AI 에이전트가 업무 시스템 안으로 들어오면 두 가지 문제가 곧바로 드러납니다. 하나는 속도입니다. 코드 생성과 변경이 빨라질수록 취약점도 더 빠르게 쌓입니다. 다른 하나는 맥락입니다. 기업 데이터와 업무 규칙이 흩어져 있으면 에이전트는 그럴듯하지만 틀린 답을 내놓기 쉽습니다.
AWS가 뉴욕 서밋에서 공개한 AWS Continuum과 AWS Context는 이 두 병목을 겨냥합니다.1 Continuum은 코드 취약점 대응을, Context는 기업 데이터와 업무 지식의 연결을 다룹니다. 공통점은 단순한 자동화가 아니라, 에이전트가 판단하고 행동할 때 필요한 맥락과 통제 구조를 제공한다는 점입니다.
Continuum: 취약점 탐지보다 중요한 것은 우선순위다
AWS Continuum for code vulnerabilities는 코드 취약점의 발견, 우선순위 지정, 검증, 조치까지 전 과정을 지원하는 보안 서비스입니다. 현재는 gated preview로 제공됩니다.2
Continuum을 이해할 때 핵심은 “취약점을 더 많이 찾는 도구”가 아니라 “무엇을 먼저 고쳐야 하는지 판단하는 시스템”이라는 점입니다. 보안팀의 실제 병목은 탐지 자체보다 백로그입니다. 이미 발견된 취약점이 많고, 그중 어떤 것이 실제 운영 환경에서 위험한지 가려내는 데 시간이 걸립니다.
Continuum은 기존 취약점 백로그를 수집하고 자체 취약점 스캔도 수행합니다. 이후 영향을 받는 구성요소가 실제 배포됐는지, 외부에서 접근 가능한지, 운영 경로에 포함되는지, 침해 시 비즈니스 영향이 큰지 평가합니다.2 즉, 일반적인 심각도 점수만 보는 것이 아니라 해당 기업의 인프라, 권한, 네트워크 토폴로지, 코드, 문서, 커뮤니케이션, 비즈니스 우선순위까지 맥락으로 활용하는 방향입니다.2
이 접근은 보안 자동화의 의미를 바꿉니다. 모든 취약점을 같은 방식으로 처리하는 대신, 실제 위험과 업무 영향을 기준으로 순서를 정합니다. 검증 과정에서는 실제 악용 가능성을 확인해 오탐을 줄이고, 네트워크 변경, 권한 정책, 코드 패치 같은 조치를 제안합니다.2 보안팀의 역할은 모든 항목을 수동으로 처리하는 일에서, 판단 기준을 정하고 결과를 검토·승인하는 쪽으로 이동합니다.
또한 Continuum은 특정 모델 하나에 의존하지 않는 구조를 지향합니다. AWS는 여러 프런티어 모델을 각 모델이 잘하는 영역에 맞춰 활용한다고 설명합니다.2 코드 취약점 대응처럼 복잡한 업무에서는 단일 모델의 성능보다, 어떤 작업에 어떤 모델과 맥락을 결합하느냐가 더 중요해진다는 의미입니다.
Context: 에이전트가 회사 데이터를 이해하게 만드는 기반
AWS Context는 기업의 기존 데이터를 바탕으로 지식 그래프를 자동 구축해 조직 내 AI 에이전트에 제공하는 서비스입니다.3 지식 그래프는 데이터, 업무 개념, 규칙, 관계를 연결한 지도에 가깝습니다.
예를 들어 에이전트가 “고객 주문 문제를 해결하라”는 요청을 받았다고 해도, 어떤 테이블이 주문 내역인지, 어느 시스템의 배송 상태가 최신인지, 반품 정책은 어디에 있는지 모르면 제대로 답하기 어렵습니다. 데이터는 존재하지만 관계가 정리돼 있지 않으면, 에이전트는 필요한 근거를 찾지 못하거나 잘못된 출처를 참고할 수 있습니다.
Context는 이런 관계와 업무 규칙을 에이전트가 실행 중에 참조할 수 있도록 만드는 층입니다.3 기업 데이터의 의미와 연결 구조를 제공함으로써, 에이전트가 단순 검색을 넘어 “이 정보가 어떤 업무 맥락에서 쓰이는지” 이해하도록 돕습니다.
중요한 점은 접근 통제입니다. AWS는 Context가 권한 체계를 전제로 동작하도록 설계됐다고 설명합니다. 호출한 사용자의 IAM과 Lake Formation 권한을 반영해 에이전트가 볼 수 있는 데이터 범위를 제한하고, 접근 내역을 감사할 수 있게 하는 방식입니다.3 기업용 AI 에이전트에서 성능만큼 중요한 것이 “누가 어떤 데이터에 접근했는가”를 통제하는 능력이라는 점을 보여줍니다.
두 발표가 가리키는 방향: 에이전트에는 맥락과 통제가 필요하다
Continuum과 Context는 서로 다른 문제를 다루지만 같은 흐름 위에 있습니다. 에이전트가 업무를 맡으려면 모델이 똑똑한 것만으로는 부족합니다. 어떤 데이터를 볼 수 있는지, 어떤 관계를 이해하는지, 어떤 기준으로 우선순위를 정하는지, 어디까지 자동 조치할 수 있는지가 함께 설계돼야 합니다.
기업 입장에서 지금 점검할 기준은 세 가지입니다.
첫째, 취약점 우선순위를 비즈니스 영향 기준으로 매길 수 있는가. 단순히 심각도 점수만 보는 것이 아니라 실제 배포 여부, 접근 가능성, 운영 경로, 침해 시 영향을 함께 판단해야 합니다.
둘째, 에이전트가 참조할 데이터 관계와 업무 규칙이 정리돼 있는가. 데이터가 많다는 것과 에이전트가 그 데이터를 올바르게 이해한다는 것은 다릅니다. 지식 그래프와 같은 맥락 계층이 필요한 이유입니다.
셋째, 자동 조치 전에 검증·감사·통제 경로가 있는가. 에이전트가 빠르게 행동할수록 잘못된 조치의 영향도 커질 수 있습니다. 따라서 권한, 검증, 감사 가능성은 자동화 이후에 붙이는 기능이 아니라 처음부터 포함돼야 합니다.
AWS Continuum과 AWS Context는 “AI 에이전트를 더 똑똑하게 만드는” 발표라기보다, 에이전트를 업무 시스템 안에서 믿고 맡길 수 있게 만드는 인프라 발표에 가깝습니다. 앞으로 기업용 AI의 경쟁력은 모델 자체보다, 모델이 사용할 맥락과 그 행동을 통제하는 구조에서 더 크게 갈릴 가능성이 높습니다.
참고
1AWS Summit New York 2026: New ways to make AI agents more effective at work
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.