폼 기업으로, FriendliAI, Vessl AI, Nota AI 등이 이 영역에서 활동 중입니다.
넷째는 AI Model Provider로, 대형언어모델(LLM)을 개발하는 Upstage와 Trillion Labs, Physical AI 분야의 Config, RLWRLD와 AROBOT, 비전 AI의 StradVision, 감정 AI의 Neosapience와 ScatterLab 등 다양한 모델 제공 기업이 있습니다.
마지막으로는 AI Applications 입니다. 실제 비즈니스 문제를 해결하는 응용 서비스 영역으로, 법률 분야의 Law&Company와 LBOX, 금융 분야의 Finda와 Quantit, 커머스의 Myrealtrip과 Enhans, 마케팅 분야의 Datarize, Featuring 등이 활동하고 있습니다/
[ 스마일샤크 고객사인 퀀팃의 고객사례가 궁금하다면 AWS 도입 사례 - 퀀팃 보러가기 ]
세션을 들으며, 한국 AI 생태계가 생각보다 훨씬 두텁다는 것을 느꼈습니다. 또한, 스마일샤크에서 지원하는 고객사 중에서도 이름을 올린 곳이 몇 군데 있어 괜스레 뿌듯함을 느끼기도 했습니다.
2. Superb AI의 도전 — 학습 기간 30일 →10일, 비용 40% 절감
차문수 Superb AI CTO가 "비전 파운데이션 모델과 데이터 플랫폼을 활용한 버티컬 AI 혁신 여정"을 주제로 ZERO Foundation Model 개발 과정을 공유했습니다. 그중에서 Flexible Training Plan(FTP) 전략에 해당하는 내용이 가장 인상깊었습니다.
1) 문제: 대규모 GPU 학습의 비용
차문수 CTO는 기존 산업용 비전 AI가 가진 세 가지 한계를 지적했습니다.
Closed-World 한계: 학습 하지 않은 객체은 인식하지 못하는 문제
데이터 병목: 새로운 도메인에 적용할 때마다 대규모 라벨링이 필요한 문제
스케일링 비용: 도메인 별 모델을 따로 학습해야기 때문에 기하급수적으로 증가하는 비용 문제
Superb AI는 이런 문제를 해결하기 위해 'Open-World Industrial Vision Foundation Model'라는 이름의 ZERO Foundation Model을 개발했습니다.
2) 데이터 파이프라인과 학습 인프라
ZERO 모델 개발에는 대규모 데이터 처리가 필수였습니다. Superb AI는 10억 장의 이미지를 400만 장 이상의 고품질 학습 데이터로 정제하는 오토큐레이션 파이프라인을 구축하고, SageMaker HyperPod (p5e.48xlarge 4노드, H200 GPU 8개/노드)로 학습했습니다.
3) 비용 최적화 전략: Flexible Training Plan
Superb AI는 FTP라는 2단계 전략을 도입해 비용 최적화를 실현했습니다.
Step 1 (리허설): 저렴한 인스턴스(g6e.8xlarge 2대)로 코드와 설정 검증합니다. 이 단계에서 버그를 미리 잡아내고, 학습 파라미터를 조정합니다.
Step 2(본학습): 검증이 끝난 후 고성능 인스턴스(p5e.48xlarge 4노드)로 실제 학습을 진행합니다. 또한, FSx for Lustre를 프리로드해 데이터 접근 지연을 최소화합니다.
위와 같은 전략의 성과는 인상적이었습니다. 학습 기간이 30일에서 10일로 단축되었고, 비용은 40%이상 절감되었기 때문입니다. FSx 프리로드 덕분에 데이터 로딩은 수 시간내에 완료되었고, 리허설 단계를 거쳤기에 본학습에서는 버그도 발생하지 않았습니다.
3. 슈퍼로이어 — 530만 건 판례로 할루시네이션 해결
세번째 세션에서는 안기순 로앤컴퍼니 법률AI연구소장이 "2만 5천명의 법률 전문가가 선택한 법률 AI 서비스 '슈퍼로이어'의 성장 전략"을 발표했습니다.
1) 문제: 치명적인 할루시네이션
법률 분야에 생성형 AI 적용 시 여러 어려움이 있습니다. 그중 할루시네이션은 치명적이라고 할 수 있는데요, 법률은 분쟁, 신체의 자유 등 기본권을 다루는 영역이기 때문입니다. 변호사 업무 특성상 문서(아래아한글, PDF 등) 처리가 필수이고, 사건 단위 업무 수행이 기본입니다.
데이터 보안도 중요한데, 의뢰인의 비밀과 개인 정보를 다루기 떄문입니다. AI가 잘못된 판례를 인용하면 변호사가 징계를 받을 수 있습니다. 법률 분야에서 정확성은 선택이 아니라 필수입니다.
2) 해법: 데이터 + 검증 파이프라인
슈퍼로이어는 네 가지 전략으로 이 문제들을 해결했습니다.
할루시네이션의 최소화: 530만 건 이상의 법률 데이터 확보하고, 국내 1∙2위 법률전문 출판사와 독점 제휴해 권위 있는 교과서와 실무서의 답변 인용을 가능하게 했습니다.
변호사 업무 특성 반영: 문서 OCR 및 필터 기능 적용, 사건 지식 베이스 및 사건 기반 대화 구현, 문서작성(통합) 기능 추가
데이터 보안 강화: 모델 학습에 고객 데이터 사용 X, 프롬프트와 업로드 문서 삭제 보장, 데이터 암호화.
명확한 서비스 타겟 고객 설정: 법률전문가 타겟팅, 법상 법령의 해석이나 적용 자격자 또는 그 감독하에서만 이용 가능
기술 아키텍처는 Amazon Bedrock + Anthropic Claude 기반으로 구현하였으며, Query Analyzer ⟶ Retriever/Reranker ⟶ Prompt Maker ⟶ Fact Checker로 이어지는 파이프라인에서 사실 검증을 거쳐 응답을 생성합니다.
4. 2026 투자 트렌드 — 2025년 벤처 투자의 48%가 AI
이기혁 AWS 한국 스타트업 에코시스템 총괄이 "2026 투자 트렌드 속 한국 스타트업의 성장 기회"를 주제로 발표했습니다.
1) 2025년 투자 현황 및 핵심 수치
2026년 투자 트렌드를 알아보기 전, 2025년 투자 현황과 핵심 수치에 대해 먼저 살펴보았습니다.
2025년 전체 벤처 투자금의 48%가 AI 분야 (2021년 16% ⟶ 2024년 36% ⟶ 2025년 48%)
Physical AI 투자 74% 증가, 역대 최고인 407억 달러(약 59조원)
메가라운드가 전체 투자의 65% — 소수 기업에 대형 투자 집중
2) 2026년 스타트업 생태계의 4대 특징
빌더의 시대: 기술을 직접 만드는 창업자가 주목받음
작은 팀: 소수 정예 팀이 대규모 성과를 냄
연쇄 창업가: 경험 있는 창업자의 재도전 증가
무수히 많은 스타트업: 빠른 엑시트(1~2년 내 10억 달러)와 어디서나 글로벌 시장의 접근 가능
3) 개발 조직의 진화
이번 세션에서는 개발 조직의 진화 방향도 제시되었습니다. 2022년 기존 프로그래밍에서 시작해, 코드 완성(자동 완성), 채팅 기반 프로그래밍, 바이브 코딩(AI와 대화하며 개발), 코딩 에이전트, 에이전트 플릿으로 진화하고 있습니다.
2027년경에는 에이전트 플릿(AI 에이전트 여러 개를 동시에 조율)이 보편화될 것으로 전망했습니다.
5. Agentic AI — 생성형 AI에서 Action을 수행하는 AI로
김태현 AWS 한국 스타트업 솔루션즈 아키텍트 총괄이 "생성형 AI를 넘어 Agentic AI로: 스타트업의 AWS 기반 자율형 에이전트 구축 전략"을 주제로 발표했습니다.
1) Gen AI vs Agentic AI
구분 | Gen AI | Agentic AI |
Output | Content | Action |
Operation | Single-turn | Multi-step |
Human Role | Operator | Supervisor |
Output 측면에 있어, 생성형 AI는 Content를 생성하고, Agentic AI는 Action을 수행합니다. Operation 측면에서 생성형 AI는 Single-turn(한번의 질문-답변)이지만, Agentic AI는 Multi-step(여러 단계의 자율 실행)입니다. 인간의 역할 측면에서, 생성형 AI는 인간이 직접 조작을 하지만, Agentic AI에서는 에서 감독으로 역할이 변경됩니다.
둘의 공통 기반은 FM(Foundation Model)과 Prompt Engineering입니다. 같은 기반 위에서 출력과 운영 방식, 그리고 인간의 역할만이 달라지는 것입니다.
2) 에이전트의 다섯 가지 핵심 요소
Agentic AI를 구성하는 다섯 가지 핵심 요소도 소개되었습니다.
Reasoning(추론): 복잡한 문제를 이해하고 실행 방안 도출
Planning(계획): 목표를 작은 단위로 분해하고 실행 순서를 결정
Tool Use(도구 사용): 외부 시스템과 상호작용
Memory(기억): 단기 컨텍스트 + 장기 지속 메모리
Reflection(성찰): 결과를 평가하고 자체 수정 후 다음 액션에 반영
3) AWS Agentic AI 서비스
Foundation: Amazon Bedrock - 다양한 파운데이션 모델을 제공하는 기반 서비스
IDE: Amazon Kiro - AI 에이전트 개발을 위한 통한 개발 환경
Platform: Amazon AgentCore - 에이전트 배포와 운영을 위한 플랫폼
Service: Amazon Q - AI 어시스턴트 서비스
6. 업스테이지 — 병목은 지능이 아니라 컨텍스트다
마지막 세션에서는 권순일 업스테이지 Executive VP가 "AI 도입 변화와 업스테이지의 파트너십 전략"을 주제로 발표했습니다.
1) AI B2B 시장 4단계
권순일 EVP는 AI B2B 시장이 네단계로 진화하고 있다고 설명했습니다. Y축은 Involvement by AI로, Weak에서 Strong으로 갈수록 AI의 개입 수준이 높아집니다.
이를 이해하기 위해선 먼저 핵심 개념에 대한 정의가 필요한데요,
역할(Role)은 조직 내에서 맡은 특정 임무와 책임을 의미하며, 이는 개인의 직무와 관련된 구체적인 업무 영역을 정의함
미션(Mission)은 역할 내에서 달성해야 할 과제나 목표로, 특정 과제를 수행하기 위해 부여된 임무를 의미함
과업(Task)은 미션 달성을 위해 수행해야 하는 구체적인 활동 및 작업 단위이며, 목표를 이루기 위한 실질적 업무 단위임
워크플로우(Workflow)는 목표 달성을 위해 과업을 체계적으로 조직하고 수행하는 절차와 방식으로, 업무 효율성을 극대화하는 프로세스임.
Stage 1: 기존 소프트웨어에 AI 추가하는 단계 (e.g. MS Office, Google, Gmail, Notion, Slack 등)
특징 1 - 업무가 소프트웨어에 의해 혜택을 받거나 대체됨.
특징 2 - AI 통합을 통한 효율성 향상
특징 3 -빠른 도입과 낮은 리스크
Stage 2: 특정 업무에 특화된 AI 솔루션이 등장하는 단계 (e.g. 요약, 전문 번역 등)
특징 1 - 기존에 처리되지 않았던 고급 작업에 AI 적용
Stage 3: 워크플로우에 AI 통합 (e.g. 법률 계약서 작성, 보험 정책 커버리지 검토 등)
핵심 키워드: Human in the loop
Stage 4: AI 중심으로 워크플로우 재설계
Stage 1 ~ 3은 기존 워크플로우에 AI를 끼워넣는 것이고, Stage 4는 워크플로우 자체를 AI 중심으로 다시 설계하는 것입니다.
2) Stage 5: AI can do everything?
권순일 EVP는 흥미로운 질문을 던졌는데요, 바로 "AI can do everything?(AI가 모든 것을 할 수 있을까?)"
그의 답은 명확했습니다. 병목은 지능이 아니라 컨텍스트다!
이를 설명하기 위해서는 AI 에이전트가 작업을 수행하는 과정을 분해 해봐야 합니다.
먼저 맥락(Context)가 필요합니다. 이는 상식을 재확인하고 문서를 수집하는 단계입니다.
다음은 Agent-ready Context로, AI가 지원하는 형식으로 컨텍스트를 변환하는 단계입니다. 이 단계에서는 Web search, 동료 인터뷰, 레거시 서비스 연동 등으로 통해 필요한 정보를 수집합니다.
수집된 컨텍스트는 컨텍스트 윈도우 크기에 맞춰야 하는데요, 이를 위해 RAG, MCP, Function Call 등의 기술을 활용합니다.
최종적으로 이 모든 것이 갖춰줘야 Agent가 효과적으로 작동할 수 있습니다.
이 분석이 시사하는 바는, AI 모델의 지능 수준보다 적절한 컨텍스트를 제공하는 것이 더 중요하다는 것입니다.
마무리
AWS Unicorn Day 2026의 키노트 세션을 세 가지로 간략하게 정리해보자면,
첫째, AI가 실제 산업 현장에 적용되고 있다. Superb AI의 비전 파운데이션 모델은 37개 산업 분야에서 실제로 사용되고 있고, 슈퍼로이어는 2만 5천 명의 법률 전문가들이 업무에서 활용 중이다.
둘째, AWS 인프라가 AI 스타트업의 성장을 뒷받침하고 있다. Superb AI는 HyperPod와 FTP 전략으로 학습 비용을 40%이상 절감했고, 슈퍼로이어는 Bedrock과 PrivateLink로 보안과 성능을 모두 확보했는데, 이러한 성과는 클라우드 인프라 없이는 불가능했을 것 입니다.
마지막으로는 Agentic AI가 다음단계라는 것이다. 단순히 콘텐츠를 생성하는 것을 넘어, 스스로 계획하고 실행하는 AI 에이전트가 등장하고 있다. 법률 에이전트, 코딩 에이전트, 에이전트 플릿까지 2026년은 에이전트의 해가 될 것입니다.
