2026-11-06 바이브 코딩에서 프로덕션까지: MCP와 AI 게이트웨이로 완성하는 AI 네이티브 SMB 웹 생태계

프로토타입과 프로덕션 사이의 ‘라스트 마일’ 격차 이번 밋업에서 Bluehost가 공유한 사례의 출발점은 단순한 통계다. RAND Corporation의 AI 프로젝트 실패 원인 보고서는 “일부 추정치에 따르면 AI 프로젝트의 80% 이상이 실패한다"고 밝혔고, Gartner는 한발 더 나아가 2027년까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것이라고 전망했다. 비용 급증과 명확하지 않은 비즈니스 가치가 주된 원인으로 꼽힌다. 즉, 아이디어를 ‘ChatGPT에게 설명해서 뭔가 돌아가는 것’을 만드는 일은 점점 쉬워지지만, 그것을 로컬호스트 밖으로 꺼내 안정적으로 운영하는 ‘라스트 마일’은 여전히 가장 많은 노력이 드는 구간이라는 것이다. ...

November 6, 2026 · 3 min · 563 words · jeonck

2026-11-06 중소기업의 '회사 두뇌': 에이전틱 AI로 채용 엔진을 돌리는 법

왜 지금 에이전틱 AI인가 이번 밋업에서 발표자가 소개한 ‘코히어’는 단순한 챗봇이 아니라 역할(Role), 스킬(Skill), 워크플로우(Workflow), 메모리(Memory)를 갖춘 하나의 에이전트 팀이다. 이는 최근 업계가 말하는 ‘에이전틱 AI(Agentic AI)‘의 전형적인 구조다. 여러 분석에 따르면 2024년 1분기부터 2025년 2분기 사이 멀티에이전트 시스템에 대한 기업 문의가 급증했고, 업계는 하나의 범용 에이전트보다 특정 업무에 특화된 좁은 역할의 에이전트를 여러 개 두는 방식으로 이동하고 있다고 분석한다 agentic AI trends. 실제로 2027년까지 멀티에이전트 시스템의 70%가 이런 ‘좁고 전문화된’ 에이전트로 구성될 것이라는 예측도 있다 AI trends 2026. 발표자의 회사가 HR 디렉터, 법률 자문, 카피라이터, 연구 보조(Scout) 등 역할별 에이전트를 따로 두고 서로 ‘핸드오프’하게 만든 설계는 이 흐름과 정확히 일치한다. ...

November 6, 2026 · 3 min · 620 words · jeonck

2026-11-06 에이전틱 AI로 만든 HR 채용 엔진, Cohere 사례

📋 밋업 한눈에 보기 소상공인을 위한 운영체제(OS)를 만드는 회사가 자체 ‘company brain’에 에이전틱 AI를 결합해 HR 채용 프로세스 전체를 자동화한 사례를 공유했다. ‘Cohere’라는 HR 디렉터 역할의 AI 에이전트가 ‘Scout’라는 리서치 에이전트와 협업해 역할 정의, 채용공고 게시, 후보자 스코어링, 오퍼 발송, 온보딩까지 5단계를 처리하도록 설계했으며, 그 과정에서 겪은 장애물(스코어링 거부, 이메일 인박스 분산, 비동기 작업 처리의 어려움)과 시간/비용 절감 수치를 공유했다. 발표자는 AI를 도입하기 전에 비즈니스의 핵심 프로세스와 컨텍스트를 먼저 정리하는 것이 중요하다고 강조했다. ...

November 6, 2026 · 4 min · 792 words · jeonck

2026-11-05 에이전틱 엔지니어링 시대, Platform Engineering은 Context·Execution·Governance로 다시 설계된다

코드 작성은 더 이상 병목이 아니다 최근 밋업에서 나온 핵심 메시지는 명확했다. “코드를 작성하는 일은 이제 엔지니어링의 병목이 아니다.” 실제로 Google의 2025 DORA 리포트는 AI 도구 채택률이 90%까지 올라갔고, 처음으로 AI 도입이 소프트웨어 딜리버리 처리량(throughput)과 긍정적으로 연결되었다고 밝힌다. 다만 DORA는 AI를 “증폭기(amplifier)“로 규정한다 — 이미 잘 작동하는 조직의 강점은 더 키우고, 기능 장애가 있는 조직은 그 문제를 더 키운다는 것이다. AI가 코드를 쏟아내는 속도가 빨라질수록, 그것을 안전하게 받아낼 “플랫폼"의 성숙도가 실제 제약 조건이 된다. ...

November 5, 2026 · 3 min · 632 words · jeonck

2026-10-29 에이전틱 데이터 엔지니어링: AI 에이전트가 파이프라인을 설계하고 고치는 시대

전통적 ETL에서 에이전트 기반 데이터 플랫폼으로 2022년 11월 생성형 AI가 대중화된 이후 소프트웨어 개발 전반의 작업 방식이 바뀌었고, 데이터 엔지니어링도 예외는 아니다. 과거에는 엔지니어가 원천 시스템마다 수동으로 파이프라인을 작성해 연결했지만, 수십 개의 소스 시스템을 다루는 조직에서는 이 방식이 금방 한계에 부딪힌다. 최근 Next Platform이 다룬 사례는 자연어 프롬프트만으로 파이프라인을 생성하고 실행하는 에이전트를 소개하며, 반복적인 수집·설정 작업을 에이전트가 대신 떠맡는 방향을 보여준다(Next Platform). Medallion Architecture: 에이전트가 움직이는 무대 이런 에이전트들이 작동하는 표준 무대가 bronze-silver-gold로 이어지는 medallion architecture다. Bronze는 원천 데이터를 가공 없이 그대로 적재하고, silver는 타입 정리·중복 제거·검증을 거치며, gold는 대시보드나 BI 도구가 바로 소비할 수 있는 비즈니스 레벨 테이블이다(MotherDuck 용어집). 발표에서 나온 “컨피규레이션 테이블만 채우면 소스 연결부터 gold 적재까지 자동화된다"는 설명도 이 구조를 기반으로 한다. 에이전트는 레이어 경계마다 규칙을 적용해 품질을 점진적으로 끌어올리는 역할을 맡는 셈이다. ...

October 29, 2026 · 3 min · 490 words · jeonck

2026-10-24 Microsoft Sentinel × Defender XDR × Agentic AI: 통합 SOC와 KQL이 만드는 보안 운영의 다음 단계

왜 ‘통합 보안 운영 플랫폼’인가 Microsoft는 클라우드 네이티브 SIEM인 Sentinel과 XDR 솔루션인 Defender XDR을 하나의 Defender 포털 안에 통합했다. Microsoft Learn의 Defender XDR 업데이트 페이지에 따르면 이 통합 플랫폼은 2024년 중반 정식 출시(GA)되었고, 초기에는 테넌트당 하나의 Sentinel 워크스페이스만 지원하다가 2025년 중반에 멀티 워크스페이스 지원이 추가되는 등 지속적으로 기능이 확장되어 왔다. 핵심은 ‘툴 전환 피로’를 줄이는 것이다. 엔드포인트, 아이디, 이메일, SaaS 앱, 클라우드 워크로드를 넘나드는 탐지·조사·대응을 단일 데이터 모델과 단일 인시던트 큐에서 처리하도록 만든 것으로, Petri의 분석은 이를 ‘산업 최고 수준의 SIEM과 포괄적 XDR, 보안 전용 생성형 AI의 결합’으로 설명한다. ...

October 24, 2026 · 3 min · 510 words · jeonck

2026-09-30 AI가 QA를 대체하는 게 아니라 QA의 정의를 바꾼다: Agentic Testing과 Risk-Based 자동화의 현재

테스트 스크립트 생성 그 다음: Agentic QA의 등장 최근 미팅업에서 오간 논쟁의 핵심은 “AI가 테스트 스크립트를 대신 써주는 것"과 “AI가 QA 업무 자체를 재정의하는 것"이 전혀 다른 이야기라는 점이었다. 업계는 이미 이 전환을 용어로도 구분하고 있다. Katalon은 Agentic QA를 “에이전트가 테스트 스크립트가 아니라 제품의 의도(intent)를 쥐고, 무엇을 검증할지 스스로 계획·실행·관찰·적응하는 목표 지향적 루프"로 정의한다. 즉 QA 엔지니어의 역할이 “스텝을 작성하는 일"에서 “품질이 무엇인지 정의하는 일"로 옮겨간다는 것이다. 실제로 Forrester는 2025년 테스트 플랫폼 카테고리 명칭을 ‘Continuous Automation Testing Platforms’에서 ‘Autonomous Testing Platforms’로 변경했고, Gartner는 2026년 말까지 전체 엔터프라이즈 애플리케이션의 40%가 태스크 특화 AI 에이전트를 탑재할 것으로 전망했다. 2025년 기준 5% 미만이었던 수치가 1년 만에 8배 뛰는 셈이다. ...

September 30, 2026 · 4 min · 645 words · jeonck

2026-09-23 Copilot Studio와 MCP로 보는 로우코드 자율 에이전트의 현재

로우코드 플랫폼 위에서 자란 에이전트 최근 참관한 Copilot Studio 실습 밋업에서는 참가자들이 Power Automate 플로우와 Dataverse 테이블을 연결해 ‘주문 취소’라는 단순한 시나리오를 자동화하는 과정을 다뤘다. 겉보기엔 초급 튜토리얼이지만, 그 이면에는 업계 전체가 향하고 있는 방향이 뚜렷이 담겨 있다. 바로 로우코드 플랫폼을 발판 삼아 agentic AI를 조직에 이식하는 흐름이다. Gartner는 엔터프라이즈 로우코드 플랫폼이 agentic AI 구현의 발사대 역할을 한다고 분석했고, 2026년 말까지 엔터프라이즈 애플리케이션의 40%가 특정 작업에 특화된 AI 에이전트를 탑재할 것으로 전망했다(Gartner 보도자료). 이는 전년 5% 미만에서 급격히 뛴 수치로, 코드를 직접 작성하지 않는 현업 담당자도 에이전트를 ‘조립’할 수 있게 됐다는 뜻이다. ...

September 23, 2026 · 3 min · 531 words · jeonck

2026-08-26 PoC를 넘어 프로덕션으로: 이벤트 기반 오케스트레이션과 Well-Architected Agentic AI Lens로 보는 에이전틱 AI 운영 전략

PoC 지옥에서 벗어나기: 왜 지금 ‘프로덕션화’가 화두인가 Gartner는 2027년까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것이라 전망했다(Forbes). 실제로 2025년 생성형 AI 프로젝트의 절반이 PoC 이후 폐기됐고, 에이전트 파일럿의 88%가 프로덕션 전환에 실패했다는 데이터도 있다(THE DAILY BRIEF). 원인은 기술 자체보다 평가 체계 부재와 신뢰성 설계 부족이다. 데모는 ‘행복 경로 하나’만 통과하면 되지만, 프로덕션은 부하·멀티테넌시·장애 복구까지 감당해야 하는 전혀 다른 문제다. 오케스트레이션: 결정론과 에이전트의 하이브리드 AWS Prescriptive Guidance는 흐름이 고정적이고 반복 가능하면 AWS Step Functions로, 판단이 필요한 개방형 단계는 에이전트로 처리하라고 권한다. 성숙한 패턴은 결정론적 상태 머신이 판단이 필요한 한 단계만 에이전트를 호출하는 하이브리드다. 이벤트가 몰리는 구간에서는 Amazon EventBridge가 라우팅을, Amazon SQS가 버퍼 역할을 하며 AWS Lambda가 큐 적재량에 따라 자동 확장한다(AWS Prescriptive Guidance). 처리 실패는 SQS의 Dead Letter Queue로 격리해 손실 없이 재처리하며, 함수는 반드시 멱등성을 갖추도록 설계해야 한다(AWS Lambda 문서). ...

August 26, 2026 · 3 min · 453 words · jeonck

2026-08-26 AWS Agentic AI 시스템, POC에서 프로덕션까지

📋 밋업 한눈에 보기 이 웨비나는 AWS 기반 agentic AI 시스템을 데모/POC 수준에서 프로덕션 등급으로 끌어올리는 방법을 다뤘다. 발표자는 deterministic 오케스트레이션(Step Functions)과 이벤트 기반 오케스트레이션(EventBridge, SQS, Lambda)을 비교하고, 신뢰성·관측성·보안·비용·거버넌스라는 프로덕션 핵심 축을 차례로 설명했다. 마지막으로 고객 지원 triage agent 예시와 단계별 배포 전략(phase 1~4)으로 이론을 구체화했고, Q&A에서는 멀티 에이전트 사용 시점, 비결정적 시스템 테스트, 프롬프트 인젝션 방어, 관리형 vs 커스텀 구축 등 실무 질문에 답했다. 🔑 핵심 요점 데모/POC 수준 agentic 시스템과 프로덕션 수준 시스템은 완전히 다르며, 신뢰성·관측성·거버넌스·보안이 추가로 필요하다. 흐름이 고정돼 있으면 Step Functions 같은 deterministic 방식을, 판단이 필요하면 이벤트 기반 agent 방식을 쓰되, 실무에서는 이 둘을 섞은 하이브리드가 가장 성숙한 형태다. Agent는 stochastic(같은 질문에도 다른 답)하고 autonomous하며 distributed하므로 idempotency, fallback, timeout/circuit breaker 설계가 필수다. 관측성은 tracing(X-Ray)과 evaluation(LLM-as-judge 등) 두 축으로 이뤄지며, 토큰 비용도 관측 대상이다 — 너무 싸도 이상 신호일 수 있다. 보안은 defense in depth로 접근해야 하며 guardrails, agent별 identity(least privilege), bounded autonomy, audit/traceability를 층층이 쌓아야 한다. 비용은 요청 수가 아니라 토큰 소비(추론 루프 등)에 좌우되므로 iteration cap, 모델 사이즈 조정, prompt caching, agent/tenant별 비용 귀속이 필요하다. POC에서 프로덕션으로 갈 때는 단일 agent 검증 → tracing/guardrails 추가 → multi-agent 확장 → 운영/거버넌스 성숙 순으로 단계적(phase)으로 확장해야 하며, 프롬프트와 tool 정의도 코드처럼 버전 관리하고 evaluation gate를 거쳐 점진적으로 배포해야 한다. 🛠 핵심 기술 쉽게 이해하기 AWS Step Functions 정해진 순서대로 실행되는 workflow(상태 머신)를 관리형으로 구성할 수 있는 AWS 서비스로, 여러 단계 호출, 재시도, 사람의 승인 대기 등을 코드가 아니라 정의된 flow로 처리한다. ...

August 26, 2026 · 6 min · 1098 words · jeonck