스완, Amazon Bedrock으로 IoT 보안 시스템 고도화
- •스완(Swann)은 Amazon Bedrock을 통해 1,170만 대의 보안 카메라에서 발생하는 월간 2억 7,500만 건의 추론을 처리하고 있다.
- •Nova와 Claude를 활용한 계층형 모델 전략으로 운영 비용을 99.7% 절감하고 탐지 정확도를 대폭 개선했다.
- •지능형 사전 필터링 기술로 API 호출을 88% 줄였으며, 가정용 사용자에게 전달되는 무의미한 알림을 크게 감소시켰다.
홈 보안 분야의 선구자인 스완 커뮤니케이션즈(Swann Communications)가 전 세계 1,170만 대의 기기 네트워크에 생성형 AI를 통합하며 스마트 카메라와의 상호작용 방식을 혁신하고 있다. Amazon Bedrock을 기반으로 구축된 이 시스템은 단순한 움직임 감지를 넘어 배달 기사와 잠재적 침입자를 구분할 수 있는 문맥 인지형 알림을 제공한다. 이는 특히 지나가는 자동차나 반려동물 등의 무의미한 트리거로 인해 사용자가 중요한 보안 알림을 무시하게 되는 '알림 피로' 현상을 효과적으로 해결했다.
스완의 아키텍처는 성능과 비용의 균형을 맞추기 위해 월간 2억 7,500만 건의 추론에 정교한 계층형 모델 전략을 적용했다. 일상적인 스크리닝은 효율적인 Amazon Nova Lite 모델이 담당하며, 정밀한 위협 검증이 필요한 상황에서는 Nova Pro나 앤트로픽(Anthropic)의 Claude 시리즈와 같은 고성능 모델로 작업을 전환한다. 특히 GPU 기반 가상 서버인 Amazon EC2에서의 지능형 사전 필터링을 결합한 결과, 월간 운영 비용을 예상치인 210만 달러에서 단 6,000달러로 낮추며 99.7%라는 경이적인 비용 절감 효과를 거두었다.
비용 절감 외에도 자연어 명령을 통해 맞춤형 알림을 설정할 수 있는 'Notify Me When' 기능이 새롭게 도입됐다. 예를 들어 "수영장 근처에 아이가 있을 때 알려줘"와 같은 인간의 언어를 시스템이 정밀한 보안 파라미터로 변환하여 모니터링한다. 이러한 구현은 대규모 IoT 생태계가 파운데이션 모델을 활용해 원시 센서 데이터를 실질적이고 개인화된 정보로 전환하는 '피지컬 AI'의 흐름을 잘 보여준다.
마지막으로 스완은 시스템의 신뢰성을 유지하기 위해 p95 및 p99와 같은 지연 시간 지표를 철저히 관리한다. 이는 응답 시간이 가장 느린 하위 5% 및 1% 사용자의 응답 속도까지 분석하여 모든 보안 알림이 실시간에 가깝게 전달되도록 보장하기 위함이다. 이번 사례는 수백만 개의 엣지 기기에서 복잡한 AI 워크로드를 극도로 효율적으로 확장하려는 기업들에게 중요한 기술적 청사진을 제공하고 있다.