Day 3 - AWS AI 서비스 (1): 이미지·문서·텍스트·음성을 다루는 관리형 API

한눈에 보는 6개 서비스

지금까지 본 Bedrock 과 SageMaker 는 "모델 자체"를 다루는 서비스였다. 오늘 보는 서비스들은 결이 다르다. 모델을 만들거나 고를 필요조차 없이, API 한 번 호출로 특정 작업을 끝내주는 관리형 AI 서비스들이다. AWS 는 이를 "AI Services"라고 부른다.

• 이들은 AWS 가 미리 학습시켜 둔 모델을 뒤에 숨겨두고, "이미지에서 글자 찾기", "음성을 텍스트로" 같은 완성된 기능만 노출한다.
• AIF-C01 시험은 "이 작업에는 어떤 서비스?"를 집요하게 묻는다. 6개 핵심 서비스의 용도를 정확히 짝짓는 것이 목표다.

이 표가 오늘의 핵심이다. 외우는 요령은 입력이 무엇인가부터 보는 것이다. 사진·영상이면 Rekognition, 서류면 Textract, 글이면 Comprehend 나 Translate, 소리면 Transcribe, 글을 소리로 바꾸면 Polly 다.

Rekognition: 이미지와 영상을 보는 눈

Amazon Rekognition 은 이미지·영상을 분석하는 컴퓨터 비전 서비스다.

• 객체·장면 탐지: 사진에 무엇이 있는지(자동차, 강아지, 해변).
• 얼굴 분석·비교: 얼굴 감지, 두 얼굴이 같은 사람인지 비교, 표정·연령대 추정.
• 텍스트 추출: 이미지 속 글자 읽기(간판, 번호판).
• 부적절 콘텐츠 탐지(content moderation): 폭력·선정적 이미지 필터링.
• 유명인 인식, 라벨링 등.

조금 더 들어가면 시험에 나올 만한 기능이 셋 더 있다.

• Custom Labels: 자사 로고·제품·부품처럼 일반 모델이 모르는 대상을 내 이미지로 학습시켜 찾게 한다. "ML 전문성 없이 우리 회사 제품을 이미지에서 찾고 싶다"의 답이다.
• 보호 장비(PPE) 탐지: 작업자가 안전모·마스크 등을 착용했는지 확인한다.
• Face Liveness: 얼굴 인증 때 카메라 앞에 실제 사람이 있는지, 사진·영상으로 속이는지 가려낸다.

가상의 사례로, 한 SNS 플랫폼은 사용자가 올리는 수백만 장의 이미지에서 부적절 콘텐츠를 사람이 일일이 검수했다. Rekognition 의 content moderation API 로 1차 자동 필터링을 도입하자, 사람은 애매한 경우만 검토하면 되어 검수 인력이 크게 줄었다. "이미지/영상을 이해해야 한다"는 단서가 나오면 Rekognition 이다.

• 탐지 결과에는 신뢰도 점수가 붙는다. 사례처럼 점수가 높은 것은 자동 처리하고 애매한 구간만 사람이 보는 구성이 Human-in-the-loop 의 전형이다.
• 얼굴 분석은 사람의 권리에 닿는 기능이다. 책임 있는 AI 관점에서 용도와 한계를 확인하고 써야 한다는 점이 Week 5 와 이어진다.

Textract: 문서를 진짜로 읽기

Amazon Textract 는 단순 OCR 을 넘어선다. 일반 OCR 이 "글자만" 뽑는다면, Textract 는 표(table)와 양식(form)의 구조까지 이해한다. 청구서에서 "총액: $1,200" 같은 키-값 쌍을 인식하고, 표를 행·열로 정확히 추출한다.

💡 관련 이론: Rekognition 도 이미지 속 텍스트를 읽지만, Textract 는 문서 처리에 특화되어 있다. 영수증, 세금 양식, 보험 청구서, 신분증처럼 "구조가 있는 문서"에서 데이터를 뽑아 자동 처리하는 게 목적이다. 시험에서 "스캔한 청구서/양식에서 필드를 추출해 자동 입력"이면 Textract, "사진 속 객체나 얼굴 분석"이면 Rekognition 으로 가른다.

같은 "글자 읽기"라도 대상이 다르다. 거리 사진 속 간판 한 줄은 Rekognition, 서류 한 장의 어느 칸에 무슨 값이 있는지는 Textract 다.

Comprehend: 텍스트의 의미를 파악

Amazon Comprehend 는 자연어 처리(NLP) 서비스로, 텍스트의 의미를 분석한다.

• 감정 분석(sentiment): 긍정/부정/중립, 그리고 둘이 섞인 혼합.
• 개체 인식(entity): 사람·장소·날짜·조직 추출.
• 핵심 구(key phrase), 언어 감지, 주제 모델링.
• PII 탐지: 텍스트 속 개인정보 식별.

의료 텍스트에 특화된 Comprehend Medical 도 있다.

• 대상 감정(targeted sentiment): 문서 전체가 아니라 개체별 감정을 본다. "음식은 훌륭했지만 배송이 늦었다"에서 음식은 긍정, 배송은 부정으로 나뉜다.
• Comprehend Custom: 내 분류 체계로 문서를 나누는 커스텀 분류와, 내 업계 고유 용어를 찾는 커스텀 개체 인식을 내 데이터로 만든다. 모델 설계는 서비스가 대신한다.

🔍 더 깊이: Comprehend 는 "텍스트가 이미 있을 때" 그 의미를 분석한다. 고객 리뷰 수천 건의 감정을 자동 집계하거나, 문서에서 사람·날짜를 뽑아 색인하는 식이다. "텍스트의 감정/개체/언어를 분석"이라는 단서가 핵심 신호다.

Comprehend 는 글을 새로 쓰지 않는다. 분류하고 뽑아낼 뿐이다. 요약문이나 답장을 만들어야 하면 생성형 AI(Bedrock)의 일이다.

Transcribe & Polly: 음성과 텍스트를 오가다

이 둘은 서로 반대 방향이다.

• Amazon Transcribe (STT, Speech-to-Text): 음성 → 텍스트. 회의 녹음 받아쓰기, 콜센터 통화 기록, 자막 생성. 화자 분리(누가 말했는지)도 지원.
• Amazon Polly (TTS, Text-to-Speech): 텍스트 → 음성. 자연스러운 사람 목소리로 글을 읽어준다. 오디오북, 음성 안내, 접근성.

• Transcribe 는 S3 에 올린 파일을 처리하는 배치와 실시간 스트리밍을 모두 지원한다. 녹음 파일 정리는 배치, 생방송 자막은 스트리밍이다.
• 전문 용어·고유명사를 잘못 받아쓰면 사용자 지정 어휘나 커스텀 언어 모델로 보완한다. 받아쓴 글에서 개인정보를 가리거나 부적절한 단어를 거르는 기능도 있다.
• 콜센터 통화 분석과 의료 받아쓰기에 맞춘 변형(Call Analytics, Transcribe Medical)이 있다.
• Polly 는 표준·뉴럴·장문·생성형 등 여러 종류의 음성을 제공하고, SSML 태그로 발음·쉼·속도를 조절한다.

가상의 사례로, 한 콜센터는 Transcribe 로 통화를 텍스트로 변환하고, 그 텍스트를 Comprehend 에 넣어 고객 감정을 분석했다. 불만 신호가 강한 통화를 자동 플래그해 관리자에게 알렸다. 여러 AI 서비스를 파이프라인으로 연결한 전형적 예다(음성→텍스트→감정).

Translate: 언어의 장벽 넘기

Amazon Translate 는 신경망 기반 기계 번역 서비스다. 텍스트를 한 언어에서 다른 언어로 실시간 번역한다. 다국어 웹사이트, 고객 지원 메시지 번역, 실시간 채팅 통역 등에 쓴다.

Translate 역시 다른 서비스와 자주 결합한다. 예를 들어 외국어 음성을 Transcribe 로 받아쓰고 → Translate 로 번역하고 → Polly 로 다시 음성으로 내보내면 간단한 통역 파이프라인이 된다.

• 브랜드명·제품명처럼 번역하면 안 되거나 정해진 표현으로 옮겨야 하는 말은 사용자 지정 용어집으로 고정한다.
• 여러 언어로 들어온 리뷰를 한 언어로 번역한 뒤 Comprehend 로 분석하는 조합도 흔하다(Translate→Comprehend).

이 6개 서비스의 공통점은 "사전학습된 모델을 API 로 노출" 한다는 것이다. 사용자는 ML 지식 없이 즉시 쓸 수 있다. 단, 매우 특수한 도메인(예: 전문 의료 용어, 자사 고유 제품명)은 일반 모델이 약할 수 있어, 일부 서비스는 커스텀 모델/사용자 사전 기능을 제공한다. 그래도 "직접 학습"이 필요한 수준이면 SageMaker 로 넘어가야 한다.

닮은 기능 가려내기

완성형 AI 서비스냐, 파운데이션 모델이냐. 요즘 FM 은 이미지도 읽고 번역도 한다. 그래도 시험은 다음 기준으로 완성형 서비스를 고르게 한다.

커스터마이징과 비용

• 여섯 서비스 모두 쓴 만큼 내는 구조이고 미리 띄워 둘 서버가 없다. 예외에 가까운 것이 커스텀 모델의 실시간 엔드포인트로, 띄워 둔 시간만큼 과금된다.
• 파이프라인은 단계마다 요금이 붙는다. 통화 1분을 Transcribe→Translate→Comprehend 로 돌리면 세 서비스의 요금이 모두 든다.

흔한 오해.

• "AI 서비스도 쓰려면 학습 데이터를 준비해야 한다" → 기본 기능은 데이터 없이 바로 호출한다. 데이터가 필요한 것은 커스텀 기능뿐이다.
• "Rekognition 이 글자를 읽으니 문서 처리도 된다" → 글자는 읽지만 표·키-값 구조는 Textract 의 일이다.
• "감정 분석에는 생성형 AI 가 필요하다" → 긍정/부정 분류는 Comprehend 로 충분하고 결과 형태도 일정하다.
• "Polly 가 통화를 받아쓴다" → 방향이 반대다. 받아쓰기는 Transcribe 다.

시나리오 → 정답 판별표

내일은 나머지 AI 서비스(Lex, Kendra, Personalize, Forecast)와 Amazon Q 를 보고, 전체 서비스를 "어떤 작업에 무엇을" 고르는 기준으로 묶는다.

📖 용어

• 컴퓨터 비전 : 이미지·영상에서 사물, 얼굴, 글자 등을 알아보는 AI 분야.
• OCR : 이미지 속 글자를 텍스트로 읽어 내는 기술. Textract 는 여기에 표·양식 구조 이해를 더한다.
• 키-값 쌍 : "총액: 1,200"처럼 항목 이름과 그 값이 짝지어진 것. 양식 문서의 기본 구조다.
• NLP(자연어 처리) : 사람의 글을 컴퓨터가 분석하고 이해하게 하는 기술.
• 개체 인식 : 글에서 사람, 장소, 날짜, 조직 같은 이름을 찾아내는 것.
• PII : 이름, 주소, 계좌번호처럼 개인을 식별할 수 있는 정보.
• STT / TTS : 음성을 글로 바꾸는 것(Speech-to-Text)과 글을 음성으로 바꾸는 것(Text-to-Speech).
• 화자 분리 : 녹음에서 누가 어느 부분을 말했는지 나누는 것.
• 콘텐츠 모더레이션 : 부적절한 이미지·영상·글을 찾아 걸러내는 일.
• 신뢰도 점수 : 서비스가 자기 판단을 얼마나 확신하는지 나타내는 값. 낮으면 사람 검토로 넘긴다.

📝 연습 문제

선택지를 클릭하면 정답·해설이 펼쳐집니다.

문제 1

사용자가 업로드한 사진에서 객체와 얼굴을 감지하고 부적절한 콘텐츠를 자동으로 걸러내려 한다. 가장 적합한 서비스는?

• AAmazon Comprehend
• BAmazon Rekognition
• CAmazon Polly
• DAmazon Translate

문제 2

스캔한 청구서 이미지에서 "총액", "날짜" 같은 키-값 쌍과 표 데이터를 구조화해 추출하려 한다. 가장 적합한 서비스는?

• AAmazon Textract
• BAmazon Transcribe
• CAmazon Rekognition
• DAmazon Polly

문제 3

고객 리뷰 수천 건이 긍정인지 부정인지 자동으로 분류하고, 텍스트에서 사람·장소 같은 개체를 추출하려 한다. 적합한 서비스는?

• AAmazon Translate
• BAmazon Comprehend
• CAmazon Textract
• DAmazon Lex

문제 4

콜센터 통화 녹음을 텍스트로 변환한 뒤, 그 텍스트의 고객 감정을 분석하려 한다. 어떤 서비스 조합이 적절한가?

• APolly → Translate
• BTranscribe → Comprehend
• CRekognition → Textract
• DTranslate → Polly

문제 5

웹사이트의 안내 텍스트를 자연스러운 사람 목소리의 음성으로 변환해 들려주려 한다. 가장 적합한 서비스는?

• AAmazon Transcribe
• BAmazon Polly
• CAmazon Comprehend
• DAmazon Rekognition