AI 에이전트가 본격적으로 업무와 서비스 현장에 투입되면서, 인터넷과 생산성 소프트웨어를 둘러싼 기술 스택이 ‘사람 중심 설계’에서 벗어나고 있다. TechCrunch에 따르면 AWS는 에이전트 중심 워크로드에 맞춘 차세대 검색·벡터 데이터베이스인 OpenSearch Serverless를 공개하며, 작업이 필요할 때만 컴퓨팅을 즉시 확장하고 유휴 상태에는 0으로 줄이는 구조를 강조했다. 동시에 The Verge는 Microsoft가 Microsoft 365 Copilot의 개편형을 출시하며, 더 빠른 로딩과 ‘구조화된’ 응답, 프롬프트 기반 UI를 개선했다고 전했다. 두 흐름은 서로 다른 층위(인프라 vs. 생산성 도구)에서 진행되지만, 공통적으로 ‘에이전트가 만들어내는 새로운 트래픽·상호작용 패턴’을 전제로 한다는 점에서 같은 방향을 가리킨다.
사람이 쓰던 웹은 더 이상 기본값이 아니다
기존 클라우드 인프라는 인간 사용자의 클릭·검색·스트리밍 같은 비교적 예측 가능한 행동 패턴을 전제로 최적화돼 왔다. 하지만 에이전트는 다르게 움직인다. 한 번의 작업 지시가 여러 하위 에이전트를 촉발하고, 짧은 시간 안에 수십·수백 개 데이터 소스를 조회하며, 필요해지면 API 호출을 연쇄적으로 발생시킨 뒤 빠르게 종료할 수 있다. TechCrunch는 이러한 특성이 “이전 인프라가 설계했던 트래픽 패턴과 다르다”는 점을 배경으로 AWS의 업데이트를 설명했다.
AWS 측은 에이전트가 실험 단계에서 프로덕션으로 이동하는 과정에서 인프라 요구가 급변했다고 밝혔다. 에이전트 트래픽은 예고 없이 급증하고, 작업이 끝나면 통지 없이 유휴로 전환되는 경향이 있어 기존 서버리스 형태라도 ‘항상 켜둬야 하는 최소 인스턴스’ 같은 제약이 비용 효율을 떨어뜨릴 수 있다는 주장이다. TechCrunch에 따르면 AWS의 새 OpenSearch Serverless는 핵심적으로 컴퓨팅과 스토리지를 분리해 컴퓨팅을 초 단위로 신속히 확장·축소하고, 유휴 시에는 비용이 발생하지 않도록 설계됐다.
0으로 줄이는 비용 구조: ‘주차요금’에서 ‘미터 주차’로
이 변화는 비용 체감으로 직결된다. TechCrunch가 인용한 AWS 측 설명을 빌리면, 기존 서버리스 구조에서는 스토리지와 컴퓨팅이 결합된 탓에 최소 실행 인스턴스를 유지해야 했고, 그 결과 실제로 쓰지 않아도 일부 컴퓨팅이 대기 상태로 남을 수 있었다. AWS가 제시한 비유는 단순하다. 항상 주차 자리를 ‘비워도’ 돈을 내는 구조라면, 이제는 사용 시간에 따라 요금이 계산되는 형태에 가깝다는 것이다.
이 접근은 에이전트가 만들어내는 검색·벡터 검색 수요에 특히 의미가 있다. 에이전트는 문서 검색, 요약, 근거 확인 같은 작업을 수행하면서 벡터 기반 검색을 반복적으로 호출할 가능성이 높다. 따라서 스케일링이 느리거나, 유휴 비용이 고정으로 남는 구조는 에이전트 운영 비용을 불안정하게 만들 수 있다. AWS의 설명대로라면 컴퓨팅을 필요할 때만 “실시간”에 가깝게 끌어올릴 수 있어, 비용과 성능의 타협 지점을 줄이는 방향이다.
생산성 도구도 ‘구조화·점진 공개’로 재정렬
인프라가 에이전트 트래픽을 흡수하는 방식으로 바뀌는 동안, 사용자와 상호작용하는 생산성 소프트웨어에서도 에이전트 친화적인 UI·출력 방식 변화가 나타나고 있다. The Verge는 Microsoft가 Microsoft 365 Copilot의 개편형을 배포하면서 로딩 속도가 빨라지고, 응답이 더 구조화돼 스캔하기 쉽다고 보도했다. 회사는 또한 데스크톱과 모바일 전반으로 업데이트를 확장 중이라고 밝혔다.
특히 Microsoft가 강조한 기능은 ‘progressive disclosure(점진 공개)’다. 이는 사용자가 프롬프트를 작성할 때 필요한 도구와 제어 항목만 단계적으로 보여주고, 한꺼번에 복잡한 옵션을 나열하지 않도록 설계하는 개념이다. 사용자의 요구에 따라 Copilot이 적절한 도구를 제안하거나 적용하는 흐름을 자연스럽게 만들려는 의도다. The Verge에 따르면 Copilot의 프롬프트 박스 내부에서 텍스트 서식을 직접 다루는 등 편집 경험도 개선됐다.
인프라와 UI의 공통 목표: 더 예측 가능하고 더 빠른 ‘에이전트 운영’
결국 두 기사에서 관찰되는 변화는 같은 문제의식에서 출발한다. 에이전트는 “질문-응답”이라는 단순 형태를 넘어, 내부적으로 여러 작업을 연쇄 실행하며 시스템 자원을 들쭉날쭉하게 사용한다. 따라서 백엔드에서는 예측 불가능한 스파이크를 처리할 수 있어야 하고, 프런트엔드에서는 사용자가 결과를 빠르게 검토하고 다음 행동으로 이어갈 수 있어야 한다. AWS의 서버리스 검색·벡터 DB 개편은 전자에 가깝고, Microsoft 365 Copilot의 구조화·점진 공개 UI는 후자에 가깝다.
한편, 이런 변화가 곧바로 사용자 경험의 모든 문제를 해결한다고 보긴 어렵다. 에이전트 기반 작업의 품질은 도구 호출 정확도, 데이터 접근 범위, 응답 형식의 일관성 등 여러 요소에 좌우된다. 하지만 적어도 비용·속도·가시성 같은 “운영 조건”이 개선되지 않으면 에이전트를 조직에 안정적으로 배치하기가 어렵다는 점에서, 이번 업데이트들은 에이전트가 생산 환경에 자리잡기 위한 기본 체력을 보강하는 움직임으로 읽힌다.
무엇을 지켜봐야 하나
향후 관건은 두 축이다. 첫째, AWS 같은 인프라 제공자가 에이전트 워크로드에 특화된 확장·과금 모델을 얼마나 빠르게 표준화할지다. 컴퓨팅-스토리지 분리 및 유휴 0 과금 같은 설계가 다른 검색·데이터 서비스로 확산되는지, 그리고 실제 고객 운영에서 비용 변동성이 줄었는지 확인이 필요하다.
둘째, Copilot류 생산성 도구가 구조화 출력과 점진 공개를 넘어 “업무 워크플로” 자체를 더 예측 가능하게 만들 수 있는지가 중요하다. 응답을 읽기 쉽게 만드는 것에서 더 나아가, 사용자가 검토-수정-승인까지 이어가는 과정에서 도구 선택이 얼마나 매끄럽게 이뤄지는지 살펴볼 대목이다.
댓글