회사 보안 때문에 ChatGPT 막혔었죠? 이제 AWS 안에서 지원되는 모델을 계정·보안 체계 내에서 활용할 수 있습니다. 특정 OpenAI 모델 제공 여부는 리전·계정별로 다르니 반드시 공식 문서로 확인하세요.

설치 없이 VS Code에서 자동완성·디버깅·테스트까지—베드록 연동 코딩 모델 기준 시작 10분 가이드.

별도 좌석 라이선스 없음(토큰 사용량 기반 과금, 일부 도구/확장은 별도 비용 가능)—입문자도 오늘 바로 지원 모델로 문서·코드 자동화 체험해보기.

한눈에 정리

• 아마존 베드록은 다양한 파운데이션 모델을 제공합니다. OpenAI 계열 모델 제공 여부와 명칭·버전은 시점·리전·계정에 따라 상이하니 사용 전 AWS 공식 문서로 확인하세요.
• 기존 AWS 계정·보안 체계 그대로 쓰면서 토큰 기반으로 호출해요. 좌석 라이선스는 베드록 기준 별도로 없습니다.
• 상위 사양 모델은 다단계 자동화·대규모 코드·분석에 강하고, 코딩 특화 모델은 작성·리팩토링·디버깅·테스트까지 전 과정을 지원합니다.
• VS Code·JetBrains·Xcode 등 IDE 연동을 통해 실무 워크플로에 넣기 쉽습니다(지원 범위는 IDE·확장에 따라 상이).
• 베드록은 기본 정책상 고객 데이터가 모델 학습에 쓰이지 않는다고 안내되어 보안·거버넌스 측면에서 기업 도입 허들이 낮아졌습니다.

무슨 일이야

국내 기업 입장에서 “AWS 안에서 최신 고성능 모델을 공식으로 쓴다”는 의미가 큽니다. 베드록은 생성형 AI를 서비스처럼 호출하는 플랫폼이고, 제공 모델은 리전·계정별로 다릅니다. 콘솔에서 모델 접근을 허용하고, IAM 권한으로 사용자를 통제하면 끝. 결제는 좌석이 아니라 토큰 사용량 기반입니다. IDE 연동도 베드록 경유로 가능한 것으로 안내되며, 개발 환경에 바로 녹일 수 있습니다(도구별 지원 범위 확인 필요).

왜 중요할까

• 보안: 사내에서 차단된 외부 챗봇 대신, AWS 보안 울타리 안에서 호출합니다. 기본 정책상 고객 데이터가 모델 학습에 쓰이지 않는 점이 특히 안심 포인트예요.
• 운영: IAM/CloudTrail 등 기존 거버넌스 체계로 접근·사용량을 관리할 수 있습니다.
• 비용: 좌석 과금이 없어 팀 규모가 커도 토큰 사용 관리만 잘하면 예산 통제가 비교적 단순합니다.
• 생산성: IDE 통합으로 “작성→리팩토링→테스트→문서화”를 한 흐름으로 자동화하기 쉬워졌습니다.

입문자가 알아둘 점

1) 10분 내 베드록 연결(제가 삽질한 체크리스트)

• 리전 먼저 확인: 모델 제공 리전이 다를 수 있어요. 콘솔에서 지원 리전인지 꼭 봤습니다.
• 모델 접근 허용: Bedrock 콘솔 > Model access에서 사용할 모델에 Access를 켭니다. 이거 안 하면 AccessDenied 납니다.
• IAM 권한: 최소 bedrock:InvokeModel, bedrock:InvokeModelWithResponseStream, bedrock:ListFoundationModels 정도는 필요했습니다. 역할/사용자에 붙였어요.
• 네트워크: 사내망 프록시·VPC 엔드포인트 정책이 있으면 먼저 열어야 호출이 됩니다.
• 테스트 호출: AWS SDK(boto3나 JS v3)로 헬로월드 호출 후 토큰 사용량이 잡히는지 확인하세요.
• 비용 가드: 예산 알람(Budgets)과 서비스별 비용 알림을 바로 걸어두면 초반 폭주를 막을 수 있었습니다.

2) IDE 연동 순서(일반 흐름)

• 로컬에 AWS 자격(프로파일) 설정 → IDE에서 해당 프로파일 선택.
• 베드록 호출을 지원하는 플러그인/확장 또는 API 스크립트를 연결.
• 기본으로 사용할 모델을 지정하고, 자동완성/리팩토링/테스트 생성을 워크플로로 묶습니다.
• 팀 공용 세팅은 읽기 전용 프로파일, 토큰 상한, 로그 위치(CloudWatch 등)까지 합의하면 안정적이었어요. (공식 문서를 보니 IDE 연동이 가능하다고 안내되어 있습니다. 개별 IDE는 제공되는 확장/가이드에 맞춰 설정하세요.)

3) 모델 선택 가이드(언제 무엇을 쓸까)

• 상위 사양 모델: 다단계 업무, 에이전트 기반 자동화, 대규모 코드 분석/리팩토링, 데이터 분석·문서화 파이프라인.
• 표준급 모델: 범용 질의응답, 요약/초안 작성, 비용을 낮추고 싶은 반복 업무.
• 코딩 특화 모델: 코드 생성·리팩토링·버그 수정·테스트·검증 등 개발 전 과정. IDE에서 바로 쓰기 좋았습니다.
• 현장 팁: 복잡한 작업은 상위 사양 모델로 초안→코딩 특화 모델로 리팩토링/테스트 생성→표준급 모델로 문서화처럼 조합하면 효율이 좋았어요.

4) 토큰 비용 가늠과 절약 습관

• 프롬프트 다이어트: 시스템/컨텍스트를 최소화하고, 파일 전체 대신 필요한 함수만 넣기.
• 스트리밍·요약: 긴 결과는 스트리밍으로 확인하고, 중간 산출물은 요약해 다음 단계에 넘기기.
• 캐시/재사용: 동일한 설명·규칙은 변수화해서 재사용.
• 한도 설정: max tokens, 호출 횟수 상한, 예산 알람 필수.
• 비용 확인: 콘솔 과금·사용량 대시보드와 로그로 시나리오별 평균 사용량을 파악하세요. 숫자는 환경마다 달라 실측이 정확했습니다.

5) 보안·거버넌스 체크

• 기본 정책상 고객 데이터 학습 미사용이라도, 민감정보는 최소화·마스킹 권장.
• IAM으로 프로젝트별 역할을 분리하고, CloudTrail로 누가 무엇을 호출했는지 남깁니다.
• 지역 제한·데이터 보관 정책은 회사 규정과 맞춰 확인하세요. 리전 차이가 있을 수 있습니다.

6) 제가 겪은 실패 포인트

• 모델 Access를 안 켜서 계속 AccessDenied가 났습니다. 콘솔에서 모델별 토글 꼭 확인하세요.
• 리전 불일치로 “모델이 없거나 권한 없음” 오류가 났어요. SDK 리전과 콘솔 리전을 맞추니 해결됐습니다.
• IDE에서 사내 프록시를 안 잡아 401/타임아웃. 프록시/네트워크 정책을 먼저 맞추면 삽질이 줄어요.

정리

회사 AWS 안에서 지원되는 모델을 보안 통제가 가능한 방식으로, 토큰 기반으로 사용할 수 있습니다. 초기에는 리전·모델 접근·IAM·비용 가드 네 가지만 챙기면 되고, IDE 연동까지 붙이면 코드 작성부터 테스트·문서화까지 흐름이 매끄럽게 이어집니다. 업무 자동화는 상위 사양 모델, 범용 작업은 표준급 모델, 개발 전과정은 코딩 특화 모델을 우선 고려해보세요. 단, 실제 제공 모델·리전·권한·비용은 시점·계정별로 다르니 반드시 AWS 공식 문서와 콘솔에서 확인하세요.

이런 주제를 40일 동안 차근차근 실습 중심으로 다뤄보고 싶다면, 팀 스터디 커리큘럼으로 정리해보세요 — CodeMaster 40일 커리큘럼