AI를 실제 업무에 붙이는 일은 모델 선택 이후에도 이어집니다. 오늘은 단계별 책임, 이미지 생성 기반, 확장 도구의 출처, 문서의 승인 버전과 협업 구조를 읽습니다. 새 기능과 구현 사례를 구분하고 실제 검증할 조건을 함께 살펴봅니다.
AI 작성 및 원문 확인 · AP Holdings
AI 제작 · 편집 일러스트 · 실제 제품 화면 아님
전날인 2026년 11월 17일 공식 소식을 우선 조사하고 최근 72시간 범위의 11월 16~17일 원문 5건을 선정했습니다. 이전 호 원문과 같은 이슈를 제외했습니다. AWS 발표·기술 지침·고객 구현 사례 4건과 GitHub 변경 공지 1건입니다. AI 작성 및 원문 확인.
01 / AI NEWS
AI 도입, 기반·시험·운영 검증의 책임을 나누기
AWS Blog · 발표 2026-11-17
AWS가 플랫폼 팀과 업무 팀이 함께 쓰는 책임 있는 AI의 단계별 점검 틀을 공개했습니다.
AI 제작 · 편집 일러스트 · 실제 제품 화면 아님
AWS는 11월 17일 에이전트형 AI를 위한 세 단계 로드맵을 소개했습니다. 거버넌스 기반 마련, 제한된 시험 배포, 평가·보강으로 나누고 플랫폼 팀의 공통 통제와 업무 팀의 개별 구현 책임을 연결합니다. 자료·도구 접근 범위, 중요한 행동의 사람 승인, 배포 전 평가와 운영 기록을 함께 다룹니다. 새 모델·도구·고객군이나 지침 변경 때 다시 평가하도록 안내합니다. 구현 상세나 법률 자문을 대신하는 기준이 아니라, 조직별 위험과 요구에 맞춰 조정하는 출발점입니다.
AWS는 Inferentia2와 ECS에서 Z-Image-Turbo를 실행하는 구축 예제를 소개했습니다.
AI 제작 · 편집 일러스트 · 실제 제품 화면 아님
AWS는 11월 17일 60억 매개변수 Z-Image-Turbo를 Inferentia2와 ECS에서 운영하는 방법을 공개했습니다. 모델을 배포 과정에서 컴파일하고 준비된 산출물을 EFS에 보관해 컨테이너 시작 때 재사용하는 구조입니다. 예제는 해상도별 서비스를 나눠 각각 확장하며, 요청은 내부 부하 분산기를 거칩니다. 소개된 시간·이미지당 비용은 특정 구성의 측정·추정치입니다. 생성 작업의 컴퓨팅 비용만으로 전체 운영비가 정해지지는 않으며 저장·전송·배포 자원과 리전별 가격·모델 조건을 따로 확인해야 합니다.
GitHub는 일부 Copilot 맞춤 기능을 플러그인·관리 설정에서만 받도록 제한하는 기업 설정을 추가했습니다.
AI 제작 · 편집 일러스트 · 실제 제품 화면 아님
GitHub는 11월 16일 strictPluginOnlyCustomization 관리 설정을 안내했습니다. 사용자·프로젝트의 독립 설정을 제한하고 스킬·사용자 정의 에이전트·훅·MCP 서버·실행형 Copilot 확장 중 필요한 범주를 선택할 수 있습니다. 다만 플러그인 전용이라는 뜻이 기업 관리 플러그인만 허용한다는 뜻은 아닙니다. 마켓플레이스 출처 제한은 별도 정책과 조합해야 합니다. 대상은 기업이나 산하 조직이 발급한 Copilot Business·Enterprise 라이선스를 쓰는 GitHub Enterprise Cloud 구성원입니다.
Novo Nordisk 사례는 승인 문서의 관계를 따라 근거를 찾고 모호한 질문은 먼저 확인합니다.
AI 제작 · 편집 일러스트 · 실제 제품 화면 아님
AWS는 11월 16일 Novo Nordisk 제조 기술 조직의 문서 지원 시스템을 소개했습니다. Neptune 지식 그래프와 OpenSearch Serverless의 의미·정확 일치 검색을 결합하고, 문서 번호로 검색 결과와 관계 구조를 연결합니다. 안내 모드에서는 사업장·제품·장비 같은 적용 범위가 모호하면 먼저 질문을 명확히 합니다. 답변은 승인된 근거 문서를 인용하고 자료가 없을 때는 그 한계를 드러내도록 설계했습니다. 문서 관계를 활용한 고객 구현 사례이며, AI 답변만으로 공정 승인이나 규제 충족을 대신한다는 뜻은 아닙니다.
AWS는 고정된 흐름과 모델이 고르는 흐름을 구분해 다중 에이전트의 복잡도를 판단하는 지침을 소개했습니다.
AI 제작 · 편집 일러스트 · 실제 제품 화면 아님
AWS는 11월 16일 제조 현장 사례를 바탕으로 다중 에이전트 설계 유형과 피해야 할 패턴을 정리했습니다. 순차·조건 분기·병렬처럼 개발자가 흐름을 정하는 방식과 실행 중 모델이 다음 작업을 선택하는 방식을 구분합니다. 예측 가능한 업무는 먼저 고정 흐름으로 시작하고 필요할 때만 자율성을 더하도록 권합니다. 재시도에는 상한을 두고 실패한 경로만 복구하며, 전달 때 검증된 상태·근거·남은 질문을 함께 넘기는 방법을 설명합니다. 고정된 제어 흐름도 모델 답변의 정확성을 보장하는 것은 아닙니다.
AI의 역할이 커질수록 누가 범위를 정하고 어떤 근거로 다음 단계에 넘기는지 설명할 수 있어야 합니다. 준비된 산출물의 재사용, 확장 도구의 출처, 승인 문서의 버전과 실패 경로도 같은 운영 설계에 들어갑니다. AP의 교육·콘텐츠·웹 서비스와 Lia Select 안내에 참고한다면, 공개된 작은 과제에서 단계별 담당자와 검증 근거를 함께 남기는 실험을 제안합니다. 더 많은 도구를 잇기 전에 현재 흐름을 다시 확인할 수 있는지가 확장의 기준이 될 수 있습니다.