AWS Professional Services의 AI 네이티브 개발 전환과 Delivery Agent 활용

AWS ProServe는 AI-DLC 방법론과 멀티 에이전트 시스템인 Delivery Agent를 도입하여 소프트웨어 개발 주기를 수개월에서 수일로 단축했다.

섹션별 상세

기존 컨설팅 방식은 요구사항이 문서에 파편화되어 있고, 테스트와 보안 검토가 개발 단계의 끝에서 이루어져 병목이 발생했다.

APEX 팀이 구축한 Delivery Agent는 요구사항부터 배포까지 전 과정을 관리하는 멀티 에이전트 시스템으로, 인간 컨설턴트와 협업하여 작업을 수행한다.

AI-Driven Development Lifecycle(AI-DLC)의 전체 구조와 단계별 흐름 — Diagram이 이미지는 APEX 팀이 사용하는 AI-DLC의 전체 라이프사이클을 보여준다. 인셉션부터 진화 단계까지의 흐름과 인간의 검증이 필요한 지점을 명확히 정의하여 AI 네이티브 개발의 표준 모델을 제시한다.

요구사항을 기계가 읽을 수 있는 구조화된 스펙으로 변경하고, 여러 에이전트가 병렬로 작업을 처리하며, 에이전트가 로컬에서 검증 후 인간이 최종 판단하는 구조로 워크플로를 재설계했다.

기존의 파편화된 개발 방식과 Delivery Agent 도입 후의 연속적인 흐름을 비교한 다이어그램 — Diagram이 다이어그램은 요구사항 정의부터 배포까지의 과정을 에이전트와 인간이 어떻게 분담하는지 보여준다. 기존의 순차적이고 단절된 프로세스를 에이전트 기반의 연속적인 흐름으로 재설계했음을 시각적으로 설명한다.

LexisNexis 사례에서 Kiro와 Delivery Agent를 활용하여 백로그 생성 시간을 수 주에서 수 시간으로 단축하고, 코드 전달 속도를 60% 개선했다.

기술

Amazon Bedrock
Kiro
GitLab

활용 사례

소프트웨어 개발 프로세스 자동화
멀티 에이전트 시스템 구축
AI 네이티브 개발 워크플로

언급된 리소스

문서How Frontier Teams Are Reinventing AI-Native Development

문서AWS Professional Services

AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 06. 12.수집 2026. 06. 12.출처 타입 RSS

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.