아마존 세이지메이커 AI를 활용해 유럽우주국의 STIX 데이터를 기반으로 태양 플레어를 탐지하는 딥러닝 모델을 구축하고 배포하는 방법을 소개합니다.

아마존의 새로운 AI 도구를 활용해 사용자 맞춤형 영화 관람 경험을 제공하는 방법을 소개합니다. 이 시스템은 자연어 대화를 통해 사용자의 선호도를 이해합니다.

아마존 베드록이 아시아 태평양(뉴질랜드) 지역에서 제공되며, 고객들은 다양한 AI 모델에 접근할 수 있게 되었습니다. 이 글에서는 뉴질랜드 지역에서의 크로스 리전 추론 방식과 사용 가능한 모델에 대해 설명합니다.

이 글에서는 AWS의 서버리스 아키텍처를 이용해 완전 자동화된 맥락 인식 AI 솔루션을 구현하는 방법을 소개합니다. 이 솔루션은 취약한 집단을 위한 책임 있는 AI 시스템을 배포하고, 다양한 사용자 그룹에 적절하고 신뢰할 수 있는 AI 응답을 유지하는 데 도움을 줍니다.

AWS는 Amazon SageMaker 통합 스튜디오와 Amazon S3의 통합을 발표했습니다. 이를 통해 팀은 Amazon S3에 저장된 비정형 데이터를 쉽게 활용하여 머신러닝 및 데이터 분석을 수행할 수 있습니다.

아마존 폴리가 새로운 양방향 스트리밍 API를 발표했습니다. 이 API는 텍스트와 오디오를 동시에 전송할 수 있어 대화형 AI 애플리케이션에 적합합니다.

아마존 베드록의 멀티모달 기초 모델을 통해 비디오 이해를 확장하는 세 가지 아키텍처 접근 방식을 살펴봅니다. 각 접근 방식은 다양한 사용 사례와 비용-성능 균형을 고려하여 설계되었습니다.

이 글에서는 Pipecat 음성 에이전트를 아마존 베드록 에이전트코어 런타임에 배포하는 방법을 다룹니다. 다양한 네트워크 전송 방식을 활용한 배포 가이드와 코드 샘플을 제공합니다.

이 글에서는 Amazon Bedrock에서 OpenAI 호환 API를 사용하여 강화 학습 미세 조정을 수행하는 전체 워크플로우를 설명합니다. 인증 설정부터 Lambda 기반 보상 함수 배포, 훈련 작업 시작 및 모델 추론 실행까지 다룹니다.

이 글에서는 SageMaker AI 추론 엔드포인트를 배포하기 위해 GPU 용량을 설정하는 방법을 안내합니다. 데이터 과학자의 여정을 따라 모델 평가를 위한 용량 예약 및 엔드포인트 관리 과정을 설명합니다.

이 글에서는 아마존 베드록에서 클로드 도구를 사용하여 대규모 언어 모델의 힘을 활용한 동적이고 적응 가능한 엔티티 인식 방법을 소개합니다.

이 블로그 포스트에서는 Reco가 아마존 베드록을 활용하여 보안 경고를 혁신하고 사건 대응 시간을 크게 개선한 방법을 소개합니다.

이 글에서는 AWS Cloud Development Kit(AWS CDK)를 사용하여 Slack 통합을 구축하는 방법을 설명합니다. AWS Lambda 함수를 활용한 인프라 배포와 Slack의 보안 요구사항을 충족하는 이벤트 구독 설정 방법을 배울 수 있습니다.

AWS ISV 파트너인 인공지능 기업이 아마존 세이지메이커 AI와 아마존 노바를 활용해 입력은 확률적이고 출력은 결정적인 솔루션을 제공하여 안전한 기업 채택을 지원하고 있습니다.

이 글에서는 네모트론 3 슈퍼 모델의 기술적 특성과 잠재적인 활용 사례를 탐구하며, 아마존 베드록 환경에서 생성형 AI 애플리케이션을 시작하는 데 필요한 기술적 지침을 제공합니다.

이 글에서는 VRAG를 통해 자연어 텍스트와 이미지를 고품질 비디오로 변환하는 비디오 생성 접근 방식을 소개합니다. 이 자동화된 솔루션을 통해 구조화된 입력으로부터 현실감 있는 AI 기반 비디오 시퀀스를 생성할 수 있습니다.

V-RAG는 비디오 콘텐츠 제작을 개선하기 위한 새로운 접근 방식으로, 검색 증강 생성 기술과 고급 비디오 AI 모델을 결합하여 효율적이고 신뢰할 수 있는 AI 비디오 생성 솔루션을 제공합니다.

아마존 SageMaker AI 엔드포인트가 향상된 메트릭스를 지원하여 구성 가능한 게시 빈도를 제공합니다. 이를 통해 생산 엔드포인트를 모니터링하고 문제를 해결하며 성능을 개선할 수 있는 세부적인 가시성을 제공합니다.

이 글에서는 Amazon Quick Microsoft Teams 확장을 여러 AWS 리전에서 배포할 때 데이터 거주지를 준수하는 방법을 소개합니다. GDPR 및 데이터 주권 요구 사항을 준수하는 데 도움이 되는 설정 방법을 배울 수 있습니다.

이 글에서는 Nova Forge SDK를 사용하여 Amazon SageMaker AI Training Jobs로 Amazon Nova 모델을 훈련하는 과정을 안내합니다.

오늘, LLM 커스터마이징을 쉽게 할 수 있는 Nova Forge SDK가 출시되었습니다. 이 SDK는 팀들이 언어 모델의 잠재력을 최대한 활용할 수 있도록 지원합니다.

이 글에서는 Strands Evals를 사용하여 AI 에이전트를 체계적으로 평가하는 방법을 소개합니다. 핵심 개념, 내장 평가자, 다중 턴 시뮬레이션 기능 및 통합을 위한 실용적인 접근 방식을 설명합니다.

이 글에서는 Amazon Bedrock, Amazon Elastic Container Service, Amazon DynamoDB, 모델 컨텍스트 프로토콜(MCP)을 사용하여 AI 기반 A/B 테스트 엔진을 구축하는 방법을 소개합니다.

Bark.com은 AWS Generative AI Innovation Center와 협력하여 AI 기반 콘텐츠 생성 솔루션을 개발했습니다. 이 솔루션은 실험적 시험에서 생산 시간을 크게 단축하고 콘텐츠 품질 점수를 향상시켰습니다.

이 글에서는 아마존 베드락에서 노바 1에서 노바 2로 마이그레이션하는 방법을 안내합니다. 모델 매핑, API 변경 사항, 코드 예제, 새로운 기능 구성 방법 등을 다룹니다.

Atos는 AWS AI 리그를 활용해 400명 이상의 참가자에게 AI 교육을 가속화하고, 게임화된 경험 학습의 실질적인 이점을 강조했습니다. 이 글에서는 AI 교육 프로그램에 적용할 수 있는 통찰도 공유합니다.

AWS와 NVIDIA가 AI 컴퓨팅 수요 증가에 대응하기 위해 새로운 기술 통합을 발표하며 전략적 협력을 확대했습니다. 이들은 AI 솔루션을 생산 준비 상태로 구축하고 운영하는 데 도움을 줄 예정입니다.

AWS 생성 AI 혁신 센터의 두 번째 시리즈로, 각 역할에 따른 책임과 위험을 다룹니다. P&L 소유자, 기업 아키텍처 담당자, 보안 리더 등 다양한 직무에 맞춘 내용으로 에이전틱 AI의 성공 요소를 설명합니다.

이번 블로그 포스트에서는 분산 서비스, 지능형 요청 스케줄링, 전문가 병렬 처리 등 차세대 추론 기능의 개념을 소개합니다. 이를 통해 추론 성능과 자원 활용도를 개선하는 방법을 설명합니다.

Workhuman이 아마존 퀵사이트를 이용해 다중 테넌트 셀프 서비스 보고서를 구축한 과정을 살펴봅니다. 이 글에서는 아키텍처 접근법과 구현 전략, 그리고 비즈니스 성과를 공유합니다.

이 블로그 포스트에서는 Amazon SageMaker Unified Studio와 SageMaker Catalog를 활용하여 오프라인 기능 저장소를 구축하는 방법을 단계별로 안내합니다.

AWS는 vLLM 버전 0.16.0부터 P-EAGLE 기술을 도입해 병렬 추측 디코딩을 활용한 빠른 대형 언어 모델(LLM) 추론을 지원한다. 사전 학습된 체크포인트와 함께 제공된다.

아마존은 베드록 서비스의 추론 작업 가시성을 높이기 위해 두 가지 새로운 클라우드워치 지표인 TimeToFirstToken과 EstimatedTPMQuotaUsage를 도입했다. 이를 통해 알람 설정과 용량 관리가 가능해진다.

아마존 베드록 AgentCore의 정책 기능은 에이전트의 자체 판단과 독립적으로 작동하는 결정적 집행 계층을 제공합니다. 이를 통해 자연어로 작성한 비즈니스 규칙을 세다르 정책으로 변환하고, 사용자 권한에 따른 세밀한 접근 제어를 구현할 수 있습니다.

아마존 노바 모델과 오픈서치 서비스를 활용해 대규모 영상 데이터셋에서 자연어 검색이 가능한 멀티모달 영상 검색 시스템 구축 방법을 소개한다. 수동 태깅과 키워드 검색을 넘어 영상 콘텐츠의 의미를 포괄하는 시맨틱 검색이 가능하다.

NVIDIA Nemotron의 최첨단 음성 인식 모델 Parakeet TDT 0.6B V2를 아마존 EC2 환경에서 도메인 특화용으로 미세 조정하는 방법을 소개한다. 합성 음성 데이터를 활용해 전문 분야에 맞는 정확한 전사 결과를 얻는 과정을 설명한다.

AWS Generative AI Innovation Center는 1,000개 이상의 고객이 AI를 제품화할 수 있도록 도와주었으며, 수백만 달러의 생산성 향상을 이끌어냈습니다. 이 게시물에서는 CTO, CISO, CDO, 최고 데이터 과학/AI 책임자 및 사업 소유자, 규정 준수 담당자를 포함한 경영진을 위한 안내를 제공합니다.

이 글에서는 Oumi를 사용하여 Amazon EC2에서 LLM 모델을 세밀하게 조정하는 방법을 소개하며, Oumi를 사용하여 합성 데이터를 생성하는 옵션도 제공합니다. 그리고 Amazon S3에 결과물을 저장하고, 관리되는 추론을 위해 Amazon Bedrock에 배포하는 방법을 설명합니다.

NVIDIA의 Nemotron 3 Nano가 이제 Amazon Bedrock에서 완전 관리형 및 서버리스 모델로 이용 가능하다. 이는 이전 AWS re:Invent에서 NVIDIA Nemotron 2 Nano 9B 및 NVIDIA Nemotron 2 Nano VL 12B 모델을 지원했던 발표를 따른 것이다. 이 게시물은 NVIDIA Nemotron 3 Nano 모델의 기술적 특성을 탐구하고 잠재적인 응용 사례에 대해 논의한다. 또한, 이 모델을 Amazon Bedrock 환경 내에서 생성적 AI 애플리케이션에 사용하는 데 도움이 되는 기술적 지침을 제공한다.

이 포스트에서는 인도에서 클로드 모델의 전 세계 교차 지역 추론을 사용하는 방법을 알아볼 수 있습니다. 각 클로드 모델 변형의 기능과 즉시 생성 AI 애플리케이션 구축을 시작하는 데 도움이 되는 코드 예제를 시작하는 방법을 안내합니다.

본문에서는 아마존 렉스를 위한 다중 개발자 CI/CD 파이프라인을 소개하며, 격리된 개발 환경, 자동화된 테스트, 그리고 간편한 배포를 가능하게 합니다. 이 솔루션을 설정하는 방법과 이를 사용하는 팀들의 현실적인 결과를 공유합니다.

이 게시물은 Bedrock Messages API 형식을 네이티브로 지원하지 않는 SageMaker에 호스팅된 LLMs를 사용할 때 Strands 에이전트를 위한 사용자 정의 모델 파서를 구축하는 방법을 보여줍니다. 우리는 awslabs/ml-container-creator를 사용하여 SageMaker에 SGLang과 함께 Llama 3.1을 배포하고, 그런 다음 Strands 에이전트와 통합하기 위한 사용자 정의 파서를 구현하는 과정을 안내합니다.

기업은 애플리케이션에 안전한 임베드 챗을 구현하는 것이 어려운데, 이를 해결하기 위해 Quick Suite Embedding SDK를 사용한 챗 에이전트 임베드 솔루션을 제공한다.

아마존 노바는 대화 분석, 통화 분류 등 콜센터 솔루션에 관련된 다양한 사용 사례에서 뛰어난 성능을 보여준다. 단일 통화와 다중 통화 분석 사례에 대한 기능을 살펴본다.

리코가 AWS GenAI IDP 가속기를 기반으로 자동 문서 분류 및 추출을 위한 표준화된 멀티 테넌트 솔루션을 구축하여 문서 처리를 사용자 정의 엔지니어링 병목 현상에서 확장 가능하고 반복 가능한 서비스로 변환하는 방법을 탐구합니다.

이 글에서는 Amazon Nova Canvas에서 제공하는 가상 시착 기능을 탐구하며, 빠르게 시작할 수 있는 샘플 코드와 최상의 결과를 얻는 데 도움이 되는 팁을 제공합니다.

Lendi Group이 Amazon Bedrock을 활용해 AI 파워드 홈론 가디언을 만들었고, 구현된 아키텍처와 성과를 설명. 고객 경험을 변화시키는데 있어 유용한 통찰을 제공.

Tines는 Quick Suite와 연결하여 기업 데이터를 안전하게 검색, 분석, 시각화하는 방법을 소개합니다. MCP 서버를 사용하여 AWS CloudTrail, Okta, VirusTotal 등 다양한 도구에서 데이터를 검색하고 Quick Suite를 활용해 보안 이벤트를 해결하는 예시를 안내합니다.

AWS China Applied Science팀이 어려운 VOC 분류 작업에 Nova Forge를 평가한 결과와 오픈 소스 모델과의 벤치마킹 결과를 공유합니다.

이 포스트는 Amazon Bedrock, LangGraph 및 Amazon SageMaker AI에서 관리되는 MLflow를 사용하여 지능적인 대화형 에이전트를 구축하는 방법에 대해 탐구합니다.

Amazon Bedrock Guardrails를 구성하고 효율적인 성능을 위한 Best Practices를 구현하며, 응용 프로그램을 보호하고 적절한 안전과 사용자 경험 간의 균형을 유지하기 위해 배포를 효과적으로 모니터링하는 방법을 소개합니다.

COBOL 현대화를 성공적으로 이끌어내기 위해서는 결정론적으로 역공학을 수행할 수 있는 솔루션이 필요하며, 유효성이 검증되고 추적 가능한 명세를 생성하고 이 명세를 AI 기반 코딩 어시스턴트로 전달하는 것이 중요하다. 성공적인 현대화에는 역공학과 전진공학이 모두 필요하다.

이 게시물에서는 Amazon Nova 모델을 위한 강화 Fein-Tuning (RFT)을 탐구하며, 이는 모방이 아닌 평가를 통해 학습하는 강력한 맞춤 기술일 수 있습니다. RFT의 작동 방식, 감독형 Fein-Tuning 대비 사용 시기, 코드 생성부터 고객 서비스에 이르기까지의 실제 응용 사례, 완전 관리형 Amazon Bedrock에서 Nova Forge로의 다양한 구현 옵션 등을 다룰 것입니다. 또한 데이터 준비, 보상 함수 설계에 대한 실용적인 지침과 최적 결과 달성을 위한 모범 사례에 대한 실용적인 지침을 제공합니다.

AWS는 최근 대규모 모델 추론(LMI) 컨테이너에 중요한 업데이트를 발표했다. 이 업데이트는 AWS에서 LLM을 호스팅하는 고객들을 위해 포괄적인 성능 향상, 확장된 모델 지원 및 간소화된 배포 기능을 제공한다. 이번 업데이트는 인기 있는 모델 아키텍처 전반에 걸쳐 운영 복잡성을 줄이고 측정 가능한 성능 향상을 제공하는 데 초점을 맞췄다.

본문에서는 Mixture of Experts (MoE) 모델에 대한 멀티-로라 추론을 구현하는 방법과 커널 수준의 최적화에 대해 설명하며, 이 작업에서 어떻게 이점을 얻을 수 있는지 보여줍니다. GPT-OSS 20B를 이 포스트 전체에서 주요 예제로 사용합니다.

Amazon Bedrock AgentCore 구성 요소를 사용하여 생산 준비가 된 이벤트 어시스턴트를 빠르게 배포하는 방법을 소개합니다. 참석자 기호를 기억하고 시간이 지남에 따라 개인화된 경험을 구축하는 지능적인 동반자를 구축하고, Amazon Bedrock AgentCore가 제작 배포의 중요한 역할을 처리합니다.

AWS CDK를 사용하여 Amazon Rekognition을 통한 얼굴 및 물체 감지, Amazon Neptune을 통한 관계 매핑, 그리고 AI 기반 캡션 기능을 통합한 포괄적인 사진 검색 시스템을 구축하는 방법을 소개합니다.

이 게시물에서는 Amazon SageMaker 학습 작업에서 veRL과 Ray를 사용하여 경쟁 프로그래밍을 위한 특수화된 70억 개 파라미터 모델인 CodeFu-7B를 훈련하는 방법을 보여줍니다. 이를 통해 데이터 준비, 분산 훈련 설정 및 종합적인 관측성을 다루며, 이 통합된 방법이 복잡한 강화 학습 훈련 작업에 대해 계산 규모와 개발자 경험을 모두 제공하는 방법을 소개합니다.

Dottxt의 아웃라인 프레임워크를 활용하여 AWS Marketplace를 통해 Amazon SageMaker에서 구조화된 출력을 구현하는 방법을 탐구합니다.

이 게시물에서는 태국, 말레이시아, 싱가포르, 인도네시아, 대만의 고객을 위한 글로벌 CRIS의 이용 가능성을 발표하고 기술 구현 단계에 대한 안내를 제공하며, AI 추론 배포의 가치를 극대화하기 위한 할당량 관리 모베스트 프랙티스를 다룹니다. 생산 배포에 대한 모베스트 프랙티스에 대한 지침도 제공합니다.

Amazon Bedrock가 중동 지역 고객을 위해 Anthropic의 Claude Opus 4.6, Claude Sonnet 4.6, Claude Opus 4.5, Claude Sonnet 4.5 및 Claude Haiku 4.5를 제공한다. 글로벌 교차 지역 추론의 주요 이점과 실제 사용 사례, 생성 AI 애플리케이션을 구축하는 데 도움이 되는 코드 예제에 대해 안내한다.

Bedrock Robotics가 AWS Physical AI Fellowship에 합류하여 AWS Generative AI Innovation Center와 협력하여 건설 비디오 자료를 분석하고 작업 세부 정보를 추출하며 규모 확장 가능한 레이블이 지정된 훈련 데이터 집합을 생성하는 시각-언어 모델을 적용하여 자율 건설 장비용 데이터 준비를 개선하는 방법을 살펴봅니다.

손라이는 생명과학 AI 기업으로, 아마존과 협력하여 아마존 세이지메이커 AI를 활용한 견고한 MLOps 프레임워크를 구축하여 규제 환경에서 필요한 추적성과 재현성을 유지하면서 이러한 도전 과제를 해결하는 방법을 살펴봅니다.

Hexagon은 Amazon Web Services와 협력하여 Amazon SageMaker HyperPod의 모델 훈련 인프라를 사용하여 최첨단 세그멘테이션 모델의 사전 훈련을 통해 AI 모델 생산을 확장했다.

Hugging Face smolagents를 활용해 몇 줄의 코드로 에이전트를 구축하는 방법을 소개하고, AWS 관리형 서비스와 통합하여 멀티 모델 전개 옵션, 벡터 강화 지식 검색, 임상 의사 결정 지원 능력을 보여주는 의료 AI 에이전트를 배포하는 방법을 설명한다.

2025년, Amazon SageMaker AI는 핵심 인프라 제공에서 용량, 가격 성능, 관측성, 사용성 등 네 가지 차원에서 혁신적인 개선을 이루었다. 이번 시리즈에서는 이러한 다양한 개선 사항과 이점에 대해 논의된다. 첫 번째 파트에서는 유연한 트레이닝 계획의 출시로 용량 개선을 논의한다. 또한 추론 워크로드의 가격 성능 개선에 대해 설명한다.

2025년, Amazon SageMaker AI는 여러 개선 사항을 도입하여 생성적 AI 워크로드의 교육, 조정 및 호스팅을 지원했습니다. 이 글에서는 관측성, 모델 맞춤 및 모델 호스팅을 개선한 내용을 다루고 있습니다. 이러한 개선으로 SageMaker AI에서 새로운 고객 사용 사례를 지원할 수 있었습니다.

Amazon Quick과 통합하기 위한 MCP 서버 구축 및 검증 방법에 대한 여섯 단계 체크리스트를 소개하고, MCP 클라이언트 동작과 제약 조건에 대해 설명하는 Amazon Quick 사용자 가이드를 활용하는 “How to” 가이드입니다.

Flyte Python SDK를 사용하여 AI/ML 워크플로우를 조정하고 확장하는 방법을 설명하고, Union.ai 2.0 시스템이 Amazon EKS에 Flyte를 배포하고 Amazon S3, Amazon Aurora, IAM, Amazon CloudWatch와 통합되는 방법을 살펴봅니다. 새로운 Amazon S3 Vectors 서비스를 활용한 AI 워크플로우 예시를 통해 솔루션을 탐구합니다.

이 블로그 포스트에서는 Amazon Quick Sight와 Snowflake 간의 안전한 키페어 인증을 통한 데이터 소스 연결 설정 방법을 안내합니다.

이 글에서는 실제 고객 에이전트 및 지식 엔진 (CAKE)의 구현을 통해 Amazon Bedrock AgentCore를 사용하여 통합 지능 시스템을 구축하는 방법을 보여줍니다.

아마존에서의 에이전트 AI 시스템을 평가하는 종합적인 평가 프레임워크를 제시하고, 에이전트 AI 응용 프로그램의 복잡성을 해결하기 위해 두 가지 핵심 구성 요소를 설명합니다. 이는 아마존 Bedrock AgentCore Evaluations에서 체계적인 측정 및 메트릭을 제공하며, 아마존의 사용 사례별 평가 방법과 메트릭을 다룹니다.

Amazon Bedrock AgentCore 브라우저에서 프록시 구성, 브라우저 프로필 및 브라우저 확장 기능 세 가지 새로운 기능을 소개했습니다. 이러한 기능을 통해 AI 에이전트가 웹과 상호 작용하는 방식을 세밀하게 제어할 수 있습니다. 구성 예와 실용적인 사용 사례를 통해 각 기능을 살펴보고 시작하는 데 도움이 되는 내용입니다.

아마존 Bedrock, 아마존 Bedrock 지식베이스, AWS Lambda 및 기타 AWS 서비스를 활용하여 AI 기반 채용 시스템을 구축하는 방법 소개. 인재 모집 설명서 작성, 후보자 소통, 면접 준비 등을 개선하면서도 인간의 감독 유지.

긴 작업 중에 서버와 클라이언트 사이의 지속적인 통신을 유지하는 컨텍스트 메시지 전략과, AI 에이전트가 다른 작업을 차단하지 않고 장기 실행 프로세스를 시작할 수 있는 비동기 작업 관리 프레임워크를 소개하며, 이를 Amazon Bedrock AgentCore와 Strands Agents와 통합하여 복잡하고 시간이 많이 소요되는 작업을 신뢰성 있게 처리할 수 있는 프로덕션 레벨의 AI 에이전트를 구축하는 방법을 소개합니다.

NVIDIA Nemotron 3 Nano 30B 모델이 Amazon SageMaker JumpStart 모델 카탈로그에서 일반적으로 사용 가능해졌습니다. 복잡한 모델 배포를 관리하지 않고 AWS 상에서 Nemotron 3 Nano로 혁신을 가속화하고 실질적인 비즈니스 가치를 전달할 수 있습니다. SageMaker JumpStart가 제공하는 관리형 배포 기능을 사용하여 Nemotron 능력을 활용해 생성적 AI 애플리케이션을 구동할 수 있습니다.

이 포스트는 Amazon Bedrock을 사용할 때 응용 프로그램 신뢰성과 사용자 경험을 향상시킬 수 있는 강력한 오류 처리 전략을 구현하는 방법을 보여줍니다. 이 포스트에서는 이러한 오류에 대한 응용 프로그램의 성능 최적화 전략에 대해 깊이 파헤칩니다.

Swann이 Amazon Bedrock을 활용하여 수백만 대의 IoT 장치에 생성 모델 AI를 제공하는 방법에 대해 설명합니다. Swann 통신이 백만 대의 장치에 걸쳐 배포한 gen-AI를 IoT 규모로 배포하는 모델 선택 전략, 비용 최적화 기술 및 아키텍처 패턴을 알 수 있습니다.

LinqAlpha는 보스턴 기반의 기관 투자자를 위해 구축된 다중 에이전트 AI 시스템으로, 기업 스크리닝, 프라이머 생성, 주가 촉진요인 매핑을 지원하며, 새로운 AI 에이전트 Devil’s Advocate를 통해 투자 아이디어를 압력 테스트하는 방법을 소개합니다.

아마존은 아마존 노바 모델을 활용하여 AI 기반 이미지 인식 솔루션을 구현하여 모듈 구성 요소의 감지 및 유효성 검사를 자동화하고 수동 확인 작업을 크게 줄이고 정확성을 향상시킵니다.

이베르돌라는 세계 최대 규모의 유틸리티 기업 중 하나로, AWS와 파트너십을 통해 아마존 베드락 에이전트코어를 활용하여 IT 운영을 혁신했다. 변화 요청 검증 최적화, 상황 지능을 활용한 사건 관리 향상, 대화형 AI를 이용한 변화 모델 선택 단순화를 통해 병목 현상을 줄이고 티켓 처리 속도를 향상시키며 조직 전반에 걸쳐 일관된 고품질 데이터 처리를 실현하고 있다.

아마존 노바 소닉은 양방향 스트리밍 인터페이스를 통해 실시간, 인간과 유사한 음성 대화를 제공합니다. 이 게시물에서는 노바 소닉이 계층 구조 접근법에서 마주치는 일부 문제를 해결하고, 음성 AI 에이전트를 구축하는 것을 간소화하며 자연스러운 대화 능력을 제공하는 방법에 대해 알아봅니다. 언제 어떤 접근법을 선택해야 하는지에 대한 안내도 제공됩니다.

이 블로그 포스트는 자동 추론 검사 문구 다시 쓰기 챗봇의 구현 아키텍처에 대해 자세히 다룹니다.

기업 LLM fine-tuning을 효율적이고 확장 가능한 솔루션으로 변화시키는 방법을 소개하며, 도메인 특화 응용 프로그램에서 더 나은 모델 성능을 달성하기 위한 것.

뉴 레릭이 생성 모델 AI 혁신 센터와 협력하여 New Relic Omnipresence Virtual Assistant인 New Relic NOVA를 지식 보조에서 포괄적인 생산성 엔진으로 발전시켰다. 기업급 AI 솔루션을 구축하며 측정 가능한 생산성 향상을 실현한 기술 아키텍처, 개발 과정, 주요 배운 점을 살펴본다.

이 글에서는 Amazon Web Services (AWS) 계정에 Fullstack AgentCore Solution Template (FAST)를 배포하는 방법과 해당 아키텍처를 이해하는 방법, 그리고 요구 사항에 맞게 확장하는 방법을 알 수 있습니다. FAST를 사용하면 인증, 인프라 구성 (IaC), 배포 파이프라인 및 서비스 통합을 처리하면서 자체 에이전트를 구축하는 방법을 배울 수 있습니다.

이 게시물은 Amazon Bedrock에서의 에이전트 간 협업이 어떻게 실제로 작동하는지 살펴보며, 계획을 위해 Amazon Nova 2 Lite를 사용하고 브라우저 상호작용을 위해 Amazon Nova Act를 사용하여 취약한 단일 에이전트 설정을 예측 가능한 다중 에이전트 시스템으로 변환하는 방법을 안내합니다.

Amazon Bedrock의 구조화된 출력 기능은 제한된 디코딩을 통해 기반 모델로부터 스키마 호환성을 갖춘 검증된 JSON 응답을 얻는 방식을 근본적으로 변화시킵니다. 이 기사에서는 전통적인 JSON 생성의 어려움과 구조화된 출력이 이를 해결하는 방법을 탐구합니다.

이 글에서는 CLI와 SDK를 사용하여 AWS 계정에서 세이지메이커 하이퍼팟 클러스터를 생성하고 관리하는 방법을 소개합니다. 실제 예시를 통해 사용자 워크플로와 매개변수 선택에 대해 자세히 살펴봅니다.

이 글에서는 Amazon Nova 루브릭 기반 판사 기능을 탐구하며, 루브릭 기반 판사가 무엇인지, 판사가 어떻게 훈련되는지, 고려해야 할 지표 및 판사를 보정하는 방법에 대해 다룹니다. Amazon Nova 루브릭 기반 LLM-판사 방법론의 노트북 코드를 공유하여 SageMaker 훈련 작업을 사용하여 두 가지 다른 LLM의 출력물을 평가하고 비교합니다.

Associa는 AWS Generative AI 혁신 센터와 협력하여 생성적 AI를 활용한 문서 분류 시스템을 구축했으며, 이를 통해 운영 효율성을 달성하는 장기적 비전을 실현하고 있습니다. 이 솔루션은 들어오는 문서를 고정도로 자동 분류하고 효율적으로 처리하여 운영 탁월성을 유지하면서 상당한 비용 절감을 제공합니다.

Amazon Nova 다중 모달 임베딩을 미디어 자산 검색 시스템, 제품 발견 경험, 문서 검색 애플리케이션에 구성하고 사용하는 방법에 대해 배울 수 있습니다.

이 포스트에서는 Amazon Nova 기반 모델을 활용한 마케팅 캠페인 이미지 생성 작업을 더욱 발전시켜, 이전 마케팅 캠페인에서의 학습을 통해 이미지 생성을 향상시키는 방법을 보여줍니다. Amazon Bedrock, AWS Lambda, Amazon OpenSearch Serverless를 통합하여 참조 캠페인을 활용하는 고급 이미지 생성 시스템을 만들어 브랜드 가이드라인을 유지하고 일관된 콘텐츠를 제공하며 새로운 캠페인 생성의 효과와 효율성을 향상시킵니다.

BGL은 15개국 12,700개 이상의 기업에 서비스를 제공하는 선도적인 자체 관리 연금기금(SMSF) 관리 솔루션 제공업체로, 개인들이 자신이나 고객의 퇴직 저축물의 복잡한 규정 준수와 보고를 관리하는 데 도움을 줍니다. 이 블로그 글에서는 BGL이 Claude 에이전트 SDK와 아마존 베드락 에이전트코어를 사용하여 생산 준비가 완료된 AI 에이전트를 구축한 경험을 살펴봅니다.

이 포스트에서는 Amazon API Gateway와 AWS Lambda를 사용하여 Google Drive를 Amazon Quick Suite 사용자 지정 커넥터와 통합하여 안전한 파일 업로드 솔루션을 구축하는 방법을 보여줍니다.

이 게시물은 Amazon Bedrock AgentCore를 사용하여 기업 AI 에이전트를 구축하는 아홉 가지 필수적인 모범 사례를 탐색합니다. 초기 범위 설정부터 조직 확장까지, 규모에 맞게 AI 에이전트를 만들고 배포하며 관리하기 위해 필요한 서비스를 제공하는 AgentCore에 대해 실용적인 지침을 다룹니다.

아마존 세이지메이커는 2025년 11월 21일, 아마존 세이지메이커 통합 스튜디오 내에 내장된 데이터 에이전트를 소개했다. 이 데이터 에이전트는 대규모 데이터 분석을 변형하는 데 도움이 되며, 세부적인 사례 연구를 통해 이를 시연한다. 이를 통해 세이지메이커 데이터 에이전트가 데이터 준비에 소요되는 시간을 줄이고, 분석 개발 시간을 단축시켜 연구 결과 도출까지의 경로를 가속화하는 방법을 보여준다.

Clarus Care는 AWS Generative AI Innovation Center (GenAIIC) 팀과 협력하여 대화형 상호작용 및 다중 의도 해결이 가능한 AI 기반 연락센터 프로토타입을 개발했다. 이 솔루션은 자동 음성봇과 채팅 인터페이스를 통해 대화형 상호작용을 가능하게 하며, 성장을 지원하기 위한 확장 가능한 서비스 모델과 성능 인사이트를 위한 분석 파이프라인을 통합하고 있다.

Amazon S3 기반 템플릿을 활용하여 ModelOps 워크플로우를 간소화하는 방법과, Service Catalog 접근 방식과 비교한 주요 이점을 살펴보며, GitHub 및 GitHub Actions과 통합된 사용자 정의 ModelOps 솔루션을 생성하는 방법을 시연하여 팀이 완전히 기능하는 ML 환경을 원 클릭으로 프로비저닝하는 방법을 보여줍니다.

글로벌 교차 지역 추론을 통해 요청을 라우팅하고 데이터가 어디에 있는지 보여주며, 필요한 IAM 권한을 구성하고 전 세계 추론 프로필 ARN을 사용하여 Claude 4.5 모델을 호출하는 방법을 안내합니다. 업무량을 위한 할당량 증가 요청하는 방법도 다룹니다. af-south-1에서 글로벌 교차 지역 추론을 구현할 수 있게 됩니다.