액소니우스, Bedrock AgentCore 기반의 안전한 다중 테넌트 AI 에이전트 구축 방법

(aws.amazon.com)

Axonius는 Amazon Bedrock AgentCore를 활용하여 기존의 보안 중심 실로(Silo) 모델을 유지하면서도, 테넌트별 데이터 격리와 정밀한 비용 추적이 가능한 안전한 다중 테넌트 AI 에이전트 아키텍처를 구현했습니다.

이 글의 핵심 포인트

1Axonius는 고객별 데이터 격리를 위해 기존의 실로(Silo) 배포 모델을 유지하며 AI 에이전트를 통합함
2다중 테넌트 AI 아키텍처의 세 가지 패턴으로 실로(Silo), 풀(Pool), 브릿지(Bridge) 모델을 제시함
3AI 에이전트 도입 시 고려해야 할 핵심 요구사항으로 테넌트 격리, 정체성 통합, 비용 추적, API 연동 등을 정의함
4Amazon Bedrock AgentCore를 활용하여 대규모로 에이전트를 구축, 연결 및 최적화하는 전략을 검토함
5AI 에이전트 운영 시 테넌트별 모델 호출 비용을 정확히 파악하는 것이 수익성 관리에 필수적임을 강조함

이 글에 대한 공공지능 분석

왜 중요한가?

SaaS 기업이 AI 에이전트를 도입할 때 직면하는 가장 큰 기술적 난제인 '다중 테넌트 환경에서의 보안 격리와 비용 관리'에 대한 실질적인 엔지니어링 해법을 제시하기 때문입니다. 단순히 모델을 사용하는 차원을 넘어, 기존 비즈니스 모델을 파괴하지 않고 AI를 어떻게 운영 인프라에 녹여낼지에 대한 이정표를 제공합니다.

어떤 배경과 맥락이 있나?

최근 ISV(독립 소프트웨어 공급업체)들은 자사 서비스에 에이전트 기능을 추가하려 하지만, 고객별로 격리된 환경을 유지하면서 AI 워크로드를 확장하는 것은 매우 복잡한 문제입니다. 특히 보안 민감도가 높은 기업용 솔루션은 테넌트 간 데이터 혼입(Data leakage) 방지가 최우선 과제입니다.

업계에 어떤 영향을 주나?

AI 에이전트의 도입이 단순한 기능 업데이트를 넘어 '인프라 아키텍처의 재설계'로 이어질 것임을 시사합니다. 개발자들은 이제 모델의 성능뿐만 아니라, 테넌트별 비용 추적(Cost tracking)과 관찰 가능성(Observability)을 보장할 수 있는 고도의 플랫폼 엔지니어링 역량을 요구받게 될 것입니다.

한국 시장에 어떤 시사점이 있나?

보안과 개인정보 보호 규제가 매우 엄격한 한국의 B2B SaaS 스타트업들에게, 기존의 고객 격리 모델(Silo)을 유지하면서도 AI를 안전하게 통합할 수 있는 기술적 벤치마크로 활용될 수 있습니다.

이 글에 대한 큐레이터 의견

Axonius의 사례는 AI 에이전트를 단순한 '기능'이 아닌 '확장 가능한 인프라 서비스'로 바라보는 관점을 보여줍니다. 특히 기존의 실로(Silo) 모델을 유지하려는 결정은 고객 신뢰를 최우선으로 하는 엔터프라이즈 SaaS 기업에게 매우 전략적인 선택입니다. 이는 새로운 기술 도입 시 기존 비즈니스 로직과 보안 규정을 얼마나 잘 보존할 수 있는지가 제품 경쟁력의 핵심임을 입증합니다.

다만, 모든 테넌트에 대해 전용 에이전트와 인프라를 할당하는 실로 모델은 확장성 측면에서 '비용 급증(Cost explosion)'이라는 리스크를 안고 있습니다. 고객 수가 늘어날수록 관리해야 할 에이전트의 수가 기하급수적으로 증가하며, 이는 운영 복잡도와 인프라 비용 부담으로 이어질 수 있습니다. 따라서 스타트업은 초기에는 보안을 위해 실로 모델을 채택하더라도, 서비스 규모가 커짐에 따라 브릿지(Bridge)나 풀(Pool) 모델로의 점진적 전환을 고려한 유연한 아키텍처 설계가 필요합니다.

원문 보기 →