Articleaws.amazon.com·2026년 11월 13일·0

Cost attribution and controls for AI developer and productivity tools on Amazon Bedrock

Quick Summary

Amazon Bedrock는 IAM 사용자 식별정보와 조직 태그를 활용해 AI 개발·생산성 도구의 사용자별 비용을 추적하며, 제공된 본문은 이를 위한 인증·권한·도구 설정을 설명하지만 지출 한도 통제의 구체적인 구현까지는 포함하지 않는다.

Cost attribution and controls for AI developer and productivity tools on Amazon Bedrock 관련 대표 이미지

🖼️ 인포그래픽

Cost attribution and controls for AI developer and productivity tools on Amazon Bedrock 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

Cost attribution and controls for AI developer and productivity tools on Amazon Bedrock의 핵심 내용을 4단계로 요약한 인포그래픽
Cost attribution and controls for AI developer and productivity tools on Amazon Bedrock 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

Amazon Bedrock는 IAM 사용자 식별정보와 조직 태그를 활용해 AI 개발·생산성 도구의 사용자별 비용을 추적하며, 제공된 본문은 이를 위한 인증·권한·도구 설정을 설명하지만 지출 한도 통제의 구체적인 구현까지는 포함하지 않는다.

📌 핵심 요약

  • Amazon Bedrock는 bedrock-runtime과 bedrock-mantle 호출자의 전체 IAM ARN을 자동으로 기록하고 CUR 2.0의 line_item_iam_principal에 반영한다. 귀속 처리는 엔드포인트 계층에서 이루어져 도구별 계측이나 API 호출 변경이 필요하지 않으며, 데이터는 AWS 보안 경계 안에 유지된다.
  • CUR 2.0 비용은 IAM 주체와 사용 유형별로 내보내기 주기에 따라 시간 또는 일 단위로 집계되며 요청별 비용은 제공하지 않는다. Team·CostCenter 같은 조직 태그를 추가할 수 있고, 프롬프트별 세부 정보는 모델 호출 로그나 요청 메타데이터 태그로 보완한다.
  • 공유 역할에 동일한 세션 이름을 사용하거나 게이트웨이 자체 역할로 호출하면 비용이 하나의 주체로 합산된다. IAM Identity Center는 사용자의 로그인 이름을 세션 이름으로 사용하므로 외부 IdP 연동과 세션 태그를 통해 사용자·팀·비용 센터별 분석이 가능해진다.
  • 설정은 외부 IdP와 IAM Identity Center 연결, 권한 세트 생성, 사용자 인증, 도구의 Bedrock 연결 순서로 진행된다. bedrock-mantle에는 Project 범위의 bedrock-mantle:CreateInference 등이, bedrock-runtime에는 모델 또는 추론 프로필 범위의 bedrock:InvokeModel 등이 필요하다.
  • Claude Desktop은 앱 내 AWS 로그인, Claude Code는 AWS 자격 증명 체인, Codex와 ChatGPT Work는 ~/.codex/config.toml 등을 통해 연결한다. Claude Code의 AWS_BEARER_TOKEN_BEDROCK은 SSO 귀속을 우회할 수 있으며, 본문은 Codex·ChatGPT Work의 데스크톱 환경 변수 설명 도중 끊겨 Athena 쿼리와 Bedrock 지출 한도 통제의 세부 내용은 확인할 수 없다.

🧩 주요 포인트

  1. 엔드포인트 계층의 IAM 귀속 → 여러 AI 도구의 비용을 동일한 사용자 식별 기준으로 분석할 수 있으며, 공유 세션 이름이나 게이트웨이 역할은 사용자 구분을 잃게 한다.
  2. CUR 2.0 집계와 세션 태그의 결합 → 사용자·팀·비용 센터별 지출 분석을 지원하지만, 프롬프트별 분석에는 별도의 로그와 메타데이터가 필요하다.
  3. 인증 경로와 엔드포인트별 권한 차이 → 도구 설정이 실제 사용자별 귀속을 좌우하며, 제공된 본문만으로 Athena 쿼리나 Bedrock 지출 한도 통제의 구현을 판단하기는 어렵다.

🧠 상세 정리

1. 비용 귀속의 목적과 공통 작동 원리

Amazon Bedrock는 모든 추론 호출을 호출한 IAM 주체에 연결하는 비용 귀속 기능을 기본 제공하며, 이를 위해 별도의 계측이나 API 호출 변경을 요구하지 않는다. 이 기능은 실제 사용자별 비용, 팀별 지출과 제공 가치의 관계, 인원과 도입 확대에 따른 다음 연도 예산이라는 FinOps 및 AI 플랫폼 운영의 질문에 대응하기 위한 것이다. Claude Code, Claude Desktop, OpenAI Codex, ChatGPT Work, OpenCode 등 어떤 도구를 사용하든 Bedrock를 통한 호출에는 동일한 엔드포인트 계층의 귀속 원리가 적용된다. Bedrock는 bedrock-runtime 또는 bedrock-mantle 호출자의 전체 IAM ARN을 포착하며, 연합 인증 사용자의 경우 세션 이름도 포함한다. 이 정보는 CUR 2.0의 line_item_iam_principal로 전달되고 조직 태그와 함께 비용 분석에 활용되며, 데이터는 AWS 보안 경계 안에 유지된다.

2. 집계 단위와 보완적인 비용 분석 수단

CUR 2.0은 IAM 주체와 사용 유형별로 비용을 집계하며, 시간별 내보내기에서는 한 시간, 일별 내보내기에서는 하루가 집계 구간이므로 요청별 비용 자료는 아니다. IAM 주체에 태그를 붙이거나 연합 인증 과정에서 세션 태그를 전달하면 조직 차원을 추가할 수 있고, 태그는 CUR 2.0에서 iamPrincipal/ 접두사로 나타나며 Cost Explorer의 필터 차원으로도 활용된다. 원문은 IAM 사용자, 애플리케이션별 역할, 연합 인증 사용자, Bedrock 앞단의 LLM 게이트웨이라는 네 가지 접근 패턴을 소개하며 이 글에서는 개별 인증에 적합한 연합 인증 패턴을 따른다. 추가 수단으로 bedrock-runtime에서는 Application Inference Profiles로 워크로드별 지출에 태그를 붙일 수 있고, bedrock-mantle에서는 Projects와 Workspaces로 지출을 분리하고 태그를 붙일 수 있다. 프롬프트별 토큰 수준 정보가 필요하면 모델 호출 로그의 요청 메타데이터 태그를 사용하며, 청구서의 사용자별 금액을 보여 주는 IAM 귀속과 함께 조합할 수 있다.

3. 공유 역할의 한계와 Anthropic 관리 경로의 차이

사용자의 컴퓨터에서 실행되는 개발·생산성 도구는 Amazon Bedrock를 직접 호출하거나 LLM 게이트웨이를 거쳐 호출하며, 공유 IAM 역할을 수임하면 청구 데이터에는 assumed-role/<role>/<session-name> 형태로 나타난다. 모든 사용자가 같은 고정 세션 이름을 사용하거나 게이트웨이 자체 역할로 호출하면 CUR은 지출을 하나의 IAM 주체로 합산하므로 개별 사용자를 구분하기 어렵다. IAM Identity Center는 로그인 이름을 세션 이름으로 사용해 사용자마다 구별되는 주체를 만들고, 팀·비용 센터·프로젝트 세션 태그로 조직 정보를 보완한다. 한편 Claude Platform on AWS와 Claude for Enterprise는 Anthropic이 관리하는 인프라를 통해 추론을 처리하므로 원문은 이를 별도의 경로로 설명한다. Claude Platform on AWS는 Anthropic 관리 콘솔에서 워크스페이스·API 키별 사용량을 확인하고 워크스페이스 태그를 AWS 청구에 전달하며, Claude for Enterprise는 관리 콘솔과 Usage and Cost API에서 사용자별 사용량을 제공하고 두 경로의 지출 한도는 Anthropic이 기본 기능으로 집행한다.

4. 사전 요건과 외부 IdP의 조직 속성 연결

구성에 앞서 사용할 Bedrock 모델에 접근할 IAM 권한이 있는 AWS 계정과 관리 계정에서 활성화된 IAM Identity Center가 필요하다. 외부 IdP는 Okta, Microsoft Entra ID, Ping Identity처럼 SCIM 프로비저닝을 지원해야 하며, 개발자 컴퓨터의 AWS CLI v2와 IAM 주체 데이터를 포함해 S3로 전달되는 CUR 2.0도 사전 요건에 포함된다. 또한 관리·지불 계정에서 비용 할당 태그를 활성화하고 CUR 2.0을 조회할 Athena 테이블을 준비해야 한다. 첫 설정 단계에서는 IAM Identity Center의 자격 증명 소스를 외부 IdP로 변경하고, 원문이 안내하는 SAML 2.0 또는 SCIM 연결 설정과 SCIM 프로비저닝을 통해 사용자·그룹 및 팀·부서 같은 조직 속성을 동기화한다. 이어 접근 제어용 속성에서 IdP 속성을 세션 태그에 매핑하면 aws:PrincipalTag/Team과 aws:PrincipalTag/CostCenter 등이 두 Bedrock 엔드포인트를 포함한 사용자의 API 호출에 전파된다.

5. 엔드포인트에 맞는 권한 세트와 접근 범위

두 번째 단계는 IAM Identity Center에서 Bedrock 호출 권한을 부여하는 권한 세트를 만드는 것으로, 각 사용자가 해당 권한 세트 안에서 자기 세션을 갖는 구조가 사용자별 귀속의 기반이 된다. bedrock-mantle을 호출하는 Codex와 ChatGPT Work 같은 도구에는 Project 리소스 범위의 bedrock-mantle:CreateInference 및 관련 작업이 필요하고, 예시 정책에는 bedrock-mantle:CountTokens도 포함된다. bedrock-runtime을 호출하는 Claude Code와 Claude Desktop에는 해당 기반 모델 또는 추론 프로필 ARN에 대한 bedrock:InvokeModel과 bedrock:InvokeModelWithResponseStream이 필요하며, 예시에는 추론 프로필 조회 작업도 제시된다. 두 엔드포인트를 함께 쓰는 조직은 하나의 권한 세트에 양쪽 권한을 구성할 수 있지만, 제시된 리소스 패턴은 출발점이므로 승인된 추론 프로필과 Projects로 범위를 좁혀야 한다. 권한 세트는 IdP에서 동기화된 관련 그룹에 할당하며, 원문은 정책 변경의 즉시 적용, AWS CloudTrail을 통한 사용자별 중앙 감사, 장기 AWS 자격 증명을 사용자에게 배포하지 않는 점을 설명한다.

6. 사용자 컴퓨터의 SSO 인증과 세션 수명

세 번째 단계에서는 사용자가 ~/.aws/config에 AWS CLI 프로필과 SSO 세션을 한 번 설정하며, 별도의 사용자 정의 스크립트나 자격 증명 도우미, 브라우저 자동화는 필요하지 않다고 설명한다. 예시의 bedrock 프로필은 corp SSO 세션, 계정 111122223333, BedrockDeveloperAccess 역할, us-east-1 리전을 참조하고, SSO 세션에는 조직의 시작 URL과 sso:account:access 등록 범위를 지정한다. 사용자가 aws sso login --profile bedrock을 실행하면 브라우저가 열리고 외부 IdP를 통한 인증 후 자격 증명이 로컬에 캐시된다. AWS CLI와 SDK는 IAM Identity Center 세션이 끝날 때까지 액세스 토큰을 자동 갱신하며, 원문이 제시한 기본 세션 시간은 8시간이다. 세션 시간을 정할 때의 핵심 절충은 보안 수준과 운영 편의성 사이에 있으며, 이후 도구는 이 인증 경로를 활용해 Bedrock에 연결하고 호출자 식별정보는 엔드포인트에서 자동 포착된다.

7. Claude Desktop과 Claude Code의 사용자별 인증

Claude Desktop은 macOS와 Windows의 운영체제 관리 설정에서 외부 추론 구성을 읽으며, 앱의 Developer → Configure Third-Party Inference에서 작성한 설정을 .mobileconfig 또는 .reg로 내보내 MDM에 배포할 수 있다. 사용자별 귀속에는 앱 내 AWS 로그인을 사용해 각 사용자가 IAM Identity Center에서 인증하도록 하며 이 방식은 기기에 AWS CLI가 없어도 되고, 이미 AWS CLI v2를 쓰는 경우에는 inferenceBedrockProfile을 지정할 수 있다. 설정은 앱 시작 때 읽으므로 적용하려면 종료 후 다시 실행해야 하며, 예시 모델에는 us.anthropic.claude-sonnet-5와 us.anthropic.claude-opus-5가 포함된다. Claude Code는 SSO 프로필을 포함한 표준 AWS SDK 자격 증명 체인을 사용하지만, AWS_BEARER_TOKEN_BEDROCK이 설정되어 있으면 해당 키를 사용해 키 배후의 IAM 사용자에게 호출이 귀속되므로 사용자별 SSO 귀속을 원하면 이를 비활성화한다. 원문은 awsAuthRefresh에 SSO 로그인 명령을 지정하고 CLAUDE_CODE_USE_BEDROCK, AWS_PROFILE, AWS_REGION을 설정하는 예시와 함께, 조직 전체 배포 전에 모델 버전을 고정해 새 릴리스가 호출 모델을 바꾸지 않게 할 것을 제시한다.

8. Codex·ChatGPT Work 연결과 제공된 본문의 범위

Codex와 ChatGPT Work는 ~/.codex/config.toml을 읽으며, 데스크톱 앱과 CLI가 동일한 설정 계층을 사용한다고 원문은 설명한다. bedrock-mantle 연결 예시는 model_provider를 amazon-bedrock, model을 openai.gpt-5.6-sol로 지정하고 model_providers.amazon-bedrock.aws 아래에 us-east-1 리전을 설정한다. bedrock-runtime에서는 추론 프로필 ID를 사용하며, 예시는 model_provider를 amazon-bedrock-runtime, model을 us.openai.gpt-5.6-sol로 지정하고 web_search를 disabled로 설정한다. 두 엔드포인트 모두 환경에 AWS_PROFILE을 설정하도록 안내하지만, 제공된 본문은 데스크톱 앱에서 환경 변수를 배치하는 설명 도중 끊겨 그 이후의 구체적인 설정은 확인할 수 없다. 글의 도입부는 Athena 쿼리, 지속적인 비용 가시성을 위한 대시보드 선택지, 지출 한도를 집행하는 Bedrock 기본 사용량 통제를 다루겠다고 예고하지만, 제공된 범위에는 해당 세부 절차가 없으므로 실제 구현 방법이나 한도 집행 방식을 확정할 수 없다.

🧾 핵심 주장 / 시사점

  • 사용자별 비용 가시성의 핵심은 도구 이름보다 Bedrock에 전달되는 IAM 주체의 구별 가능성이다. 동일한 공유 세션 이름이나 게이트웨이 역할을 사용하면 자동 귀속 기능이 있어도 사용자별 분석에 필요한 구분이 사라진다.
  • CUR 2.0의 사용자별 금액과 모델 호출 로그의 프롬프트별 세부 정보는 서로 다른 분석 단위를 제공한다. 조직별 지출 분석과 세부 사용 분석을 연결하려면 각 자료의 집계 수준을 구분해야 한다.
  • 비용을 식별하는 기능과 지출 한도를 집행하는 기능은 별도로 확인해야 한다. 제공된 본문은 인증과 비용 귀속 설정을 설명하지만 Bedrock 지출 통제 절차는 포함하지 않아, 비용 가시성만으로 한도 집행까지 갖췄다고 판단할 수 없다.

✅ 액션 아이템

  • IAM Identity Center의 로그인 이름과 세션 태그를 기준으로 사용자·팀·비용 센터별 비용 귀속 구성 검토.
  • bedrock-mantle과 bedrock-runtime의 권한을 구분하고, Claude Code의 AWS_BEARER_TOKEN_BEDROCK이 사용자별 SSO 귀속에 미치는 영향 확인.
  • CUR 2.0의 시간·일 단위 집계와 프롬프트별 로그의 용도를 구분하고, 본문에서 확인되지 않는 Athena 쿼리와 Bedrock 지출 한도 통제의 세부 내용 추가 확인.

❓ 열린 질문

  • 공유 세션 이름이나 게이트웨이 역할로 합산되는 호출을 IAM Identity Center의 사용자별 식별정보로 구분할 수 있는가?
  • 사용자·팀·비용 센터별 분석에 CUR 2.0의 시간·일 단위 집계로 충분한가, 프롬프트별 모델 호출 로그도 필요한가?
  • 제공된 본문에 없는 Athena 쿼리와 Bedrock 지출 한도 통제는 구체적으로 어떻게 구성되는가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.