부미와 레드햇, 에이전틱 AI 운영 스택을 한 덩어리로 묶는다

• 부미와 레드햇이 프로덕션급 에이전틱 AI를 위한 통합 스택 협력을 발표했음

  • 목표는 에이전트 빌더, 오케스트레이션, 거버넌스, 모델 제공업체, 통합 미들웨어, 보안 인프라를 따로따로 붙이는 복잡함을 줄이는 것
  • 여러 벤더 도구를 짜깁기하면 데이터 유출과 예측 불가능한 비용이 생길 수 있다는 문제의식에서 출발함

• 부미 쪽 핵심은 에이전트를 기업 데이터와 실제 업무 흐름에 연결하는 것임

  • 부미 에이전트스튜디오는 AI 에이전트를 기업의 애플리케이션, 시스템, 프로세스 전반의 신뢰 가능한 실시간 데이터에 직접 연결함
  • 데모 데이터나 샘플 워크플로가 아니라 실제 비즈니스 문제를 푸는 에이전트를 만들겠다는 방향

• 운영 통제는 부미 에이전트 컨트롤 타워와 부미 게이트웨이가 맡음

  • 정책 시행을 위한 확정적 가드레일을 설정하고 에이전트 활동 가시성을 제공함
  • 부미의 오케스트레이션 계층은 에이전트를 조율해 무단 실행과 비용 누수를 줄이는 역할을 함
  • 여기에 레드햇 AI의 오픈소스 기반과 애플리케이션 관찰 가능성 서비스가 거버넌스와 신뢰를 보강함

• 레드햇 쪽은 대규모 AI 운영 인프라와 배포 유연성을 제공함

  • 레드햇 AI는 고성능 추론을 위한 쿠버네티스 네이티브 런타임을 제공함
  • 보안에 최적화된 에이전트, 통합 AI 거버넌스, 하이브리드 클라우드 배포도 포함됨
  • 주권 데이터센터를 포함한 환경 전반에 배포할 수 있다는 점을 강조함

• 비용 최적화는 부미의 지능형 모델 라우터가 맡는 구조임

  • 작업 복잡도와 데이터 민감도에 따라 에이전트 프롬프트를 적절한 모델에 실시간 할당함
  • 모든 요청을 가장 비싼 모델로 보내지 않고, 업무 성격에 맞춰 라우팅하겠다는 얘기

• 부미 CEO 스티브 루카스의 문제 제기는 꽤 직설적임

  • 기업 리더들이 묻는 건 “데이터, 보안 상태, 예산 통제력을 잃지 않고 AI로 실질적인 투자수익률을 어떻게 얻느냐”라는 것
  • 답은 수십 개 공급업체를 이어 붙이는 게 아니라 통합 플랫폼을 구축하는 거라고 설명함

• 레드햇은 이걸 “중앙집중식 실험에서 분산된 비즈니스 현실로 옮기는 일”로 봄

  • 마이크 페리스는 레드햇의 엔터프라이즈 오픈소스 AI 기반과 부미의 에이전틱 오케스트레이션을 결합해 아키텍처적 주권을 지원한다고 말함
  • 즉, 기업이 데이터와 비용, 미래 선택권을 잃지 않고 AI를 운영하게 하겠다는 포지션임

---

기술 맥락

• 부미와 레드햇이 고른 방향은 에이전트 개발 도구 하나를 더 만드는 게 아니라, 기업 운영에 필요한 연결·통제·배포 계층을 한 번에 묶는 거예요. 왜냐면 프로덕션 AI는 모델 호출보다 데이터 접근, 권한, 비용, 감사 로그가 더 자주 발목을 잡거든요.

• 부미의 역할은 기업 안의 흩어진 애플리케이션과 프로세스를 에이전트가 쓸 수 있는 데이터 흐름으로 연결하는 쪽이에요. 에이전트가 실제 업무를 하려면 샘플 데이터가 아니라 현재 돌아가는 주문, 고객, 재무, 운영 시스템과 연결돼야 하기 때문이에요.

• 레드햇의 역할은 그 에이전트를 어디서 어떻게 안정적으로 돌릴지에 가까워요. 쿠버네티스 네이티브 런타임과 하이브리드 클라우드 배포를 내세우는 건, 기업마다 온프레미스와 클라우드, 주권 데이터센터 요구가 다르기 때문이에요.

• 모델 라우터도 중요한 선택이에요. 모든 작업을 최고 성능 모델에 던지면 비용이 바로 튀고, 민감한 데이터가 부적절한 모델로 갈 수도 있어요. 그래서 작업 복잡도와 데이터 민감도에 따라 모델을 고르는 계층이 운영 비용과 보안의 균형점이 돼요.