[테크수다 기자 도안구 eyeball@techsuda.com] "석 달 전에 제안서를 썼고 그때 메일을 주고받은 고객사가 어디였는지, 내가 어떤 팔로업을 했는지 그냥 물어보면 됩니다. 추가로 입력할 필요가 없습니다."

박혜영 아마존웹서비스(AWS) 코리아 수석 솔루션즈아키텍트(SA)가 아마존 퀵(Amazon Quick)의 지식 그래프를 설명하며 꺼낸 말이다.

AWS는 12일 AWS 코리아 사옥에서 'AWS 아마존 퀵 기자간담회 및 핸즈온 세션'을 열고 업무용 AI 어시스턴트 아마존 퀵을 국내 언론에 처음 소개했다. 박혜영 SA가 제품과 기업 도입 사례를, 이다은 리테일·소비재 전문 SA가 업무 자동화 시연을, 김예진 AI 전문 SA가 기자들이 직접 에이전트를 만들어보는 핸즈온 세션을 맡았다. 국내에서는 블랙야크, 메가존클라우드, 일성아이에스가 이미 도입해 사용 중이다.

• 20만 명 내부 검증 : 아마존 퀵은 퀵사이트 기반 BI에 지식 그래프·에이전트·업무 자동화를 결합한 업무용 AI로, 아마존 내부 20만 명 이상이 6개월간 먼저 검증했다.
• 국내 기업 도입 : 블랙야크·메가존클라우드·일성아이에스가 도입했으며, AWS는 지식 그래프와 40개 이상 업무 도구 연동, BI와 자동화의 통합을 차별점으로 내세운다.
• 가격보다 거버넌스 : 월 20~40달러의 좌석 가격은 공격적이지만 조직용 플랜에는 계정당 월 250달러의 인프라 비용이 붙고, 실제 경쟁력은 권한 관리·복구·거버넌스까지 얼마나 안정적으로 제공하느냐에 달렸다.

10년 묵은 BI 위에 에이전트를 얹었다

아마존 퀵은 기업의 시스템과 데이터에 연결해 기업이 일하는 방식을 학습하는 지능형 워크플레이스 어시스턴트다. 기업 내부 데이터와 다양한 업무 시스템을 연결해 보고서 작성, 데이터 분석, 업무 실행 등을 AI가 자연어 명령만으로 수행할 수 있도록 지원한다. 매 상호작용을 통해 스스로 적응하며, 개인화된 인사이트와 선제적 제안을 제공하고 실제 업무 실행까지 수행함으로써 직원 생산성과 인력 전환(workforce transformation)을 지원한다. 기업은 복잡한 AI 모델을 직접 개발하지 않고도 업무 자동화와 AI 에이전트 기능을 빠르게 도입할 수 있다.

아마존 퀵은 이름은 새롭지만 뿌리는 오래됐다. 2015년 클라우드 BI 도구 아마존 퀵사이트(QuickSight)로 출발해 자연어 질의와 생성형 BI를 거쳤고, 2024년 문서·이메일 같은 비정형 데이터를 다루는 아마존 Q 비즈니스가 붙었다. 정형 데이터 엔진과 비정형 데이터 엔진을 묶고 그 위에 판단하고 실행하는 에이전트를 올린 것이 현재의 아마존 퀵이다. AWS도 이를 "10년간 검증된 엔터프라이즈 BI 위에 AI를 얹었다"고 설명한다.

이번에 관심을 끈 것은 2026년 4월 28일 프리뷰로 나온 데스크톱 앱이다. 브라우저 안에 머물지 않고 PC 로컬 파일과 캘린더, 커뮤니케이션 도구까지 접근해 업무 맥락을 쌓는다. AWS 공식 설명에 따르면 macOS와 Windows용으로 제공되며 현재 프리뷰 지역은 미국 동부(버지니아 북부)다.

기자의 노트북은 2016년 산 맥북프로다. MacOS MOnterey 버전 12.7.62.9GHz 듀얼코어 인텔 코어 i5메모리 16GB 2133 MHz LPDDR3. 애플도 더 이상 MacOS 업그레이드를 지원하지 않는다. 자체 독자 칩을 만들면서다. 아마존 퀵 데스크톱 OS도 인텔 CPU를 지원하지 않는다. 그래서 웹 브라우저 확장판을 설치해서 핸즈온 행사에 따라해봤지만 로컬 저장을 못해 설명만 들고 사무실에 들어와서 윈도우 PC에 설치했다.

기능은 많지만 핵심을 세 가지로 압축할 수 있다. 내 업무의 맥락을 쌓는 지식 그래프, BI에서 출발한 데이터 분석, 그리고 분석 결과를 실제 행동으로 연결하는 에이전틱 자동화다.

개인 영역에서는 로컬 파일 접근, 지식 그래프, 에이전트·스킬 제작, 활동 피드, 예약 작업을 제공한다. 조직에서는 팀 자료를 모으는 스페이스, BI 대시보드인 퀵 사이트, 반복 업무를 묶는 플로우, 여러 시스템을 넘나드는 오토메이트, 심층 보고서를 만드는 리서치가 붙는다. 슬랙·팀즈·아웃룩·지라·세일즈포스·서비스나우 등 40개 이상의 업무 도구를 연결하며 브라우저를 직접 조작하는 자동화도 지원한다.

"다른 업무용 AI에는 없다"는 지식 그래프

AWS가 이날 가장 힘을 준 대목은 지식 그래프였다.

전통적인 벡터 검색 중심 RAG가 질문이 들어왔을 때 관련 문서를 찾아 컨텍스트로 제공하는 방식이라면, 아마존 퀵의 지식 그래프는 연결된 데이터에서 사람·프로젝트·조직·사건 같은 엔티티와 그 관계를 추출해 지속적으로 관계망을 만든다. AWS 공식 문서도 이를 사용자의 업무 속 사람, 프로젝트, 조직, 이벤트의 관계를 잡아 개인화된 맥락을 제공하는 기능으로 설명한다.

그러니 "석 달 전 그 제안서를 누구와 논의했지?"처럼 매번 제안서나 메일을 다시 첨부하지 않아도 이전 관계를 바탕으로 질문할 수 있다는 것이 AWS 설명이다.

박 SA는 발표에서 "현재 다른 업무용 AI 에이전트에는 없는" 기능이라고 강하게 강조했다. 다만 질의응답에서는 클로드 코워크나 코파일럿 등에도 일부 유사 기능이 있으며 기술 구현과 설계가 다르다고 한발 물러섰다. 따라서 지식 그래프 자체가 AWS만의 독점적인 개념이라기보다 이를 로컬 파일과 업무 앱, BI, 에이전트 실행까지 연결해 하나의 제품 안에 구현한 방식을 차별점으로 보는 편이 정확하다.

무제한으로 PC를 훑는 것도 아니다. 사용자가 명시적으로 허용한 폴더만 접근한다. 폴더별로 키워드 검색, 시맨틱 검색, 지식 그래프 추출 권한을 따로 줄 수 있다. AWS 공식 보안 문서도 퀵이 명시적으로 권한을 준 폴더만 접근하며 읽기·쓰기 작업의 권한을 세분화할 수 있다고 설명한다.

실제 핸즈온에서는 450쪽짜리 PDF 문서를 지식 그래프로 인덱싱하는 데 약 6~7분이 걸렸고 229개의 엔티티가 추출됐다. 로컬 폴더 연결은 웹에서는 되지 않고 데스크톱 앱에서만 가능했다.

아마존이 20만 명에게 먼저 시켜봤다

AWS가 자신감을 보인 근거는 아마존 내부 검증이다.

아마존은 6개월 동안 20만 명 이상이 에이전트를 직접 만들었고, 5만 명 이상이 리서치 기능으로 보고서를 작성했으며, 업무 자동화가 30만 건 이상 실행됐다고 밝혔다. 영업 제안서 포맷팅 시간 95% 절감, PM·운영 조직 주 100시간 절감, 보안 부서 월 80시간 회수, 공급망 장애 대응 2시간에서 5분 단축 등의 수치도 제시했다. 모두 아마존 내부 측정 기준이다.

흥미로운 것은 부서를 가로질러 가장 시간을 잡아먹는 공통 업무가 '반복 보고서 작성'이었다는 점이다. 여러 시스템에서 데이터를 모으고 엑셀로 정리한 뒤 상사 피드백과 관련 부서 확인을 거쳐 배포하기까지 6단계, 3시간 이상 걸리던 작업을 "주간 보고서 만들어줘"라는 자연어 한 줄에서 시작해 약 5분으로 줄였다는 설명이다.

AWS는 AI 도입이 어려운 이유를 설명하며 가트너 조사도 인용했다. 다만 이 수치는 원문을 정확히 구분해서 볼 필요가 있다.

가트너가 2026년 4월 발표한 조사는 2025년 11~12월 I&O 리더 782명을 대상으로 진행됐다. 조사에서 AI 활용 사례 가운데 28%가 완전히 성공해 기대한 ROI를 충족했고, 20%는 완전히 실패했다. AWS 배포 자료에 등장한 '72%가 기대한 ROI를 내지 못했다'는 수치는 28%의 여집합을 재구성한 것으로 보이며, 나머지 72%가 모두 ROI에 실패했다는 의미로 읽어서는 곤란하다. 가트너는 또 AI 성공 경험이 있는 I&O 리더 가운데 33%가 기존 시스템과 업무 프로세스 안에 AI를 내재화한 것을 성공 요인으로 꼽았다고 밝혔다. 실패 경험자들은 지나치게 빠른 기대를 가장 많이 지적했고, 역량 부족과 데이터 품질·가용성 문제도 각각 38%였다.

블랙야크·메가존클라우드·일성아이에스

국내 도입 사례도 세 곳 공개됐다.

블랙야크는 통합 데이터웨어하우스를 구축하고도 기존 BI 도구의 진입장벽 때문에 현업 활용률이 낮았는데, 자연어 기반 데이터 활용으로 5개 사업부 100개 이상 계정까지 확산했다.

메가존클라우드는 1주일 이상 걸리던 데이터 분석 시간을 12시간 이내로 줄였고 현재 영업·기술 조직 100명 이상이 이용한다.

일성아이에스는 전사 160명에 적용해 전 부서에 챗봇과 에이전트를 구성했다. 학술의학팀은 세 명이 각각 두 시간씩 매달리던 논문 검색을 5분으로 줄였다고 AWS는 밝혔다. 이 역시 각 사와 AWS가 제시한 자체 집계 수치다.

글로벌 사례로는 버티브, DXC 테크놀로지, 3M, 자빌 등이 소개됐다.

당일 메가존클라우드가 보도자료를 보내왔다. AI·클라우드 선도 기업 메가존클라우드(대표 염동훈)가 아마존웹서비스(Amazon Web Services, 이하 AWS)의 생성형 AI 혁신센터(Generative AI Innovation Center; GenAI IC)로부터 차세대 지능형 AI 어시스턴트 ' 아마존 퀵(Quick)'의 국내 최초 시스템 통합(SI) 파트너로 선정됐다는 것.

메가존클라우드는 아마존 퀵 SI 파트너로서 대규모 사용자 환경, 사내 보안 정책, 레거시 시스템 연계 등 엔터프라이즈 고유의 요구사항에 맞춰 아마존 퀵의 도입을 설계하고 구축을 지원한다. 이번 선정으로 메가존클라우드는 기업의 기존 업무 시스템과 데이터를 아마존 퀵과 연계해, AI 에이전트가 실제 업무에서 성과를 낼 수 있도록 컨설팅부터 구축·운영까지 전 과정을 지원한다.

특히 구축·운영·효과 검증까지 약 45일 이내에 완료하는 'Live in 45' 프로그램을 제공해 AI 도입 효과를 빠르게 검증할 수 있도록 한다. 이 프로그램은 기업의 업무 프로세스와 데이터 환경을 분석해 AI 적용 방안을 설계하고, 실제 업무 환경에서 AI 에이전트를 구축·운영함으로써 도입 효과를 검증할 수 있도록 지원한다.

테크수다의 시각: 강점 둘, 물음표 셋

강점① 가격은 공격적이다. 그런데 '월 20달러'만 보면 안 된다

AWS는 이날 가격을 강점으로 여러 차례 강조했다. 발표자료에는 월 20달러에 에이전트·BI·자동화를 포함하고 경쟁사 동일 구성 대비 3분의 1 수준이라고 적혀 있다.

그런데 실제 공식 가격표를 펼쳐보면 이야기가 조금 복잡해진다.

개인·소규모 팀용으로는 무료 플랜과 연 약정 기준 월 20달러의 플러스가 있다. AWS 계정을 이용하는 조직용은 프로페셔널이 사용자당 월 20달러, 엔터프라이즈가 월 40달러다. 프로페셔널에서도 에이전트와 리서치, 플로우, 퀵 사이트 대시보드 조회 등이 가능하지만 복잡한 멀티스텝 자동화인 Quick Automate와 퀵 사이트 대시보드·데이터셋 제작은 엔터프라이즈에서 열린다.

더 중요한 숫자는 따로 있다. 프로페셔널과 엔터프라이즈에는 계정당 월 250달러의 인프라 요금이 별도로 붙는다. 프로페셔널은 월 4시간, 엔터프라이즈는 월 8시간의 에이전트·리서치 사용 시간이 기본 제공되며, 추가 사용에는 별도 사용량 요금이 붙는다. AWS 공식 가격표는 추가 에이전트 시간을 시간당 3달러, 리서치 에이전트를 시간당 6달러로 안내한다.

계산해 보면 규모에 따라 체감 가격이 꽤 달라진다.

엔터프라이즈를 10명이 쓰면 월 650달러, 1인당 65달러다. 100명이면 월 4250달러, 1인당 42.5달러다. 1000명 규모에서는 월 4만250달러로 1인당 40.25달러까지 내려간다. 250달러 인프라 비용이 조직 규모가 커질수록 희석되는 구조다.

마이크로소프트 365 코파일럿의 엔터프라이즈 가격은 연간 약정 기준 사용자당 월 30달러이며 별도의 적격 M365 라이선스가 필요하다. 챗GPT 비즈니스의 일반 좌석은 연간 결제 기준 월 20달러이며 최소 2석부터다. 따라서 단순한 좌석 가격만 놓고 아마존 퀵이 경쟁사 '3분의 1'이라고 말하기는 어렵다.

대신 셈법을 다르게 봐야 한다. 아마존 퀵의 강점은 AI 채팅 하나의 가격이 싸다는 데 있지 않다. BI와 업무 데이터 연결, 에이전트, 리서치, 워크플로 자동화를 한 제품군 안에서 단계적으로 열어준다는 데 있다. 태블로나 파워BI 같은 분석 도구와 별도의 AI·자동화 제품을 함께 쓰던 조직이라면 비교 기준 자체가 달라진다.

강점② 어느 생산성 스위트에도 완전히 묶이지 않은 '중간 지대'

코파일럿은 M365 안에서 강하고 구글의 AI는 구글 워크스페이스와 붙을 때 장점이 크다. 아마존은 워드나 지메일 같은 생산성 스위트를 직접 소유하지 않는다. 약점처럼 보이지만 반대로 기업 환경에서는 중간 지대가 될 수 있다.

아마존 퀵은 슬랙, M365, 구글, 세일즈포스, 지라, 서비스나우 등 40개 이상의 커넥터를 앞세운다. M365와 구글 워크스페이스를 섞어 쓰고 CRM·프로젝트 관리·사내 시스템이 여기저기 흩어진 조직이라면 하나의 생산성 스위트에 모든 데이터를 몰아넣지 않고 연결하는 구조가 매력적일 수 있다.

또 하나는 출발점이다. 챗봇에서 출발해 데이터 분석을 붙인 제품과 달리 아마존 퀵은 2015년부터 운영해 온 BI가 뼈대에 있다. 분석→보고서→공유→실행으로 이어지는 흐름을 처음부터 업무 자동화 문제로 바라본 흔적이 강하다.

다만 이 '중립성'을 멀티클라우드 중립성과 같은 뜻으로 받아들이면 곤란하다. 제품을 움직이는 인프라와 거버넌스는 여전히 AWS다.

물음표① AWS 밖에서도 충분히 매력적인가

AWS 발표자료가 소개한 가트너의 지적사항 가운데 첫 번째도 'AWS 중심 배포(Confined Deployment)'다. AWS는 40개 이상의 커넥터와 MCP 표준으로 비AWS 데이터 소스도 연결할 수 있다고 반박했다.

그렇지만 데이터와 업무 기반이 이미 마이크로소프트 애저나 구글 클라우드에 깊이 묶인 조직이 별도의 AWS 계정과 관리 체계를 추가하면서까지 퀵을 선택할지는 다른 문제다. 특히 대한민국 메시징 분야 1위는 마이크로소프트다. 지금은 서비스 뒤에 숨어져 있지만 익스체인지 서버와 마이크로소프트 오피스의 영향력은 여전히 막강하다. 구글이 워크플레이스도 그나마 명함을 내밀고 있지만 전체 인프라를 모두 교체하기는 여간 쉽지 않다. 레거시가 새로운 시대 적응을 못했다면 모를까 이들은 계속해서 진화해왔다.

한국에서는 이 문제가 더 분명하다. AWS 공식 리전 문서를 보면 서울(ap-northeast-2)은 현재 별표가 붙어 있으며 Amazon Quick 전체가 아니라 Quick Sight 기능만 지원하는 리전으로 표시된다. Q in Quick의 생성형 BI 기능은 서울에서 지원하지만, 이번 간담회에서 체험한 데스크톱 앱 자체는 여전히 미국 동부(버지니아 북부) 프리뷰다.

따라서 이날 행사는 아마존 퀵의 '한국 정식 출시'라기보다 국내 언론 첫 소개와 국내 고객 활용 사례 공개로 보는 것이 정확하다.

물음표② 항상 지켜보고 실행하는 에이전트, 잘못했을 때 어디까지 되돌릴 수 있나

편리함이 커질수록 질문도 달라진다.

데스크톱 AI가 지정한 파일과 캘린더, 메일, 업무 앱을 넘나들고 브라우저까지 대신 움직인다면 "무엇을 볼 수 있나" 못지않게 "무엇을 바꿀 수 있나"가 중요해진다.

AWS는 로컬 파일을 퀵의 클라우드 저장소에 올려놓고 처리하는 방식은 아니라고 설명한다. 공식 문서도 데스크톱 앱에서 로컬 파일을 업로드하지 않고 작업할 수 있다고 밝힌다. 다만 AI 처리를 위한 요청 자체는 API 게이트웨이를 통해 클라우드 AI 모델과 연결 서비스로 전송된다. AWS는 대화, 파일, 개인 컨텍스트를 AI 모델 학습이나 개선에 사용하지 않는다고 명시한다.

현장에서도 이 대목에 질문이 몰렸다.

AWS는 민감한 작업이나 사용자 리소스를 건드릴 때 사람의 승인을 받도록 설계돼 있고, 누가 어떤 작업을 했는지 클라우듵레일(CloudTrail)을 통해 이력을 추적한다고 설명했다. 실제 핸즈온에서도 브라우저 조작이나 파일 작업을 할 때 권한 승인을 반복해서 요구했다.

그런데 사람이 계속 승인 버튼을 누르다가 의도하지 않은 삭제까지 승인했다면 이야기가 달라진다. 이 경우 승인을 받았다는 사실과 삭제한 파일을 원상 복구할 수 있다는 것은 별개의 문제다. 업무용 에이전트를 실제 조직에 넣을 때는 실행 권한뿐 아니라 버전 관리와 롤백, 복구 정책까지 함께 확인해야 한다.

AI 에이전트의 안전 문제는 이제 "데이터를 학습에 쓰느냐"만으로 끝나지 않는다. AI에게 행동 권한을 줄수록 사고 이후의 복원력이 제품 경쟁력이 된다.

물음표③ 자연어라 교육이 필요 없다는 말은 절반만 맞다

AWS 발표자료가 소개한 또 다른 가트너 지적은 타블로(Tableau)나 마이크로소프트 파워(Power) BI에 비해 다뤄본 전문가 풀이 적다는 점이다. AWS는 자연어 인터페이스라 전문적인 SQL이나 교육이 필요하지 않다고 반박했다.

사용법 자체는 그럴 수 있다.

하지만 실제 핸즈온에서 느껴진 병목은 버튼 위치나 SQL 문법이 아니었다. 어떤 데이터를 에이전트에게 보여줄지, 어떤 업무를 자동화할지, 어느 단계에서 사람의 승인을 받을지, 결과가 틀렸을 때 무엇을 검증할지를 사람이 정해야 했다.

생성 결과도 매번 동일하지 않았다. 이미지 생성은 실행할 때마다 달라졌고, 기자들이 만든 에이전트와 스킬 역시 프롬프트와 연결 데이터, 선택한 작업 방식에 따라 결과가 달라졌다.

즉 도구를 배우는 교육은 줄어들 수 있지만 업무를 에이전트에 맞게 설계하는 역량의 중요성은 오히려 커진다.

한국어도 같은 맥락이다. AWS는 현장에서 아마존 퀵 자체의 별도 한국어 지원을 공식 발표하지는 않았으며, 기반 모델들이 한국어를 지원하기 때문에 플랫폼 차원에서 이용할 수 있다고 설명했다.

개인 도구에서 조직 자산으로

이날 오간 질문의 상당수는 모델 성능이 아니라 경계에 관한 것이었다.

개인이 만든 스킬과 팀이 공유하는 에이전트는 어떻게 구분되는가. 어떤 폴더까지 읽게 할 것인가. 브라우저에 로그인한 사용자의 권한을 어디까지 넘길 것인가. AI가 파일을 바꾸거나 지우기 전에 누가 승인할 것인가. 잘못 실행한 작업은 어떻게 되돌릴 것인가.

AI 어시스턴트 경쟁의 무게중심이 '얼마나 똑똑한가'에서 '조직 안에서 얼마나 안전하게 일을 맡길 수 있는가'로 옮겨가고 있다는 신호다.

아마존 퀵의 진짜 시험대도 여기에 있다.

시장은 이미 코파일럿과 챗GPT를 비롯한 업무용 AI로 붐빈다. AWS가 이들을 밀어내려면 지식 그래프 하나가 신기하다는 것만으로는 부족하다. BI에서 출발한 데이터 분석 역량과 40개 이상의 커넥터, 플로우·오토메이트를 묶은 구조가 기존 업무 도구 여러 개를 실제로 대체할 만큼 경제적인지를 증명해야 한다.

반대로 이 조합이 제대로 작동한다면 이야기는 달라진다. 기업이 원하는 것은 또 하나의 챗봇이 아니라, 이미 흩어져 있는 데이터와 업무 시스템 사이에서 맥락을 기억하고 실제 일을 끝내주는 AI일 가능성이 크기 때문이다.

국내에서는 이미 블랙야크와 메가존클라우드, 일성아이에스가 사업부 또는 전사 규모로 첫발을 뗐다. 다음 관전 포인트는 두 가지다. 현재 미국 동부에 묶인 데스크톱 앱이 언제 프리뷰를 벗어나 지역 지원을 넓히는지, 그리고 계정당 월 250달러의 인프라 비용을 감수하면서도 조직 단위 도입이 실제로 확산되는지다.

아마존 퀵이 업무용 AI 시장의 또 다른 챗봇으로 남을지, 아니면 BI와 자동화를 무기로 기업 AI의 새로운 자리를 만들지는 여기서 갈릴 것으로 보인다.

아마존 퀵, 이런 점이 궁금하셨나요?

Q. 아마존 퀵은 결국 챗GPT 같은 챗봇인가?

출발점이 다르다. 대화형 AI 기능이 있지만 2015년부터 운영해 온 BI 엔진인 퀵사이트와 비정형 데이터를 다루는 Q 비즈니스 계보 위에 에이전트와 자동화를 얹었다. 자연어 질문뿐 아니라 데이터 분석, 대시보드, 리서치, 워크플로 자동화를 한 제품군에서 처리하는 것이 특징이다.

Q. 지식 그래프는 RAG와 무엇이 다른가?

전통적인 벡터 검색 중심 RAG는 질문이 들어오면 관련 자료를 찾아 답변 컨텍스트로 제공한다. 아마존 퀵의 지식 그래프는 연결한 데이터에서 사람·프로젝트·조직·사건과 이들의 관계를 추출해 지속적인 개인 업무 맥락으로 쌓는다. 그래서 매번 같은 문서와 배경 설명을 다시 넣지 않고 과거 업무 관계를 활용하는 것이 목표다. 다만 지식 그래프와 RAG는 서로 배타적인 기술은 아니다.

Q. 월 20달러면 모든 기능을 쓸 수 있나?

아니다. 플러스와 프로페셔널이 월 20달러지만 대상과 기능이 다르다. 조직용 프로페셔널에서도 에이전트·리서치·플로우 등을 쓸 수 있지만 퀵 오토메이트(Quick Automate)와 퀵 사이트 대시보드 제작 같은 기능은 월 40달러 엔터프라이즈에서 제공된다. 프로페셔널과 엔터프라이즈에는 계정당 월 250달러 인프라 요금도 붙는다.

Q. 내 PC 파일이 아마존 서버에 그대로 올라가나?

AWS 설명으로는 사용자가 허용한 로컬 파일을 퀵의 클라우드 저장소에 업로드해 보관하지 않고 작업할 수 있다. 다만 AI 처리를 위한 요청은 클라우드 모델과 연결 서비스를 호출한다. AWS는 대화·파일·개인 컨텍스트를 AI 모델 학습이나 개선에 사용하지 않는다고 밝히고 있다.

Q. 한국에서 지금 쓸 수 있나?

기능에 따라 다르다. AWS 공식 문서상 서울 리전은 현재 퀵 전체 기능이 아니라 퀵 사이트(Quick Sight) 기능 지원 리전으로 표시돼 있으며 Q in Quick 생성형 BI 기능은 서울에서 지원한다. 이번에 공개한 데스크톱 앱은 미국 동부(버지니아 북부)의 퀵 구독자를 대상으로 프리뷰 중이다. 로컬 폴더 연결도 데스크톱 앱에서 제공하는 기능이다. 따라서 이번 행사를 한국 정식 출시로 표현하기보다는 국내 언론 첫 소개로 보는 것이 정확하다.

[테크수다 기자 도안구 eyeball@techsuda.com]

• 이 기사를 작성할 때 AI를 활용했다.