AI 전달 체계와 보안 스캔 확장 업데이트 #46
오늘의 레터
- Anthropic, Claude Fable 5·Mythos 5 보도
- OpenAI, Preply 언어 학습 AI 도입 사례 공개
- AWS ProServe, AI 네이티브 전달 체계 공개
- Cloudflare, 보안 스캔 처리량 10배 확장
Anthropic, Claude Fable 5·Mythos 5 보도
- Anthropic의 AI 모델 관련 이슈로 Claude Fable 5와 Claude Mythos 5가 함께 보도됨
- 현재 확인 가능한 고유명사는 Anthropic, Claude Fable 5, Claude Mythos 5까지임
- 확보된 재료에는 성능 수치, 가격, 출시 일정, 지원 제품 정보가 포함되지 않음
- confidence는 reported이며, 공식 confidence_hint 없이 보조 매체 2건 이상에서 동일한 모델명 조합이 일치함
- 이번 항목의 중심 주제는 Anthropic의 모델 라인업 업데이트 관련 소식으로 분류 가능함
원문: news.hada.io
OpenAI, Preply 언어 학습 AI 도입 사례 공개
- OpenAI가 6월 12일 Preply의 AI 기반 언어 학습 기능 도입 사례를 공개함
- Preply는 수업 종료 직후 OpenAI API로 대화 기록을 분석해 Lesson Insights 요약, 문법 교정, 어휘 정리, 발음 피드백, 다음 단계 제안을 생성함
- 해당 기능은 학습자 동의 후 녹음·전사된 1:1 수업을 바탕으로 동작하며, 수업 종료 몇 분 전 생성 예약을 걸어 튜터와 학습자가 함께 검토 가능하게 설계됨
- 생성된 인사이트는 Preply의 자율 학습 과제 엔진과 연결돼 개인별 숙제와 연습 문제 생성에 이어짐
- Preply는 180개국 이상, 90개 이상 언어, 10만 명 이상 튜터를 연결하는 온라인 언어 학습 플랫폼이라고 밝힘
- 사내에는 600명 이상 직원을 대상으로 ChatGPT Enterprise를 도입했고, 주간 활성 사용률이 60%에서 95%로 증가했다고 설명함
- 고객 대상 기능 기준으로 영어 학습자의 75%가 Lesson Insights를 사용하고, 튜터의 70% 이상이 기능을 사용한다고 제시함
- 엔지니어 조직에서는 약 94%가 Codex와 AI 코딩 도구를 코드 생성, PR 리뷰, 디버깅에 사용한다고 밝혔음
원문: openai.com
AWS ProServe, AI 네이티브 전달 체계 공개
- AWS Professional Services가 기존 컨설팅 절차에 AI 도구를 덧붙이는 대신 전달 방식 전체를 재구성해 프로젝트 기간을 수개월에서 수일로 단축했다고 6월 12일 공개함
- 전담 조직 APEX가 요구사항 정의, 아키텍처 검증, 구현, 보안 리뷰, 테스트, 배포를 아우르는 멀티 에이전트 시스템 ProServe Delivery Agent를 구축함
- 상위 supervisor 에이전트가 단계별 특화 서브에이전트를 조정하고, 구조화된 스펙과 steering 파일을 공통 컨텍스트로 사용함
- 테스트와 보안 검증을 빌드 루프 안으로 옮겨 에이전트가 로컬 검증과 자체 수정까지 수행한 뒤 사람 검토로 넘기는 흐름으로 변경됨
- Delivery Agent 개발에도 같은 방식을 적용해 기능 요청을 구조화된 티켓으로 바꾸고, GitLab 연동 DevOps 파이프라인에서 코드 생성과 자동 테스트를 진행함
- AWS는 이 체계가 파일럿이 아니라 글로벌 고객 프로젝트 전반에 이미 적용 중인 기본 전달 방식이며, 고객은 기반 모델 선택과 자체 데이터·도구 확장이 가능하다고 설명함
원문: aws.amazon.com
Cloudflare, 보안 스캔 처리량 10배 확장
- Cloudflare가 Security Insights의 전역 스캔 처리량을 평균 10배 늘려 초당 10건 수준에서 100건 수준으로 확장함
- 이번 확장으로 수백만 고객 계정에 자동 보안 스캔을 활성화하고 전체 고객의 스캔 주기를 2배 높였다고 밝힘
- 기존에는 스캔이 1~2주 간격으로 수행돼 신규 보안 설정 오류가 최대 2주 동안 탐지되지 않을 수 있었음
- 스캔 파이프라인은 스케줄러가 Kafka에 메시지를 발행하고, Go 기반 체커가 자산·설정을 검사한 뒤 결과를 Postgres에 저장하는 구조임
- Kafka 파티션 증설 대신 메시지 배치 소비와 goroutine 병렬 처리로 소비자 처리량을 높임
- 처리 시간이 긴 메시지는 slow lane, 나머지는 fast lane으로 분리해 head-of-line blocking을 줄임
- Postgres 적재 구간에서는 인사이트별 개별 INSERT를 줄이고, 건수에 따라 UNNEST와 COPY를 조합하는 방식으로 최적화함
조코레터는 개발자와 만드는 사람을 위해 AI, 소프트웨어, 제품 흐름을 한국어로 정리합니다.
#AWS #Anthropic #Cloudflare #OpenAI