이 글에서는 다중 문서 발견 기능이 지능형 문서 처리(IDP)에서 스키마 자동 생성을 어떻게 지원하는지 설명합니다. 이 기능은 문서를 분석하고 유형별로 클러스터링하여 IDP 가속기를 위한 스키마를 생성합니다.

이 글에서는 Amazon SageMaker AI에서 LLM 미세 조정 시 FLOPs 추적을 설정하는 방법을 소개합니다. 단일 구성 플래그로 준수 상태를 확인하고 감사 준비 문서를 생성하는 방법도 배울 수 있습니다.

이 글에서는 Strands Agents에서 Exa 통합을 설정하는 방법과 두 가지 핵심 도구를 이해하며, 에이전트가 웹 검색을 활용해 다단계 작업을 수행하는 실제 사례를 살펴봅니다.

오늘 AWS에서 Claude 플랫폼의 일반 제공을 시작한다고 발표했다. 이 서비스는 고객이 별도의 자격 증명이나 계약 없이 AWS 계정을 통해 Anthropic의 Claude 플랫폼을 직접 이용할 수 있게 해준다.

아마존 노바 멀티모달 임베딩을 이용해 항공우주 제조 문서에 대한 멀티모달 검색 시스템을 구축했습니다. 26개의 제조 쿼리를 평가하며 텍스트 전용 파이프라인과 멀티모달 파이프라인의 생성 품질을 비교했습니다.

미로는 아마존 베드록을 활용해 소프트웨어 버그 라우팅의 정확도를 높이고, 해결 시간을 며칠에서 몇 시간으로 단축했습니다. 이를 통해 팀 재배치 횟수도 6배 줄였습니다.

아마존 퀵은 대규모 기업 데이터를 신속하고 정확한 AI 기반 의사결정으로 전환하는 데 도움을 줍니다. 이번 포스트에서는 아마존 퀵의 다섯 가지 새로운 기능을 소개합니다.

할리버튼은 자연어 쿼리를 실행 가능한 지진 작업 흐름으로 변환하는 개념 증명을 구축했습니다. 이 과정에서 최대 95%의 작업 흐름 가속화 결과를 공유하며, 생성적 AI를 활용한 복잡한 기술 작업 흐름 개선 방안을 논의합니다.

Amazon EC2의 Capacity Blocks와 SageMaker 교육 계획을 통해 단기 ML 작업을 위한 GPU 용량을 확보하는 방법을 소개합니다. 이 솔루션은 로드 테스트, 모델 검증 등 다양한 단기 용량 요구를 해결할 수 있습니다.

이 글에서는 검증 가능한 보상(RLVR)을 활용한 강화 학습 구현 방법을 소개합니다. 이 접근법은 수학적 추론, 코드 생성 등에서 효과적이며, 훈련 성능을 개선하는 데 기여합니다.

아마존이 AI 에이전트가 즉시 사용한 만큼 결제할 수 있는 ‘AgentCore Payments’의 미리보기를 발표했다. 이 시스템은 Coinbase와 Stripe와 협력하여 개발되었다.

대만의 반려동물 기술 스타트업 Tomofun이 AWS Inferentia2를 이용해 비용을 절감하면서도 정확성을 유지하는 방법을 소개합니다. 이들은 Furbo Pet Camera를 통해 반려동물과의 원격 상호작용 방식을 혁신하고 있습니다.

하파그로이드의 디지털 고객 경험 팀은 아마존 베드록을 활용해 고객 피드백 분석 솔루션을 개발했습니다. 이 솔루션은 고객과의 상호작용을 개선하는 데 중점을 두고 있습니다.

Amazon SageMaker AI가 MLflow 버전 3.10을 지원하게 되면서 생성형 AI 개발과 실험 추적이 더욱 간편해졌습니다. 새로운 기능들이 추가되어 사용자 경험이 향상되었습니다.

아마존 베드록 에이전트코어 브라우저에서 OS 레벨 액션 기능이 도입되었습니다. 이 기능은 에이전트가 화면에 보이는 콘텐츠와 상호작용할 수 있도록 지원합니다.

AI 에이전트가 외부 서비스에 안전하게 접근할 수 있도록 지원하는 Amazon Bedrock AgentCore Identity가 독립 서비스로 제공됩니다. 이 서비스는 Amazon ECS, EKS, AWS Lambda 및 온프레미스 환경에서 AI 에이전트의 보안을 강화합니다.

이 글에서는 아마존 베드록에서 아마존 노바 기초 모델을 사용하여 비즈니스 보호 및 향상을 위한 생성적 AI 기법을 적용하는 방법을 소개합니다.

아마존 퀵사이트의 데이터셋 Q&A 기능은 비즈니스 리더들이 운영 대시보드를 넘어 더 깊이 있는 질문을 탐색할 수 있도록 지원합니다. 이는 데이터 기반 의사결정의 혁신을 이끌고 있습니다.

에이전트코어 최적화가 미리보기 단계에 들어섰습니다. 생산 추적에서 추천을 생성하고, 배치 평가 및 A/B 테스트로 검증하여 신뢰할 수 있는 결과를 제공합니다. AI 에이전트의 품질 저하 문제를 해결하는 방법을 소개합니다.

AgentCore에서 에이전트 품질 최적화 기능이 미리보기로 제공됩니다. 이 기능은 생산 추적을 통해 추천을 생성하고, 배치 평가 및 A/B 테스트로 검증하여 신뢰할 수 있는 결과를 제공합니다.

아마존 세이지메이커 AI는 개발자가 자연어로 사용 사례를 설명하면 AI 코딩 에이전트가 전체 과정을 간소화하는 에이전트 기반 경험을 제공합니다. 이 글에서는 세이지메이커 AI의 모델 커스터마이징 생애 주기를 안내합니다.

아마존 퀵이 자연어 프롬프트를 통해 다중 시트 대시보드를 자동으로 생성하는 기능을 도입했습니다. 이로 인해 데이터 분석가들은 수작업 없이 신속하게 분석을 진행할 수 있게 되었습니다.

아마존 퀵이 새로운 데이터 소스인 아마존 S3 테이블을 도입했습니다. 이를 통해 고객은 중간 데이터 계층 없이 아파치 아이스버그 테이블을 직접 쿼리하고 시각화할 수 있습니다.

아마존 퀵의 데이터셋 Q&A 기능을 통해 자연어로 구조화된 데이터셋을 쿼리하는 방법을 배우고, 실제 사례와 고급 기능을 탐색할 수 있습니다.

아마존 SageMaker AI가 새로운 인스턴스 풀 기능을 도입했습니다. 사용자는 우선순위에 따라 인스턴스 유형을 정의하고, SageMaker AI가 자동으로 인스턴스를 조정하여 용량이 제한될 때도 원활한 서비스가 가능합니다.

AWS Transform이 비즈니스 인텔리전스(BI) 마이그레이션을 며칠 만에 자동화할 수 있게 되었습니다. 이 과정에서는 AWS Transform의 마이그레이션 작업 공간 설정부터 AWS 마켓플레이스를 통한 파트너 에이전트 구독까지 다룹니다.

이번 포스트에서는 Amazon Nova 모델을 활용한 LLM을 판별자로 사용하는 강화 학습(RLAIF)의 작동 방식을 심층적으로 살펴봅니다.

AWS는 생성형 AI 생산을 위한 LLM(대형 언어 모델) 이주 및 업그레이드를 위한 체계적인 프레임워크를 소개했습니다. 이 프레임워크는 다양한 LLM 간의 전환을 지원합니다.

선 파이낸스가 AWS의 Amazon Bedrock, Textract, Rekognition을 활용해 AI 기반의 신원 확인 파이프라인을 구축했습니다. 이 솔루션은 추출 정확도를 79.7%에서 90.8%로 향상시키고, 문서당 비용을 91% 절감하며, 처리 시간을 20시간에서 5초 이하로 단축했습니다.

아마존 퀵의 에이전틱 AI 어시스턴트를 통해 데이터 분석을 셀프 서비스 기능으로 전환하는 방법을 소개합니다. 아마존 S3, 세이지메이커, AWS 글루, 아마존 아테나를 활용한 사례를 다룹니다.

이 글에서는 Amazon Bedrock AgentCore 게이트웨이를 설정하여 개인 엔드포인트에 안전하게 접근하는 방법을 다룹니다. 관리형 및 자가 관리형 두 가지 구현 모드를 탐색하고, 세 가지 실제 시나리오를 소개합니다.

PwC의 전문가들이 협력하여 작성한 이 글에서는 계약 분석의 어려움과 AWS에서 제공하는 AI 기반 주석 기능을 통해 계약에서 중요한 인사이트를 추출하는 방법을 소개합니다.

이 글에서는 AgentCore 메모리의 네임스페이스 계층 구조 설계, 적절한 검색 패턴 선택, AWS IAM 기반 접근 제어 구현 방법에 대해 배울 수 있습니다.

뱅가드는 AI 준비 데이터의 여덟 가지 원칙을 바탕으로 가상 분석가 솔루션을 구축했습니다. AWS 서비스의 활용과 함께 이들이 달성한 비즈니스 성과를 살펴봅니다.

이 글에서는 아마존 베드록 에이전트코어 런타임에서 서버리스 MCP 프록시를 배포하는 방법을 소개합니다. 이를 통해 조직의 보안 정책에 맞춘 거버넌스와 제어, 관찰 가능성을 구현할 수 있습니다.

이 글에서는 Amazon Nova 2 Sonic을 사용하여 전통적인 텍스트 에이전트를 대화형 음성 비서로 전환하는 과정에 대해 설명합니다. 텍스트와 음성 에이전트의 요구 사항을 비교하고, 다양한 사용 사례에 대한 디자인 우선 순위를 강조합니다.

NVIDIA는 오늘 아마존 세이지메이커 점프스타트에서 Nemotron 3 Nano Omni 모델의 출시를 발표했다. 이 모델의 아키텍처와 주요 기능, 기업 활용 사례 및 배포 방법에 대해 설명한다.

이 글에서는 아마존 퀵을 활용하여 AI 기반의 첫 번째 워크플로우를 구축하는 방법을 소개합니다. 재무 분석 도구에서 시작해 고급 직원 온보딩 자동화로 발전하는 과정을 다룹니다.

이 글에서는 S3 이벤트를 감지하고 수집 작업을 트리거하는 자동화 솔루션을 소개합니다. 이 서버리스 솔루션은 이벤트 기반 아키텍처를 활용하여 아마존 베드록 API에 과부하를 주지 않으면서 지식 기반을 최신 상태로 유지합니다.

이 글에서는 SageMaker AI 엔드포인트에 배포된 모델을 사용하여 Strands Agents SDK로 AI 에이전트를 구축하는 방법을 설명합니다.

Popsa는 아마존 베드록과 노바 모델을 활용해 개인화된 제목 제안 기능을 혁신했습니다. 이를 통해 12개 언어로 창의적이고 브랜드에 맞는 제목과 부제를 자동 생성하고, 고객 만족도를 높였습니다.

Visier Workforce AI 플랫폼과 아마존 퀵을 연결하여 지식 근로자들이 질문할 수 있는 통합된 작업 공간을 제공하는 방법을 소개합니다.

아마존 퀵은 사용자가 몇 분 안에 설정할 수 있으며, 데이터와 도구를 연결해 개인화된 지식 그래프를 생성합니다. 이를 통해 마케팅 전략을 보다 효율적으로 수립할 수 있습니다.

이번 포스트에서는 다양한 생물학적 기초 모델(BioFMs)의 작동 방식과 약물 발견 및 임상 개발에서의 실제 적용 사례를 살펴봅니다. 또한 AWS가 이러한 모델을 구축하고 배포하는 데 어떻게 기여하는지 설명합니다.

이 글에서는 Amazon S3에 업로드된 오디오 파일을 자동으로 처리하는 확장 가능한 전사 파이프라인 구축 방법을 소개합니다. 또한, 비용 절감을 위한 Amazon EC2 스팟 인스턴스와 버퍼링 스트리밍 추론 사용법도 설명합니다.

아마존 세이지메이커 AI가 최적화된 생성적 AI 추론 추천을 지원합니다. 이를 통해 검증된 최적 배포 구성과 성능 지표를 제공하여 모델 개발자들이 인프라 관리가 아닌 정확한 모델 구축에 집중할 수 있도록 돕습니다.

아마존 베드록 에이전트코어가 에이전트 구축 경험을 간소화하는 새로운 기능을 도입했습니다. 이로 인해 에이전트 개발의 모든 단계에서 인프라 장벽이 제거됩니다.

아마존 베드록이 아마존 넵튠과 메모0를 통해 기업 맞춤형 메모리 기능을 제공한다. 이를 통해 AI 에이전트는 지속적인 기업-specific 맥락을 학습하고 적응하며, 고객과의 대화에서 지능적으로 반응할 수 있다.

아마존 베드록에서 클로드 코워크와 클로드 코드 데스크탑을 직접 실행할 수 있게 되었습니다. 이 포스트에서는 클로드 코워크가 아마존 베드록과 통합되는 방식과 지식 근로자들이 이를 실제로 활용하는 예시를 소개합니다.

이 글에서는 DVC, 아마존 세이지메이커 AI, MLflow 앱을 결합하여 ML 모델의 완전한 계보를 구축하는 방법을 소개합니다. 데이터셋 수준과 레코드 수준의 두 가지 배포 가능한 패턴을 설명합니다.

아마존 세이지메이커에서 NVIDIA RTX PRO 6000 GPU를 탑재한 G7e 인스턴스를 출시했습니다. 이 인스턴스는 강력한 오픈 소스 모델을 호스팅할 수 있는 비용 효율적인 옵션을 제공합니다.

ToolSimulator는 Strands Evals 내에서 AI 에이전트를 안전하게 테스트할 수 있는 LLM 기반 도구 시뮬레이션 프레임워크입니다. 이를 통해 실시간 API 호출의 위험 없이 에이전트를 검증할 수 있습니다.

이번 포스트에서는 아마존 베드록 에이전트코어와 아마존 노바 2 소닉을 이용해 효과적인 옴니채널 주문 시스템을 구축하는 방법을 소개합니다.

아마존 베드록의 세분화된 비용 할당 기능에 대해 설명하며, 다양한 비용 추적 시나리오를 예시로 제공합니다.

아마존 베드록의 모델 증류 기법을 활용해 대형 모델의 지능을 소형 모델로 전이하는 방법을 소개합니다. 이 방식은 추론 비용을 95% 이상 절감하고 지연 시간을 50% 줄이면서도 높은 품질의 라우팅을 유지합니다.

아마존 베드록을 활용해 노바 멀티모달 임베딩으로 동영상 의미 검색 솔루션을 구축하는 방법을 소개합니다. 사용자 의도를 이해하고 다양한 신호 유형에서 정확한 동영상 결과를 검색할 수 있습니다.

이 가이드는 Amazon Nova Forge SDK를 사용하여 Nova 모델을 미세 조정하는 모든 단계를 안내합니다. 데이터 준비부터 훈련, 평가까지 반복 가능한 방법을 제공합니다.

AWS 마케팅의 기술, AI 및 분석 팀이 Gradial과 협력하여 Amazon Bedrock 기반의 에이전틱 AI 솔루션을 개발해 콘텐츠 게시 작업의 효율성을 높였습니다.

이번 포스트에서는 Amazon Nova Micro를 활용해 맞춤형 SQL 방언 생성을 위한 두 가지 접근 방식을 소개합니다. 비용 효율성과 생산 준비 성능을 동시에 달성하는 방법을 설명합니다.

온라인 소매업체들은 고객이 온라인에서 상품을 주문할 때 적합성과 외관을 판단하기 어려워 반품이 증가하고 구매 신뢰도가 낮아지는 문제에 직면해 있습니다. AWS의 생성 AI 서비스가 이러한 문제를 해결할 수 있는 방법을 제시합니다.

이 글에서는 규제 산업에서 확률적 AI 검증의 한계를 설명하고, 아마존 베드록의 자동 추론 검사가 수학적으로 검증된 결과를 제공하는 방법을 소개합니다.

아마존 퀵사이트에서 대시보드 작성자가 자유롭게 디자인할 수 있는 맞춤형 툴팁 레이아웃 기능을 발표했습니다. 이 기능은 데이터 포인트에 마우스를 올리면 동적으로 표시됩니다.

이 글에서는 AWS Trainium2에서 추측적 디코딩이 어떻게 작동하는지와 생성된 토큰당 비용을 줄이는 데 어떻게 도움이 되는지를 설명합니다.

Rede Mater Dei de Saúde의 전문가들이 다수의 AI 시스템이 의료 분야의 운영 방식을 변화시키고 있다고 전했습니다. 이들은 수익 주기에서 AI 에이전트를 모니터링하는 방법에 대해 논의했습니다.

AWS는 생성적 AI 이니셔티브를 개념에서 생산 및 지속 가능한 가치 창출로 전환하는 데 도움을 주는 ‘Path-to-Value’ 프레임워크를 소개합니다.

아마존은 SageMaker JumpStart의 최적화된 배포 기능을 출시했다고 발표했다. 이 기능은 특정 사용 사례에 맞춘 사전 정의된 배포 구성을 제공하여 배포 커스터마이징을 간소화한다.

Amazon SageMaker HyperPod는 추론 작업을 위한 포괄적인 솔루션을 제공합니다. 이 글에서는 동적 확장, 간소화된 배포, 지능형 자원 관리 등의 주요 기능을 소개합니다.

가이드슬리는 AWS를 활용해 AI 기반의 여행 보고서 생성 시스템인 Jack AI를 개발했습니다. 이 시스템은 여행 미디어를 수집하고, 맥락을 추가하며, 컴퓨터 비전과 생성 AI를 적용해 마케팅에 적합한 콘텐츠를 여러 채널에 배포합니다.

새로운 Spring AI AgentCore SDK를 통해 생산 준비가 완료된 AI 에이전트를 구축하고, 확장 가능한 AgentCore Runtime에서 실행할 수 있습니다.

이 글에서는 AWS Lambda를 사용하여 Amazon Nova 맞춤화를 위한 확장 가능하고 비용 효율적인 보상 함수를 구축하는 방법을 설명합니다. 강화 학습 기법을 통해 다양한 보상 시스템을 설계하는 방법을 배울 수 있습니다.

아마존 베드록에서 AI 애플리케이션의 운영을 유지하기 위한 FM 전환 관리 방법을 소개합니다. 모델의 진화에 따라 애플리케이션을 새로운 모델로 원활하게 전환하는 전략을 논의합니다.

AWS가 에이전트 관리의 미래를 제시하는 ‘AWS 에이전트 레지스트리’를 미리보기로 발표했습니다. 이 플랫폼은 기업 내 AI 에이전트, 도구 및 기술을 발견하고 공유하며 재사용할 수 있는 단일 공간을 제공합니다.

이 글에서는 Amazon Bedrock AgentCore를 사용하여 React 애플리케이션에 실시간 AI 브라우저 에이전트를 임베드하는 방법을 소개합니다. 세 가지 단계로 구성된 이 과정은 샘플 애플리케이션을 생성하는 데 도움을 줍니다.

이 글에서는 사용자 입력을 요청하고 동적 콘텐츠 생성을 위해 LLM 샘플링을 호출하는 상태 유지 MCP 서버를 구축하는 방법을 배웁니다. 각 기능에 대한 코드 예제와 함께 작동하는 상태 유지 MCP 서버를 아마존 베드록 에이전트코어 런타임에 배포하는 방법도 설명합니다.

이번 포스트에서는 아마존 베드록을 활용한 아마존 노바 모델의 세부 조정 과정을 소개합니다. 도메인 특정 작업에서 우수한 성능을 발휘하는 의도 분류기 예제를 통해 각 단계를 설명합니다.

의료 및 생명과학 분야에서 AI 에이전트는 임상 데이터를 처리하고 규제 서류를 제출하는 데 도움을 줍니다. 그러나 민감한 데이터와 규제 요건으로 인해 인간의 감독이 필요합니다. 이 글에서는 AWS 서비스를 활용한 HITL 구조 구현 방법을 소개합니다.

이 글에서는 오디오 임베딩의 이해와 아마존 노바 멀티모달 임베딩 구현 방법, 오디오 콘텐츠 검색 시스템 구축에 대해 설명합니다. 오디오를 벡터로 표현하는 방법과 아마존 노바의 기술적 기능을 배울 수 있습니다.

이 글에서는 GSM8K 수학적 추론 데이터셋을 예로 들어 강화 학습 미세 조정(RFT)의 효과적인 활용 방법을 탐구합니다. 데이터셋 준비와 보상 함수 설계, 훈련 진행 모니터링 방법 등을 다룹니다.

아마존 베드록 프로젝트를 통해 특정 작업에 대한 추론 비용을 할당하고 AWS 비용 탐색기 및 데이터 내보내기에서 분석할 수 있습니다. 이 글에서는 프로젝트 설정 방법을 안내합니다.

이 글에서는 아마존 노바 2 소닉을 활용해 두 AI 호스트 간의 흥미로운 대화를 생성하는 자동화된 팟캐스트 생성기를 만드는 과정을 소개합니다.

아마존 베드록을 이용해 비즈니스 질문을 데이터베이스 쿼리로 변환하는 자연어 텍스트-투-SQL 솔루션 구축 방법을 소개합니다.

이 글에서는 아마존 퀵을 활용해 맞춤형 HR 온보딩 에이전트를 만드는 방법을 소개합니다. 조직의 프로세스를 이해하고 HR 시스템과 연결하여 신규 직원 질문에 답변하고 문서 완료를 추적하는 등의 작업을 자동화하는 방법을 설명합니다.

이 글에서는 Qwen 2.5 7B Instruct 모델을 RLVR을 사용해 도구 호출을 위해 세밀하게 조정하는 방법을 설명합니다. 데이터셋 준비, 보상 함수 설계, 훈련 구성 및 결과 해석 등을 다룹니다.

이 글에서는 아마존 베드록과 오픈서치를 사용하여 의미 기반 및 텍스트 기반 검색을 결합한 생성형 AI 비서 구현 방법을 소개합니다.

Windward는 지리공간 정보와 생성형 AI를 결합하여 경고 조사 과정을 개선하고 가속화하는 방법을 소개합니다. 이를 통해 분석가들은 데이터 수집 대신 의사 결정에 집중할 수 있습니다.

아마존 베드록 에이전트코어 게이트웨이는 AI 에이전트가 도구 및 MCP 서버에 연결하는 방식을 중앙에서 관리하는 계층을 제공합니다. 이 글에서는 OAuth 보호 MCP 서버에 연결하는 방법을 설명합니다.

이 글에서는 Strands Evaluations SDK의 ActorSimulator가 평가 파이프라인에 통합된 구조화된 사용자 시뮬레이션 문제를 어떻게 해결하는지 살펴봅니다.

TGS는 Amazon SageMaker HyperPod를 활용하여 지진 기초 모델의 분산 학습을 거의 선형적으로 확장하고, 더 큰 맥락 창을 구현했습니다. 이로 인해 학습 시간이 6개월에서 5일로 단축되었습니다.

AWS 네트워크 방화벽을 설정하여 AgentCore 리소스의 접근을 승인된 인터넷 도메인 목록으로 제한하는 방법을 소개합니다. 이 글에서는 SNI 검사를 통한 도메인 수준 필터링에 대해 설명합니다.

로켓클로즈가 AWS 생성 AI 혁신 센터와의 협력을 통해 모기지 문서 처리 시간을 15배 단축하는 지능형 솔루션을 개발했다. 이 솔루션은 아마존 텍스트랙트를 이용한 OCR 처리와 아마존 베드록을 통한 기초 모델을 활용한다.

이 포스트에서는 관리되는 세션 저장소를 사용하여 에이전트의 파일 시스템 상태를 유지하는 방법과 에이전트 환경에서 직접 셸 명령을 실행하는 방법을 설명합니다.

이 글에서는 아마존 노바 액트를 활용하여 수동 작업을 간소화하고 실시간 시장 통찰력을 바탕으로 데이터 기반 가격 결정을 지원하는 자동화된 경쟁 가격 정보 시스템 구축 방법을 소개합니다.

아마존 베드록 에이전트코어 평가는 AI 에이전트의 성능을 평가하는 완전 관리형 서비스입니다. 이 글에서는 에이전트의 정확성을 다양한 품질 차원에서 측정하는 방법과 개발 및 생산을 위한 두 가지 평가 접근법을 소개합니다.

이 글에서는 Amazon Bedrock AgentCore를 사용하여 AWS 비용 관리를 지원하는 FinOps 에이전트를 구축하는 방법을 소개합니다. 이 대화형 에이전트는 여러 계정의 데이터를 통합하여 즉각적인 질문 응답을 제공합니다.

이 글에서는 조직을 위한 AI 기반 컴플라이언스 증거 수집 시스템을 구축하는 방법을 소개합니다. 아키텍처 결정, 구현 세부사항, 배포 과정 등을 배울 수 있습니다.

이 글에서는 Amazon Nova Act를 활용한 QA 자동화 구현 방법을 소개합니다. 자연어로 테스트를 정의하고 UI 변화에 자동으로 적응하는 방법을 알아보세요.

AWS가 보안 테스트와 클라우드 운영을 위한 새로운 AI 기반 프론티어 에이전트를 출시했습니다. 이 에이전트는 독립적으로 작업을 수행하며, 빠른 침투 테스트와 신속한 사고 해결을 지원합니다.

AWS 생성 AI 혁신 센터의 AI 리스크 인텔리전스(AIRI)는 동적인 에이전트 작업을 효과적으로 관리하기 위한 자동화된 체계를 제공합니다. 이는 보안, 운영 및 거버넌스의 통합적 재구성을 의미합니다.

링은 아마존 베드록 지식 기반을 활용해 지역별 콘텐츠에 대한 메타데이터 기반 필터링을 구현하고, 콘텐츠 관리 프로세스를 효율화하여 비용 절감과 함께 고객 지원을 확장했습니다.

폭스바겐 그룹은 브랜드에 맞는 마케팅 자산을 대규모로 생산하는 데 어려움을 겪었습니다. 이를 해결하기 위해 생성적 AI 솔루션을 개발하여 포토리얼리스틱 차량 이미지를 생성하고, 기술적 정확성을 검증하며, 브랜드 가이드라인 준수를 지원합니다.