Articleaws.amazon.com·2026년 11월 19일·0

From learning to leaderboard: How Cisco upskilled 1,200 engineers in agentic AI with AWS AI League

Quick Summary

AWS는 Cisco 엔지니어 1,200명이 참가한 AWS AI League 사례를 통해 실습·경쟁 중심의 에이전틱 AI 교육과 출력 토큰·조정 비용을 고려한 설계의 의미를 소개한다.

From learning to leaderboard: How Cisco upskilled 1,200 engineers in agentic AI with AWS AI League 관련 대표 이미지

🖼️ 인포그래픽

From learning to leaderboard: How Cisco upskilled 1,200 engineers in agentic AI with AWS AI League 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

From learning to leaderboard: How Cisco upskilled 1,200 engineers in agentic AI with AWS AI League의 핵심 내용을 4단계로 요약한 인포그래픽
From learning to leaderboard: How Cisco upskilled 1,200 engineers in agentic AI with AWS AI League 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

AWS는 Cisco 엔지니어 1,200명이 참가한 AWS AI League 사례를 통해 실습·경쟁 중심의 에이전틱 AI 교육과 출력 토큰·조정 비용을 고려한 설계의 의미를 소개한다.

📌 핵심 요약

  • AWS AI League는 AWS 전문가가 진행하는 2시간 실습 워크숍, 자동 평가와 실시간 순위표를 활용하는 개발, 상위 참가자의 현장 결선으로 구성된다. Cisco에서는 모델 맞춤화와 에이전틱 AI 과제를 운영했다.
  • 2025년 Cisco의 Hemanth V는 사내 모델 맞춤화 대회에서 600명 넘는 참가자를 제치고 우승한 뒤, AWS re:Invent 2025의 에이전틱 AI 글로벌 결선에서도 첫 AWS AI League 챔피언이 됐다.
  • 2022년 시작된 Cisco Transformation Fest는 네 번째 행사까지 진행된 연례 3일 프로그램으로, 약 2,000명의 엔지니어에게 도달했다고 글은 설명한다. 2026년 Transformation Fest 4.0의 AWS AI League에는 1,200명이 참가했다.
  • 2026년 우승자 Nishanth Aluhonnu는 4개 조로 구성된 예선, 20명의 준결승, 3명의 결선에서 모두 1위를 기록했다. 결선에서는 코드와 도구 등을 변경할 수 없었으며, 최종 누적 점수 27,008점으로 AWS re:Invent 2026 전체 행사 입장권을 받았다.
  • 글은 2026년 우승 에이전트의 교훈으로 출력 토큰 효율과 에이전트 간 조정 비용을 강조한다. 예선 상위 두 에이전트의 출력은 각각 1,220토큰과 1,430토큰이었고 점수 차이는 16점이었으며, 우승 설계는 하위 에이전트 없이 단일 에이전트를 사용했다. 이는 대회 조건에서의 결과로, 다중 에이전트가 일반적으로 열등하다는 주장은 아니다.

🧩 주요 포인트

  1. 시간 실습·자동 평가·현장 결선의 연결 → 학습자가 직접 만들고 수정하는 경험을 반복하도록 교육을 구성.
  2. Cisco Transformation Fest의 연례 운영과 참가 규모 확대 → 일회성 교육을 넘어 지속적인 학습 문화를 지향하지만, 업무 생산성 개선 수치는 제시되지 않음.
  3. 출력 토큰과 에이전트 간 조정 비용이 점수에 반영되는 조건 → 문제 해결 능력뿐 아니라 효율을 기준으로 단일 에이전트와 다중 에이전트 구조를 선택할 필요.

🧠 상세 정리

1. 기술 접근에서 실제 구축 경험으로

글은 Cisco처럼 규모가 큰 엔지니어링 조직에서 생성형·에이전틱 AI 도입의 어려움이 기술 접근 자체보다 엔지니어가 자신 있게 무언가를 구축하도록 돕는 데 있다고 설명한다. 녹화 강의와 발표 자료만으로는 시연을 보는 단계와 실제 개발 사이의 간극을 충분히 메우기 어렵고, 직접 만들고 실패를 확인하며 수정하는 경험이 중요하다는 관점이다. AWS AI League는 이러한 실습을 모델 맞춤화와 에이전트 개발 경쟁으로 구성하고, 실시간 순위표와 현장 결선을 결합한다. 글은 Cisco의 2025년 글로벌 우승 사례와 2026년 1,200명 참가 대회를 통해 이 방식의 확장 가능성을 소개한다. 다만 이는 AWS가 소개하는 고객 교육 사례로, 실제 업무 생산성이나 소프트웨어 품질의 개선 정도를 별도로 측정한 결과는 제시하지 않는다.

2. AWS AI League의 학습 구조와 두 과제

AWS AI League는 AWS 전문가가 이끄는 2시간 실습 워크숍으로 시작해, 참가자가 각자 실험하고 결과를 제출하는 개발 단계와 상위 참가자의 현장 결선으로 이어진다. 개발 단계에서는 자동 평가기가 제출할 때마다 피드백을 제공하며, 최종 평가는 시간 효율·정확성·에이전트 계획·토큰 소비 효율을 고려한다. Cisco의 에이전틱 AI 과제는 Amazon Bedrock AgentCore로 에이전트를 구축해 미로 형태의 환경에서 여러 과제를 해결하는 방식이며, 부적절한 콘텐츠 처리와 정보 검색·구조화된 데이터 추출 같은 업무 유형을 반영한다. 참가자는 모델과 도구를 선택할 수 있고, Amazon Bedrock Guardrails를 안전 통제에 활용한다. 별도의 모델 맞춤화 과제에서는 Amazon SageMaker Studio로 모델을 미세 조정하며, 자동 평가기가 대회 과제에 대한 정확성과 포괄성을 기준 모델과 비교해 점수를 부여한다.

3. Cisco와 AWS의 엔지니어링 협력 기반

글은 AWS AI League가 단독 교육 행사에서 출발한 것이 아니라, 네트워킹·클라우드·보안·관측성을 아우르는 Cisco와 AWS의 협력 위에서 성장했다고 설명한다. Cisco SD-WAN은 AWS에서 실행되는 컨트롤러 아키텍처를 바탕으로 전 세계 고객에게 SaaS 형태로 제공되며, Cisco Meraki와 Cisco Spaces, IoT 및 스마트 빌딩 조직도 협력 사례로 언급된다. Cisco Cloud Control은 AWS 서비스와 통합해 보안·네트워킹·관측성·협업을 연결하고, Cisco AI Defense의 보안팀은 Amazon Bedrock과 Amazon SageMaker AI로 AI 거버넌스와 가드레일을 Cisco 제품군에 적용한다고 소개된다. 두 회사는 공동 배포 가이드와 Cisco Validated Designs도 발표했으며, AWS 백본을 활용한 주문형 SD-WAN 패브릭을 공동 혁신 사례로 제시한다. Cisco 엔지니어링 부사장 Kumaril Kapoor는 여러 사업부가 AWS를 선택하는 상황을 근거로 양사의 관계를 엔지니어링 파트너십이라고 평가한다.

4. Transformation Fest와 지속적인 학습 문화

AWS는 인도 Cisco 팀들과 협력하면서 여러 사업부 엔지니어의 학습·실험 수요를 확인했고, 이를 일상적인 협력 범위보다 넓게 확산하기 위해 2022년 Cisco Transformation Fest를 시작했다고 설명한다. 프로그램은 지식 공유, 사업부 간 연결, 새로운 기술과 AWS 서비스 채택, 직접 구축하는 학습, 실험과 참여를 뜻하는 SCALE 원칙을 기반으로 한다. 행사에는 AWS GameDays와 AWS AI League뿐 아니라 Cisco 리더들의 우수 사례 공유, Amazon과 AWS 문화에 관한 세션도 포함된다. 처음에는 단일 행사였지만 네 번째 행사까지 마친 연례 3일 프로그램으로 발전했으며, 글은 약 2,000명의 엔지니어에게 도달했다고 서술한다. Kapoor는 엔지니어에게 학습할 시간과 공간, 실습 지원을 제공한다는 점을 높이 평가하며 지속적인 학습 문화가 됐다고 말하고, AWS도 실습 워크숍과 경험 중심 프로그램으로 참여를 이어간다고 설명한다.

5. 2025년 사내 우승에서 글로벌 챔피언까지

Cisco 스위칭 코어 플랫폼 팀의 소프트웨어 엔지니어 Hemanth V는 2025년 사내 대회와 글로벌 결선에서 서로 다른 과제를 경험했다. 먼저 Cisco AWS Transformation Fest 3.0에서 600명 넘는 참가자와 경쟁하며 Amazon SageMaker로 소형 모델을 미세 조정하는 모델 맞춤화 과제에서 우승했다. 이후 라스베이거스의 AWS re:Invent 2025 글로벌 결선에서는 동적으로 바뀌는 게임형 미로를 탐색하는 에이전틱 AI 과제에 도전했다. 그는 이 결선에서도 1위를 차지해 첫 AWS AI League 챔피언이 됐고, re:Invent 기조연설에서 성과를 인정받았으며 Aqfer의 Ross Williams와 Capital One의 Deepesh Khanna가 각각 2위와 3위를 기록했다. Hemanth는 처음부터 모든 것을 알 필요는 없고 과정에서 배울 수 있다며 호기심과 학습 의지를 강조했는데, 글은 이를 실제 구축 경험을 통해 역량을 넓힌 사례로 제시한다.

6. 2026년 1,200명 토너먼트의 진행과 결과

2026년 Cisco Transformation Fest 4.0은 에이전틱 AI 경험이 없는 엔지니어도 처음부터 참가할 수 있도록 AWS 계정팀의 사전 교육을 제공하고, 1,200명이 경쟁하는 토너먼트를 운영했다. 예선에서는 4개 조에서 각각 상위 5명이 진출했으며, Nishanth Aluhonnu는 98회 제출을 거쳐 15,906점으로 3조 1위를 기록했다. 20명이 경쟁한 준결승에서는 16,321점으로 1위에 올랐고, 3명이 무대에서 세 차례 경쟁한 결선에서도 누적 27,008점으로 우승해 AWS re:Invent 2026 전체 행사 입장권을 받았다. 결선은 코드와 도구 등의 변경이 제한된 상태에서 처음 보는 지도에 대응해야 했기 때문에, 사전에 구축한 에이전트의 판단 능력이 중요했다. Nishanth는 첫 라운드에서 패했지만 두 번째 라운드에서는 가치가 낮은 동전이 많은 상황보다 가치가 높은 과제를 우선한 판단으로 큰 차이의 승리를 거뒀다고 글은 설명한다.

7. 문제 해결 이후 순위를 가른 출력 토큰 효율

에이전틱 AI 과제의 점수는 과제 수행 점수, 보물 보너스, 남은 생명, 토큰 보너스를 함께 반영하며, 토큰 보너스는 방문한 과제당 출력 토큰 수가 많아질수록 낮아지는 구조였다. 예선 상위 4개 에이전트가 모두 지도를 해결한 상황에서 1위의 출력은 1,220토큰, 2위는 1,430토큰이었고, 약 16,000점 규모의 점수에서 최종 격차는 16점에 불과했다. Nishanth는 같은 에이전트의 변형 9개를 비교했으며, 글은 평가상 에이전트가 생성한 출력의 양이 효율을 좌우했다고 설명한다. 저자는 이 결과를 실제 서비스의 비용 문제와 연결하면서, 출력 생성은 순차적으로 이뤄지고 일반적으로 입력보다 단가가 높아 반복적인 에이전트 실행에서 비용이 누적된다고 주장한다. 핵심 시사점은 문제를 풀 수 있는 수준에 도달한 뒤에는 불필요한 출력을 줄이는 효율이 결과를 가를 수 있다는 것이며, 제시된 구체적인 순위 차이는 해당 대회의 채점 조건에 따른 결과다.

8. 단일 에이전트 선택과 일반화의 한계

글이 소개하는 일반적인 참조 구조는 Amazon Bedrock AgentCore의 감독 에이전트가 탐색·계산·웹 검색 등을 담당하는 전문 하위 에이전트에 작업을 나누는 형태다. 그러나 2026년 우승 설계는 하위 에이전트 없이 단일 에이전트를 사용했으며, 저자는 에이전트 사이의 인계마다 추가 메시지와 출력 토큰이 발생한다는 점을 선택의 배경으로 설명한다. 이는 다중 에이전트가 잘못된 구조라는 결론이 아니라, 조정 비용이 크게 반영되는 환경에서는 더 단순한 구조가 유리할 수 있다는 주장이다. 원문도 감독·전문 에이전트 패턴이 여러 실제 서비스에 적합할 수 있음을 인정하므로, 우승 결과를 모든 에이전트 시스템에 적용하는 것은 근거를 넘어선다. 제공된 본문은 이 참조 구조와 우승 설계를 비교하는 대목에서 끝나며, 앞부분에서 예고한 조직별 AWS AI League 개최 방법의 구체적인 설명은 포함하지 않는다.

🧾 핵심 주장 / 시사점

  • AWS AI League의 교육상 특징은 실습 자체에 자동 평가와 경쟁을 연결했다는 점이다. 다만 참가 규모와 우승 사례는 확인할 수 있어도, 이것만으로 업무 성과 개선의 크기까지 판단할 수는 없다.
  • Hemanth V의 모델 맞춤화 우승과 이후 에이전틱 AI 글로벌 우승은 서로 다른 과제를 거치며 학습한 사례다. 이를 모든 참가자가 같은 수준으로 역량을 이전했다는 증거로 확대해서는 안 된다.
  • 단일 에이전트의 우승은 구조의 복잡성보다 평가 조건과 조정 비용의 적합성이 중요할 수 있음을 보여준다. 출력 토큰을 중시한 대회 결과와 실제 서비스 전반의 우열은 구분할 필요가 있다.

✅ 액션 아이템

  • AWS AI League의 2시간 실습·자동 평가·현장 결선 구조를 엔지니어 AI 교육 방식으로 검토.
  • Cisco Transformation Fest의 참가 규모와 실제 업무 생산성 개선 효과를 구분해 평가.
  • 출력 토큰과 에이전트 간 조정 비용을 기준으로 단일 에이전트와 다중 에이전트 구조의 적합성을 비교.

❓ 열린 질문

  • AWS AI League의 2시간 실습과 자동 평가가 참가자의 실제 업무 생산성 개선으로 이어졌는지 확인할 근거는 무엇인가?
  • Cisco Transformation Fest가 도달한 약 2,000명의 엔지니어와 2026년 AWS AI League 참가자 1,200명의 집계 범위는 어떻게 다른가?
  • 출력 토큰과 에이전트 간 조정 비용의 비중이 달라지면 단일 에이전트와 다중 에이전트의 상대적 성과도 달라지는가?

관련 문서

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