이 과정은 기술 전문가용 AWS 커뮤니티인 AWS 기술 필드 커뮤니티(TFC) 회원이 개발했습니다. 콘텐츠는 표준 교육 커리큘럼을 보완하고 AWS 학습 여정을 확대하기 위한 것입니다. AWS는 일부 과정에 접근성 제한이 있음을 인지하고 있으며 이를 해결하기 위해 노력하고 있습니다. 접근성과 관련하여 지원이 필요한 경우 AWS Training and Certification 고객 지원 센터에 문의하십시오.
엔터프라이즈가 에이전틱 AI 도구(Claude Code·Codex·Kiro·Amazon Q 등)를 안전하게 도입하기 위한 보안·거버넌스 전략을 정리합니다. AI가 Chat→Assistant→Agent로 진화하며 자율성이 올라갈수록 생산성의 원천이 곧 위험의 원천이 된다는 관점에서, 프롬프트 인젝션·과도한 권한·민감 데이터 유출·공급망(도구) 위협·섀도우 AI·환각/오작동 6가지 대표 위험을 짚습니다. 이어 도구가 바뀌어도 변하지 않는 4가지 통제 영역 — 권한(최소 권한·RBAC·HITL·샌드박싱), 데이터·입출력(데이터 주권·CMK·PII 마스킹·프라이빗 네트워크), 기록(전 호출 중앙 로깅·감사 추적·섀도우 AI 탐지), 비용(사용자·팀별 한도·임계치 차단·모델 자동 다운그레이드) — 을 실무 적용 예시와 함께 설명합니다. 이 통제를 도구에 종속되지 않고 한 곳에서 집행하는 LLM Gateway(프록시) 레이어의 구성 옵션(클라우드 네이티브 매니지드 vs 오픈소스 셀프 호스티드)과 예산 관리·모델 자동 다운그레이드 데모를 살펴보고, 학습하지 않음·KMS 암호화·프라이빗 네트워크·컴플라이언스·SLA를 제공하는 Amazon Bedrock 보안 토대와 도입 체크리스트로 마무리합니다.
