[AWS] 13. 디지털 전환과 서버리스

DX는 기술 도입이 아니라 비즈니스 모델의 혁신이다.
클라우드는 그 혁신의 속도·확장성·유연성을 받쳐주는 기반이다.
이번 주차는 DX 개념 → 산업별 사례 → 서버리스 아키텍처 → Lambda+API Gateway 데모로 이어진다.

1. 디지털 전환(DX)이란 무엇인가

DX는 단순 자동화가 아니다. 비즈니스 모델 자체를 바꾸는 것이 핵심이다. Netflix가 DVD 대여에서 스트리밍으로 모델을 갈아엎은 게 교과서적 사례다.

DX는 보통 3단계로 구분한다.

단계	의미	예시
Digitization	아날로그 → 디지털 데이터 변환	종이 문서 → PDF 스캔
Digitalization	기존 프로세스를 디지털 도구로 개선	이메일 결재, ERP 도입
Digital Transformation	새로운 방식의 가치 창출	플랫폼 비즈니스, 데이터 기반 서비스

여기서 중요한 건 세 번째 단계만 진짜 DX라는 점이다. 앞 두 단계는 "디지털화"일 뿐이고, 비즈니스 모델이 바뀌어야 transformation이다.

DX의 핵심 구성 요소는 기술(클라우드, AI, IoT, 빅데이터) · 조직(애자일, cross-functional team, 데이터 기반 의사결정) · 문화(변화 수용, 실험 장려, 실패 허용) 세 축이다. 강의에서 강조한 문장 그대로 옮기면 "DX는 IT 부서의 프로젝트가 아니라 조직 전체가 함께 만드는 변화"다.

💡 실무 관점에서 보면 이 세 축 중 무너지는 건 거의 항상 '문화'다. 기술 도입은 예산만 있으면 되고 조직 개편도 인사 발령으로 끝나지만, "실패 허용"은 KPI 평가 체계와 정면으로 충돌한다. 그래서 DX 프로젝트가 PoC에서 멈추는 경우가 많다.

2. 산업별 디지털 변화 사례

강의에서 다룬 사례를 산업별로 정리한다. 공통적으로 AWS 위에서 돌아간다는 점이 포인트다.

산업	사례	핵심 성과	성공 포인트
금융	신한은행 AI 비대면 대출 심사	대면 대비 70% 이상 처리 시간 단축, 5분 내 대출	고객 편의성 + 금융보안원 가이드라인 준수
제조	GE Aviation 예측 유지보수	유지보수 비용 10~15% 절감	IoT 센서 + SageMaker 실시간 분석
제조	현대자동차 스마트 팩토리	불량률 20% 감소	카메라·센서 데이터 실시간 분석 자동화
유통/물류	쿠팡 로켓배송	평균 배송 시간 단축	수요 예측 AI + 전국 물류센터 실시간 연동
의료	서울아산병원 AI 영상 분석	암 조기 발견 정확도 향상, 판독 시간 단축	대규모 GPU 인프라를 클라우드로 확장
의료	Philips HealthSuite	전 세계 1억 명 이상 환자 데이터 관리	글로벌 확장성 + HIPAA 준수
공공	싱가포르 Smart Nation	교통·에너지·재난 실시간 분석	중앙 집중형 데이터 허브
공공	행정안전부 정부24	트래픽 급증 대응	Auto Scaling으로 안정성 + 비용 절감

💡 사례를 쭉 보면 규제 산업(금융·의료·공공)일수록 "성공 포인트"에 항상 컴플라이언스가 따라붙는다. 신한은행은 금융보안원 가이드라인, Philips는 HIPAA, 정부24는 CSAP. 클라우드 도입의 기술 난이도보다 규제 충족이 실제 병목이라는 게 사례에서 드러난다. 의료 데이터를 다뤄본 입장에서 보면, 모델 정확도보다 데이터 거버넌스 설계에서 프로젝트 일정이 더 잡아먹힌다.

3. 서버리스 컴퓨팅 개요

서버리스의 정의에서 헷갈리기 쉬운 지점부터 짚는다. 서버리스는 '서버가 없는' 게 아니라 '서버 관리에서 자유로운' 것이다. 서버 provisioning · 운영 · scaling을 클라우드 제공자가 대신 관리하고, 개발자는 비즈니스 로직에만 집중한다.

특징은 네 가지로 정리된다.

무관리형 인프라 (Zero Server Management)
자동 확장 (Auto Scaling)
사용량 기반 과금 (Pay-per-use)
빠른 개발·배포 속도

실행은 주로 event 기반이다. 트리거가 있을 때만 동작한다. 대표 서비스가 AWS Lambda다.

주요 서버리스 서비스

서비스	역할	메모
AWS Lambda	event 기반 함수 실행	트리거: S3, API Gateway, DynamoDB Streams, CloudWatch Events
Amazon S3	객체 스토리지	내구성 99.999999999%(11 nines), Lambda 트리거 소스
Amazon DynamoDB	완전관리형 NoSQL	초당 수천 요청, on-demand/provisioned 모드
Amazon API Gateway	완전관리형 API 생성·관리	요청 검증·인증·throttling, 서버리스 백엔드의 입구

전형적인 서버리스 아키텍처는 이렇게 연결된다.

사용자 → S3(웹 호스팅) → API Gateway → Lambda(List/Create/Search/Delete/Update) → DynamoDB

CRUD 동작별로 Lambda 함수를 쪼개고, API Gateway가 라우팅을, DynamoDB가 데이터 저장을 맡는 구조다.

💡 Pay-per-use를 "무조건 싸다"로 오해하기 쉬운데, 트래픽이 꾸준히 높으면 오히려 EC2/Fargate 상시 운영이 더 저렴해지는 구간이 있다. 서버리스의 진짜 강점은 비용 자체보다 트래픽 변동성에 있다. 간헐적·예측 불가 트래픽에서 idle 비용이 0이 되는 게 핵심이다. 강의 후반 Capital One/iRobot 사례에서 "비용 절감 도구가 아니라 비즈니스 민첩성 플랫폼"이라고 못 박은 이유가 여기 있다.

4. AWS 기반 DX 성공 사례 분석

서버리스를 실제로 적용한 기업 사례와 아키텍처를 분석하는 파트다.

사례 유형별 정리

스타트업: Airbnb(Lambda로 이미지 처리 자동화 → 인프라 비용 절감), Bustle(API Gateway + Lambda로 콘텐츠 API → 트래픽 변동 탄력 대응)
대기업: Coca-Cola(자판기 데이터 처리에 Lambda → 하드웨어 관리 비용 절감), iRobot(가정용 로봇 센서 데이터에 서버리스 적용)
공공/비영리: NASA(S3 + Lambda로 우주 사진 실시간 처리·배포), UNICEF(API Gateway + Lambda로 현장 데이터 수집·분석)

신한은행 AI 대출 심사 아키텍처

모바일 앱 → API Gateway → Lambda(심사 로직) → SageMaker(AI 모델 학습·배포) → S3(데이터 저장)

Amazon S3: 데이터 저장
Amazon SageMaker: AI 모델 학습·배포
AWS Lambda: 심사 로직 실행
Amazon API Gateway: 모바일 앱 연동
특징: 보안 규제 준수(VPC, KMS 암호화) 포함
성과: 심사 시간 3일 → 5분

쿠팡 물류 최적화 아키텍처

DynamoDB → Glue crawler → Glue Data Catalog → Glue ETL Job → S3 → Athena

EC2 & ECS: 주문 예측 알고리즘
DynamoDB: 재고 실시간 데이터
Glue + Athena: 데이터 분석
전국 물류센터와 API 연계

iRobot IoT 플랫폼 아키텍처

IoT 보드 → IoT Core(topic→rule) → Kinesis Data Firehose → S3
                                          ↓
                                      Lambda → Redshift

AWS IoT Core: 로봇과 클라우드 연결
Amazon Kinesis: 실시간 데이터 streaming
Amazon Redshift: 분석 데이터 웨어하우스
특징: 글로벌 확장, event 기반 데이터 처리

💡 세 아키텍처를 비교하면 데이터 성격에 따라 파이프라인이 갈리는 게 보인다. 신한은행은 요청-응답형(API Gateway 진입)이고, 쿠팡은 배치 분석형(Glue ETL → Athena), iRobot은 스트리밍형(Kinesis Firehose)이다. 같은 "서버리스"라도 동기 호출이냐 배치냐 스트림이냐에 따라 중심 서비스가 완전히 달라진다. 아키텍처 그릴 때 가장 먼저 정해야 하는 게 이 데이터 흐름 유형이다.

💡 쿠팡 다이어그램에서 DynamoDB → Glue로 바로 넘어가는데, 실시간 OLTP 저장소(DynamoDB)와 분석 저장소(S3/Athena)를 분리한 전형적인 패턴이다. DynamoDB에서 무리하게 집계 쿼리를 돌리지 않고 Glue로 떠서 Athena로 분석하는 구성. 운영 DB와 분석 DB를 섞으면 둘 다 망가진다는 실무 원칙이 그대로 반영돼 있다.

5. 실습 데모 — Lambda + API Gateway

강의 데모는 GET /hello 엔드포인트를 서버리스로 띄우는 흐름이다. 절차는 함수 생성 → API 연동 → 배포·테스트 → 정리 순서다.

5-1. Lambda 함수 생성

Python 런타임으로 함수를 작성한다. 데모용 핸들러는 이 정도면 충분하다.

import json

def lambda_handler(event, context):
    return {
        "statusCode": 200,
        "headers": {"Content-Type": "application/json"},
        "body": json.dumps({"message": "Hello from Lambda"}, ensure_ascii=False),
    }

📸 [스크린샷: Lambda 함수 생성 — 런타임 Python 함수]

5-2. API Gateway 설정 — GET /hello 연동

API Gateway에서 REST API(또는 HTTP API)를 만들고 GET /hello 경로를 생성한 뒤 위 Lambda와 통합한다.

📸 [스크린샷: API Gateway에서 /hello 리소스 + GET 메서드 생성, Lambda 통합 설정]

5-3. 배포 및 테스트

스테이지로 배포하면 Invoke URL이 발급된다. 브라우저나 curl로 호출해 확인한다.

curl https://{api-id}.execute-api.ap-northeast-2.amazonaws.com/{stage}/hello
# {"message": "Hello from Lambda"}

📸 [스크린샷: Invoke URL 브라우저 호출 결과 — JSON 응답 확인]

5-4. 정리(Cleanup)

데모가 끝나면 과금/리소스 누수를 막기 위해 정리한다. 순서는 API → Lambda → CloudWatch 로그 그룹이다.

💡 EC2 실습 때 Stop/Terminate를 헷갈렸던 것처럼, 서버리스는 "삭제할 게 없어 보여서" 오히려 cleanup을 빼먹기 쉽다. 하지만 Lambda를 지워도 /aws/lambda/{함수명} CloudWatch 로그 그룹은 남는다. 로그 보존 기간을 안 정해두면 계속 쌓이면서 소액이지만 과금된다. "서버리스 = 0원"이 아니라 "idle compute가 0원"이지 부수 리소스는 따로 청소해야 한다.

💡 API Gateway → Lambda 통합에서 처음 막히는 지점이 proxy integration 여부다. Lambda proxy 통합을 켜면 event에 HTTP 요청 전체가 그대로 들어오고 반환값은 위 코드처럼 statusCode/headers/body 형태를 강제한다. 이 형식을 안 맞추면 호출은 되는데 502 Internal server error가 뜬다. 콘솔 데모에서 응답이 안 나오면 코드 로직보다 이 반환 구조부터 의심하는 게 빠르다.

💡 콘솔로 클릭해서 만들면 직관적이지만, 같은 구성을 IaC(SAM, CDK, Terraform)로 짜두면 cleanup이 destroy 한 줄로 끝난다. 데모는 콘솔로 흐름을 익히되, 반복 배포할 거면 콘솔 클릭은 결국 IaC로 옮기는 게 맞다. 콘솔에서 만든 리소스는 손으로 지워야 하고 빠뜨리기 쉽다.

학습 정리

DX는 디지털화(Digitization/Digitalization)와 다르다. 비즈니스 모델 자체의 혁신이 진짜 transformation이다.
DX는 기술·조직·문화 세 축의 균형으로 굴러간다. 실무에서 가장 먼저 깨지는 건 '문화(실패 허용)'다.
규제 산업(금융·의료·공공) 사례의 성공 포인트엔 항상 컴플라이언스(금융보안원 가이드라인, HIPAA, CSAP)가 붙는다.
서버리스는 '서버가 없는' 게 아니라 '서버 관리에서 자유로운' 것이다. 강점은 비용 자체보다 트래픽 변동성 대응에 있다.
같은 서버리스라도 데이터 흐름 유형(요청-응답 / 배치 / 스트리밍)에 따라 중심 서비스가 갈린다. 아키텍처 설계의 첫 분기점이 데이터 흐름이다.
Lambda + API Gateway 데모의 핵심 함정은 proxy integration 반환 형식과 cleanup(특히 CloudWatch 로그 그룹) 누락이다.

'개인공부' 카테고리의 다른 글

[AWS] 12. 클라우드 보안 실무 사례 분석 (1)	2026.06.20
[AWS] 11. 멀티 AZ, ELB 활용 고가용성 및 장애 복구 설계 (1)	2026.06.20
[AWS] 10. AWS 조직 및 계정 관리 — Organizations와 SCP (0)	2026.06.20
[AWS] 9. CloudWatch · CloudTrail로 모니터링하기 (1)	2026.06.20
[AWS] 8. 클라우드 아키텍처 설계 기초 (0)	2026.06.20

grimcode 님의 블로그

[AWS] 13. 디지털 전환과 서버리스

1. 디지털 전환(DX)이란 무엇인가

2. 산업별 디지털 변화 사례

3. 서버리스 컴퓨팅 개요

주요 서버리스 서비스

4. AWS 기반 DX 성공 사례 분석

사례 유형별 정리

신한은행 AI 대출 심사 아키텍처

쿠팡 물류 최적화 아키텍처

iRobot IoT 플랫폼 아키텍처

5. 실습 데모 — Lambda + API Gateway

5-1. Lambda 함수 생성

5-2. API Gateway 설정 — GET /hello 연동

5-3. 배포 및 테스트

5-4. 정리(Cleanup)

학습 정리

'개인공부' 카테고리의 다른 글

티스토리툴바

[AWS] 13. 디지털 전환과 서버리스

1. 디지털 전환(DX)이란 무엇인가

2. 산업별 디지털 변화 사례

3. 서버리스 컴퓨팅 개요

주요 서버리스 서비스

4. AWS 기반 DX 성공 사례 분석

사례 유형별 정리

신한은행 AI 대출 심사 아키텍처

쿠팡 물류 최적화 아키텍처

iRobot IoT 플랫폼 아키텍처

5. 실습 데모 — Lambda + API Gateway

5-1. Lambda 함수 생성

5-2. API Gateway 설정 — GET /hello 연동

5-3. 배포 및 테스트

5-4. 정리(Cleanup)

학습 정리

'개인공부' 카테고리의 다른 글

'개인공부' Related Articles

티스토리툴바