아마존, 미세 조정으로 기업용 AI 신뢰도 높였다
- •아마존 파머시, 전용 모델 미세 조정을 통해 투약 오류를 33% 감축했다.
- •아마존 글로벌 엔지니어링은 멀티 에이전트 오케스트레이션을 도입해 시설 점검 인력을 80% 절감했다.
- •GRPO와 DAPO 등 고도화된 최적화 기법이 전문 분야 에이전트의 추론 능력을 극대화하고 있다.
프롬프트 엔지니어링과 RAG(검색 증강 생성)가 AI 도입의 훌륭한 시작점임은 분명하다. 하지만 실제 기업 환경에서 요구하는 수준의 신뢰성을 확보하려면 이야기가 달라진다.
Amazon에 따르면 고도의 전문성이 필요한 애플리케이션 4개 중 1개는 미세 조정을 거쳐야만 프로덕션 단계에 진입할 수 있다.
특히 오류 허용 범위가 극히 좁은 헬스케어와 물류 분야에서 미세 조정의 힘은 강력했다.
Amazon Pharmacy는 제약 전문 로직을 모델에 학습시켜 위험한 투약 오류를 33%나 줄이는 성과를 거뒀다. 범용 모델의 한계를 넘어 특정 도메인에 특화된 지능을 구현한 결과다.
최근 AI의 흐름은 단일 챗봇을 넘어 전문화된 '하위 에이전트'들이 협력하는 멀티 에이전트 오케스트레이션으로 진화하고 있다. 이 과정에서 GRPO와 같은 최신 기법이 핵심적인 역할을 한다. GRPO는 모델이 생성한 여러 답변을 비교해 평균보다 더 나은 추론을 내놓을 때 보상을 주는 방식이다. 이를 통해 복잡한 문제를 해결하는 모델의 내부 사고 과정을 더욱 정교하게 다듬는다.
한 걸음 더 나아가 Amazon은 DAPO를 활용해 긴 추론 과정 중 발생하는 미세한 오류를 실시간으로 교정한다. 덕분에 에이전트는 목표를 잃거나 환각 현상을 일으키지 않고 일관된 계획을 유지할 수 있다.
이제 기업에 있어 AI 경쟁력은 단순히 기초적인 모델을 사용하는 데 있지 않다. 파운데이션 모델의 기본 성능에 의존하기보다, 산업의 미세한 뉘앙스에 맞춰 추론 엔진을 얼마나 정교하게 최적화하느냐가 승부의 관건이 될 전망이다.