서비스2026-10-26

AWS 세이지메이커, GPU 관리 없는 AI 맞춤 학습 지원

한국 독자에게 왜 중요할까?
아마존 세이지메이커가 GPU 관리 부담 없이 서버리스로 모델을 커스텀할 수 있는 기능을 제공해 기업들의 AI 도입 진입장벽을 크게 낮춥니다.

기업 현장에서 인공지능(AI)을 실질적인 업무에 적용하려는 움직임이 빨라지면서, 기존에 이미 만들어진 기본 모델을 그대로 가져다 쓰는 것을 넘어 자체 데이터로 모델을 가다듬는 수요가 늘고 있습니다. 기업의 고유한 업무 절차나 제품 정보, 전문 용어 등을 학습시켜 맞춤형으로 미세조정한 모델은 정확도가 높을 뿐 아니라 운영 비용도 크게 아낄 수 있기 때문입니다. 하지만 오픈소스 모델을 가져와 사후 학습을 진행하고 여러 번 대화를 주고받는 에이전트를 개발하는 작업은 인프라 관리 측면에서 매우 까다로운 작업이었습니다.

이러한 진입장벽을 허물기 위해 아마존웹서비스(AWS)는 머신러닝 플랫폼인 아마존 세이지메이커 AI에 서버리스 기반의 모델 커스터마이징 '트레이닝 세션' 기능을 정식 출시했습니다. 서버리스란 개발자가 복잡한 서버나 장비를 직접 관리하지 않고 필요한 컴퓨팅 자원만 알아서 할당받아 쓰는 방식을 말합니다. 이번 기능 확장을 통해 개발자는 값비싼 그래픽 처리 장치(GPU) 인프라를 직접 구성하거나 분산 학습 환경을 설정할 필요 없이, 오직 모델 학습을 위한 핵심 로직 작성에만 집중할 수 있게 되었습니다.

새로 도입된 트레이닝 세션은 인프라 관리를 자동화하면서도 학습 과정에 대한 세밀한 제어권을 온전히 제공하는 점이 특징입니다. 개발자는 모델의 예측 오차를 줄이기 위한 손실 함수나 강화학습에 필요한 보상 신호를 원하는 대로 직접 코드로 작성할 수 있습니다. 그동안 엔지니어를 괴롭혔던 GPU 자원 할당, 분산 실행, 학습 도중 오류가 발생했을 때의 복구 작업, 중간 저장 단계인 체크포인트 관리 등은 세이지메이커 AI가 알아서 처리합니다. 또한 지도 미세조정(SFT)부터 다이렉트 선호도 최적화(DPO), 다중 턴 강화학습까지 최신 학습 기법들을 폭넓게 지원합니다.

복잡한 다단계 상호작용을 수행하는 AI 에이전트를 학습시킬 때 겪는 번거로움도 크게 줄였습니다. 통상 에이전트 학습은 한쪽 인프라에서 모델을 훈련하고 다른 쪽에서 추론을 실행해 점수를 매긴 뒤 다시 학습에 반영해야 해 구조가 복잡해지기 일쑤였습니다. 이번 기능을 도입한 이매진소프트웨어의 롭 곤타렉 부사장은 "트레이닝 세션은 우리가 상용 수준의 성능으로 나아갈 수 있는 적절한 토대를 제공합니다"라고 평가했습니다. 아울러 데이터 준비와 배포를 돕는 도구들도 함께 지원되어 개발 환경과의 연동도 매끄럽습니다.

비용과 보안 측면에서도 기업의 진입장벽을 대폭 낮췄습니다. GPU를 미리 장시간 예약해 둘 필요 없이 세이지메이커 AI가 실제로 처리한 데이터 단위(토큰)만큼만 비용을 지불하면 되며, 자체 환경에서 보상 함수를 계산하는 동안에는 과금이 멈춥니다. 또한 고객의 학습 데이터와 체크포인트는 모두 고객의 자체 클라우드 저장소에 안전하게 보관되며, AWS가 이 데이터를 다른 모델 훈련에 사용하지 않도록 보안을 강화했습니다.

이번 세이지메이커 AI 트레이닝 세션은 gpt-oss-20b, gemma-4-31B-it, Qwen3.6-27B 등 주요 오픈소스 모델을 대상으로 바로 활용할 수 있습니다. GPU 수급난과 전문 인프라 운영 인력 부족으로 맞춤형 모델 도입을 주저하던 기업들에게 이번 서버리스 학습 기능은 고성능 AI를 자체 비즈니스에 빠르게 안착시키는 강력한 돌파구가 될 것으로 보입니다.

원문: AWS — Announcing new ways to customize models with SageMaker AI, without managing GPUs

← 오늘의 뉴스로

유튜브 채널

AI 한입구독하기

오늘의 AI 뉴스를 쇼츠로 짧게 정리합니다.

숫자쇼크구독하기

숫자로 놀라는 30초 쇼츠, 자매 채널입니다.