기업 콘텐츠 리뷰 작업을 위한 에이전트 기반 접근 방식 소개. 제품 문서, 지식베이스, 마케팅 자료 및 기술 사양 등 모든 유형의 기업 콘텐츠에 적용 가능. 기술 정확성을 위한 블로그 콘텐츠 검토 실제 예시 제시. 에이전트 구성, 도구 및 확인 소스를 조정하여 다양한 콘텐츠 리뷰 요구에 직접 적용 가능.

푸시페이의 경험을 통해 아마존 베드락을 활용하여 AWS에서 지속적인 품질 보증을 위한 맞춤형 생성 AI 평가 프레임워크를 구축하는 방법을 살펴본다.

이 블로그 포스트는 Amazon Quick Suite를 기본 계약 관리 솔루션으로 사용하고 고급 다중 에이전트 기능을 갖춘 Amazon Bedrock AgentCore를 추가한 지능형 계약 관리 솔루션을 구축하는 방법을 소개합니다.

이 포스트에서는 AppSync 이벤트를 사용하여 능력있고 서버리스 AI 게이트웨이 아키텍처의 기반을 구축하는 방법에 대해 설명합니다. AWS 서비스와의 통합 방법을 탐색하여 AI 게이트웨이 아키텍처에서 제공되는 기능을 포괄적으로 다룹니다. 또한 샘플 코드로 여러분의 계정에서 시작할 수 있도록 안내합니다.

Totogi가 AWS Generative AI Innovation Center와 협력하여 Amazon Bedrock의 신속한 혁신 능력을 활용하여 변경 요청 처리를 자동화하는 방법에 대해 설명합니다.

Amazon Bedrock AgentCore 서비스는 이제 AWS Cloud Development Kit (AWS CDK), Terraform 및 AWS CloudFormation 템플릿과 같은 다양한 IaC 프레임워크에서 지원됩니다. 이 통합은 IaC의 기능을 AgentCore에 직접 제공하여 개발자가 AI 에이전트 인프라를 프로비저닝, 구성 및 관리할 수 있게 합니다. 본문에서는 CloudFormation 템플릿을 사용하여 날씨 활동 플래너용 엔드 투 엔드 애플리케이션을 구축합니다.

아마존 카탈로그팀이 아마존 베드락을 활용해 대규모 시스템을 구축하여 정확도를 지속적으로 향상시키고 비용을 줄이는 자기 학습 시스템을 소개합니다.

PDI Technologies는 편의점 소매 및 석유 도매 업계의 글로벌 리더이다. 이 게시물에서는 PDI Intelligence Query (PDIQ) 프로세스 흐름과 아키텍처를 살펴보며 구현 세부 사항 및 PDI가 달성한 비즈니스 결과에 초점을 맞춘다.

CLICKFORCE가 AWS 서비스를 활용해 Lumos를 구축하여, 광고 업계 분석을 수작업으로 수주간이 걸리던 프로세스를 자동화된 1시간 프로세스로 변환했다.

톰슨 로이터의 플랫폼 엔지니어링팀이 수동 시스템에서 자동화된 에이전틱 시스템으로 전환하여 운영 생산성을 향상시키는 방법에 대해 설명합니다.

본문에서는 에피소드를 구조화하고 저장하는 완벽한 아키텍처, 리플렉션 모듈에 대한 논의, 그리고 에이전트 작업 성공률이 크게 향상된 것을 보여주는 중요한 벤치마크를 소개합니다.

버크는 아마존 베드록을 사용해 자체 개발한 AI 어시스턴트 ‘핀(Finn)’를 업그레이드하여 다국어 및 다시간대에 맞는 은행 지원을 원활하게 처리하고 있다.

본문에서는 Strands 에이전트, Meta의 Llama 4 모델 및 Amazon Bedrock을 사용하여 다중 에이전트 비디오 처리 워크플로우를 구축하는 방법을 탐구하며, 전문화된 AI 에이전트들이 협력하여 비디오 콘텐츠를 자동으로 분석하고 이해하는 방법을 살펴봅니다. 이 솔루션을 소개하기 위해 Amazon SageMaker AI를 사용하여 코드를 안내할 것입니다.

이 포스트에서는 다중 모달 RAG 애플리케이션을 구축하는 방법을 안내합니다. 다중 모달 지식 베이스의 작동 방식, 콘텐츠 유형에 따라 적절한 처리 전략을 선택하는 방법, 콘솔 및 코드 예제를 사용하여 다중 모달 검색을 구성하고 구현하는 방법에 대해 배웁니다.

아마존에서의 세밀 조정 기술을 통해 위험한 약물 오류가 33% 감소하고, 인간 노력이 80% 감소하며, 콘텐츠 품질 평가가 77%에서 96%까지 향상되는 방법에 대해 소개하고 있습니다. 이를 위해 지도 세밀 조정(SFT), PPO, DPO, GRPO, DAPO, GSPO 등의 기술을 상세히 설명하고 있습니다.

팔로알토 네트웍스의 장치 보안팀은 아마존 베드락을 활용하여 자동 로그 분류 파이프라인을 개발하여 생산 문제의 조기 경고 신호를 감지하고 문제에 대응할 시간을 더 많이 확보했다. 이들은 Amazon Bedrock을 통해 자동으로 로그 데이터를 분류하고 분석하는 방법에 대해 논의하고, 이 자동화 파이프라인이 잠재적 문제를 탐지하는 방법과 솔루션 아키텍처, 구현 통찰력을 공유한다.

아마존 웹 서비스(AWS)가 시작한 AWS AI 리그가 아시아태평양 지역으로 확장되어 지난해 싱가포르, 인도네시아, 말레이시아, 태국, 베트남, 필리핀 등에서 학생들을 환영했다. 이 블로그에서 AWS AI 리그 챔피언인 블릭스 D. 포리아센이 대회를 통해 마주한 도전, 성취, 그리고 핵심 교훈에 대해 직접 이야기한다.

본문은 GitHub Actions 워크플로우를 사용하여 AI 에이전트를 AgentCore Runtime에 자동으로 배포하는 방법을 보여준다. 이 접근법은 기업급 보안 제어와 함께 확장 가능한 솔루션을 제공하며 완전한 CI/CD 자동화를 제공한다.

아마존 AMET 결제팀은 단일 에이전트 AI 시스템의 한계를 극복하기 위해 인간 중심 접근 방식을 통해 구조화된 출력을 구현하고, 환각 현상을 크게 줄이며, AMET QA 팀 전반에 확장 가능한 솔루션을 구축했으며, 이후 국제 신흥 스토어 및 결제 (IESP) 조직의 다른 QA 팀 전반에 확장될 예정입니다.

이 게시물은 Amazon Bedrock를 사용한 생성적 AI 가이드 비즈니스 보고 솔루션을 소개하며, 비즈니스에 대한 성과 및 도전과제를 작성하는 데 초점을 맞춰 내부 커뮤니케이션과 보고를 간소화하고 가속화하는 스마트하고 실용적인 솔루션을 제공합니다.

아마존 베드락 가드레일을 활용하여 사용자 정의 다중 공급업체 생성적 AI 게이트웨이에 중앙 집중식 보호장치를 추가하여 이러한 도전 과제를 해결하는 방법을 소개합니다.

Amazon Nova 다중 모달 임베딩을 사용하여 특정 비디오 세그먼트를 검색하는 방법과, 170개의 게임 창작 자산 라이브러리에 대한 테스트에서 96.7%의 검색 성공률과 73.3%의 고정밀 검색률을 달성한 실제 사례를 살펴봅니다. 이 모델은 최소한의 성능 하락으로 여러 언어 간 강력한 크로스-언어 기능을 보여줍니다.

AutoScout24는 표준화된 AI 개발 프레임워크를 구축하여 안전하고 확장 가능한 AI 에이전트를 신속하게 배포할 수 있었습니다.

새로운 서버리스 모델 맞춤화 기능, 탄력적 학습, 체크포인트 없는 학습, 서버리스 MLflow가 결합되어 AI 개발 기간을 몇 달에서 몇 일로 단축시키는 방법을 탐구합니다.

Amazon Bedrock cross-Region 추론 프로필 구현의 보안 고려사항과 모범 사례를 탐구합니다. Amazon Bedrock CRIS의 안전한 아키텍처를 이해하고 구현을 올바르게 구성하는 방법을 안내합니다.

Omada Health는 가상 건강 관리 분야의 혁신업체로, AWS를 기반으로 한 AI 에이전트인 OmadaSpark를 특징으로 하는 새로운 영양 경험을 선보였다. 이는 강력한 임상 입력으로 훈련된 AI 에이전트로 실시간 동기 부여 면접과 영양 교육을 제공한다.

Amazon Nova 다중 모달 임베딩은 전자 상거래 사례를 통해 Crossmodal 검색의 도전을 해결하는 방법을 탐색합니다. 전통적인 방법의 기술적 한계를 살펴보고 Amazon Nova 다중 모달 임베딩이 텍스트, 이미지 및 기타 모달 간의 검색을 가능하게 하는 방법을 시연합니다. 임베딩 생성, 쿼리 처리 및 성능 측정을 통해 Crossmodal 검색 시스템을 구현하는 방법을 알 수 있습니다.

본문에서는 양자화 모델이 Amazon SageMaker AI에 어떻게 원활하게 배포되는지 살펴봅니다. 양자화는 추론 비용을 낮추고 자원이 제한된 하드웨어에 배포를 지원하며, 현대 LLM의 금융 및 환경적 영향을 줄이면서 대부분의 성능을 유지하는 방법을 탐구합니다. PTQ의 원리에 대해 심층적으로 살펴보고 선택한 모델을 양자화하고 Amazon SageMaker에 배포하는 방법을 시연합니다.

Beekeeper는 자동화된 리더보드 접근법과 동적 LLM 및 프롬프트 쌍 선택을 위한 인간 피드백 루프 시스템을 통해 조직이 언어 모델의 빠르게 변화하는 환경을 탐색하는 데 직면한 주요 과제를 해결하고 있다.

AWS와 Instituto de Ciência e Tecnologia Itaú (ICTi) 간의 전략적 과학적 파트너십을 통해 개발된 이 게시물은 텍스트와 오디오에 대한 감성 분석의 기술적 측면을 탐구합니다. 여러 ML 모델 및 서비스를 비교하고 각 접근 방법의 트레이드오프와 함정을 논의하며 AWS 서비스가 어떻게 조합되어 견고하고 완결된 솔루션을 구축할 수 있는지 강조합니다. 또한 대형 언어 모델 (LLM)을 위한 더 고급화된 프롬프트 엔지니어링과 텍스트 데이터만으로는 놓칠 수 있는 감정적 단서를 포착하기 위해 오디오 기반 분석 범위를 확대하는 가능한 미래 방향에 대한 통찰을 제공합니다.

TrueLook가 SageMaker AI를 활용해 AI-기반 안전 모니터링 시스템을 구축한 아키텍처 개요를 제공. 주요 기술 결정, 파이프라인 디자인 패턴, MLOps 최상의 실천 방법을 강조하며 AWS에서 확장 가능한 컴퓨터 비전 솔루션 설계에 대한 통찰력을 제공.

Flo Health의 의료 콘텐츠 검토에 대한 AI 적용 여정을 다룬 이 두 파트 시리즈 중 첫 번째 파트는 PoC를 살펴봅니다. 초기 솔루션, 능력 및 초기 결과를 포함한 내용을 다루며, 두 번째 파트에서는 확장 과제와 현실 세계 적용에 중점을 둡니다.

이 게시물은 Amazon Bedrock 데이터 자동화 및 Amazon Bedrock 가드레일을 사용한 자동화된 PII 감지 및 마스킹 솔루션을 소개하며, 수신 이메일과 첨부 파일의 대량 텍스트 및 이미지 콘텐츠를 처리하는 사용 사례를 통해 솔루션의 구현 절차를 안내합니다. 이 솔루션은 권한이있는 인원이 안전하게 이메일 통신 및 첨부 파일을 관리하고 검토할 수 있는 React 기반 사용자 인터페이스를 제공합니다.

Observe.ai는 SageMaker와 통합되는 OLAF를 개발하여 ML 서비스의 병목 현상과 성능 문제를 식별하고, 정적 및 동적 데이터 로드에서 지연 시간 및 처리량 측정을 제공합니다. 이 블로그 포스트에서는 OLAF 유틸리티를 사용하여 SageMaker 엔드포인트를 테스트하고 유효성을 검사하는 방법에 대해 알아볼 수 있습니다.

이 게시물은 수요에 따라 자동으로 리소스를 확장하고 서버 패치 및 저장소 관리 작업을 제거하는 SageMaker AI의 MLflow 앱으로 자체 관리형 MLflow 추적 서버를 이전하는 방법을 보여줍니다. MLflow Export Import 도구를 사용하여 실험, 실행, 모델 및 기타 MLflow 리소스를 전송하는 방법을 배우고 마이그레이션의 성공을 검증하는 지침을 제공합니다.

이 게시물은 Amazon Bedrock 및 Amazon Bedrock Knowledge Bases를 사용하여 AI 기반 웹사이트 어시스턴트를 구축하는 방법을 보여줍니다.

이 포스트에서는 Strands SDK, Amazon Bedrock AgentCore, Amazon Bedrock Knowledge Base 및 Bedrock Data Automation(BDA)를 활용하여 IDP 솔루션을 프로그래밍적으로 생성하는 방법을 탐구합니다. 사용자들이 Jupyter 노트북을 통해 다중 모달 비즈니스 문서를 업로드하고 BDA를 사용하여 관련 청크를 검색하고 FM에 프롬프트를 보강하는 파서로 사용하는 솔루션을 제공합니다.

기업 조직은 웹 기반 애플리케이션에 점점 더 의존하고 있지만, 많은 워크플로가 수동적이며, 이로 인해 운영 효율성과 규정 준수 위험이 발생하고 있다. 이 기술 블로그는 AI 에이전트 주도의 브라우저 자동화가 기업 워크플로 관리에 미치는 영향에 대해 다루고 있다.

본문에서는 에이전틱 QA 자동화가 어떻게 이러한 도전 과제를 해결하는지에 대해 살펴보고, 아마존 베드락 에이전트코어 브라우저와 아마존 노바 액트를 사용하여 샘플 소매 애플리케이션의 테스트 자동화를 실제로 진행하는 과정을 안내합니다.

Amazon SageMaker AI에서 BentoML의 LLM-Optimizer를 사용하여 대형 언어 모델(Large Language Model, LLM) 추론을 최적화하는 방법을 소개하고, 워크로드에 최적화된 서빙 구성을 체계적으로 식별하는 방법을 보여줍니다.

Amazon의 다음 세대 추론 엔진인 Mantle이 제로 오퍼레이터 액세스(ZOA) 디자인을 구현하여 AWS 오퍼레이터들이 고객 데이터에 액세스할 수 있는 기술적 수단을 제거하는 방법을 탐색합니다.

AWS AI 리그 챌린지를 통해 기관들이 AI 개발에 접근하는 방식을 변화시키고 있는 내용을 살펴보고, AWS re:Invent 2025에서의 대장정이 그들의 창의력과 기술을 진열한 것을 다룸.

Amazon Bedrock의 Foundation Models(FMs)와 Amazon Bedrock AgentCore를 사용하여 W&B Weave와 함께 기업용 AI 솔루션을 구축, 평가 및 모니터링하는 방법을 소개. 개별 FM 호출 추적부터 복잡한 에이전트 워크플로우 모니터링까지 전체 개발 주기 다룸.

dLocal은 AWS 팀과 긴밀히 협력하여 제품 로드맵을 구상하고 산업 혁신가로서의 역할을 강화하며 글로벌 핀테크 분야의 운영 우수성에 대한 새로운 기준을 설정했습니다.

Qbtech는 Amazon SageMaker AI와 AWS Glue를 활용하여 머신러닝 워크플로우를 최적화했고, 특징 공학 시간을 주간에서 몇 시간으로 단축하면서도 의료 공급자가 요구하는 높은 임상 기준을 유지했다.

이 게시물은 Amazon Nova를 사용하여 생성 AI를 통해 마케팅 캠페인 작성을 간소화하고 가속화하는 방법에 초점을 맞추고 있습니다. 콜롬비아 최대 은행 중 하나인 Bancolombia가 Amazon Nova 모델을 활용하여 마케팅 캠페인을 위한 시각 자료를 생성하는 방법을 소개합니다.

AWS와 Visa가 협력하여 Visa Intelligent Commerce를 통해 에이전틱 상거래를 가능하게 하고, Amazon Bedrock AgentCore를 활용하는 방법을 탐구합니다. 자율 AI 에이전트가 자연어를 통해 이뤄지는 단순한 엔드투엔드 워크플로로 쇼핑 및 여행 경험을 변화시킬 수 있는 방법을 보여줍니다.

이 포스트는 Zoom AI Research 논문 ‘Chain of Draft: Thinking Faster by Writing Less’에서 소개된 혁신적인 프롬프팅 기술인 Chain-of-Draft (CoD)를 탐구하며, 모델이 추론 작업에 접근하는 방식을 혁신적으로 변화시키는 방법을 살펴봅니다. 체인 오브 씨오트 (CoT) 프롬프팅이 모델 추론을 향상시키는 데 사용되어 왔지만, CoD는 인간의 문제 해결 패턴을 모방하여 간결하고 신호가 강한 사고 단계를 사용하는 더 효율적인 대안을 제공합니다.

이 포스트에서는 vLLM과 Bring Your Own Container (BYOC) 접근 방식을 사용하여 Amazon SageMaker AI 엔드포인트에 Voxtral 모델을 호스팅하는 방법을 보여줍니다. vLLM은 대규모 언어 모델(LLM)을 제공하는 고성능 라이브러리로, 향상된 메모리 관리를 위한 페이지드 어텐션과 여러 GPU에 걸쳐 모델을 분산하는 텐서 병렬성을 특징으로 합니다.

GenAI IDP 가속기에 통합된 새로운 기능 Analytics Agent를 소개합니다. 사용자는 SQL 또는 데이터 분석 전문 지식 없이 자연어 쿼리를 사용하여 고급 검색과 복잡한 분석을 수행할 수 있습니다. 이 기능을 통해 비전문가도 대규모로 처리한 문서를 자연어로 분석하고 이해할 수 있습니다.

이 글에서는 Amazon Bedrock에서 Foundation Models (FMs)을 활용하여 예측 정비 솔루션을 구현하는 방법과, 아마존의 제조 장비를 사례로 들어 그 활용성을 보여줍니다. 이 솔루션은 유연하며 다른 산업에 맞게 맞춤화할 수 있습니다.

아마존은 세이지메이커 스튜디오를 위한 새로운 기능인 SOCI(Seekable Open Container Initiative) 인덱싱을 소개했다. SOCI는 컨테이너 이미지의 지연 로딩을 지원하여 초기에 이미지의 필요한 부분만 다운로드하고 전체 컨테이너를 다운로드하지 않는다.

Strands 에이전트, Amazon Bedrock AgentCore 및 NVIDIA NeMo Agent Toolkit의 강력한 조합을 사용하여 AWS에서 AI 에이전트를 초기 개발부터 프로덕션 배포까지 구축, 평가, 최적화 및 배포하는 방법을 보여줍니다.

이 게시물에서는 양방향 스트리밍에 대해 알아보고 웹소켓 구현을 위한 전제조건에 대해 소개합니다. 또한 Strands Agents를 사용하여 음성 에이전트를 위한 양방향 스트리밍 솔루션을 구현하는 방법을 알아봅니다.

이 포스트에서는 조직이 모델 개발 및 배포 수명주기를 추적하고 관리하는 데 도움이 되는 새로운 기능과 핵심 개념을 탐구합니다. 데이터셋 업로드 및 버전 관리부터 모델 세밀 조정, 평가 및 원활한 엔드포인트 배포까지 자동 종단간 계보를 갖춘 모델을 훈련하는 방법을 안내합니다.

이 포스트에서는 Amazon SageMaker에서 MLflow를 관리하여 이러한 실험을 기록하고 진행 상황을 모니터링하는 통합 시스템을 제공하는 방법을 보여줍니다.

기업이 첫 번째 생성 AI 응용 프로그램을 배포한 후 규모를 확대하기로 계획할 때 일관된 보안 강화, 모델 편향 방지, AI 응용 프로그램이 증가함에 따라 통제를 유지하는 방법에 대한 중요한 질문들이 제기됩니다.

타타 파워 CoE와 Oneture Technologies가 AWS 서비스를 활용하여 검사 프로세스를 자동화하는 방법을 탐구합니다.

TwelveLabs Marengo 임베딩 모델이 Amazon Bedrock에서 비디오 이해력을 향상시키는 방법을 소개합니다. 이 모델을 사용하여 비디오 의미 검색 및 분석 솔루션을 구축하고 Amazon OpenSearch Serverless를 벡터 데이터베이스로 활용하여 간단한 메타데이터 일치 이상의 의미 검색 기능을 제공합니다.

아마존 세이지메이커 하이퍼팟에서의 체크포인트 없는 트레이닝은 모델 트레이닝에서 기존의 체크포인팅 필요성을 줄이고, 동료 간 상태 복구를 통해 생산 규모 검증 결과에서 복구 시간을 80~93% 단축하고, 수천 대의 AI 가속기로 이루어진 클러스터에서 최대 95%의 훈련 처리량을 달성했다.

Amazon SageMaker HyperPod는 이제 탄력적 훈련을 지원하여 기계 학습(ML) 워크로드가 자동으로 자원 가용성에 기반해 확장될 수 있게 합니다. 이 글에서는 탄력적 훈련이 GPU 활용률을 극대화하고 비용을 줄이며 모델 개발을 가속화하는 방법을 보여줍니다. 동적 자원 적응을 통해 훈련 품질을 유지하고 수동 개입을 최소화합니다.

Strands 에이전트를 사용한 두 가지 강력한 조율 패턴을 탐구합니다. 여행 계획 도구를 사용하여 다양한 조율 전략이 동일한 문제를 해결하는 방법을 보여줍니다.

이 두 파트 시리즈의 첫 번째에서 기존의 데브옵스 아키텍처를 발전시키고 생성 모델 AI 워크로드를 위한 GenAIOps 실천 방법을 구현하는 방법을 배웁니다. 다양한 생성 모델 AI 채택 수준에 대한 실용적인 구현 전략을 소개하며, 기초 모델 소비에 초점을 맞춥니다.

이 게시물에서는 Amazon S3 일반 버킷에서 직접 데이터를 읽는 ML 훈련 워크로드의 처리량을 최적화하기 위한 실용적인 기술과 권장 사항을 제시합니다.

Amazon Nova Sonic을 사용하여 음성 처리를 하고 Strands Agents를 사용하여 다중 에이전트 오케스트레이션을 구축하여 고급 음성 기반 AWS 운영 어시스턴트를 만드는 방법을 탐구한다. 자연어 음성 상호작용이 클라우드 운영을 변화시켜 AWS 서비스를 더 접근 가능하게 하고 운영을 더 효율적으로 만드는 솔루션을 소개한다.

Harmonic Security가 Amazon SageMaker AI, Amazon Bedrock 및 Amazon Nova Pro를 활용하여 ModernBERT 모델을 세밀하게 조정하여 저지연, 정확하고 확장 가능한 데이터 누출 감지를 달성하는 방법에 대한 내용입니다.

Swisscom은 Amazon Bedrock AgentCore를 도입하여 고객 지원 및 영업용 기업 AI 에이전트를 구축하고 확장하는 방법을 소개합니다. 스위스컴은 AWS 유럽 지역(취리히)의 Amazon Bedrock 초기 도입 업체로, Rasa를 기반으로 한 대화형 AI 및 Amazon SageMaker의 fine-tuned LLM을 포함한 다양한 AI 프로젝트를 성공적으로 구축하고 있습니다.

Amazon SageMaker AI with MLflow가 새로운 서버리스 기능을 도입했다. 이로써 AI 및 머신러닝 작업을 위한 인프라 프로비저닝, 확장 및 운영을 동적으로 관리할 수 있게 되었다. 이번 포스팅에서는 이러한 새로운 기능이 SageMaker AI with MLflow를 통해 개선된 성능, 자동화, 보안을 제공하며 대규모 MLflow 워크로드를 실행하는 방법을 탐구한다.

아마존 베드락 에이전트코어에 랑퓨즈 감시 기능을 통합하여 AI 에이전트의 성능을 심층적으로 파악하고 문제를 빠르게 해결하며 비용을 최적화하는 방법을 설명합니다. Strands 에이전트를 AgentCore Runtime에 배포한 후 단계별 코드 예제를 통해 완벽한 구현을 안내합니다.

이 포스트는 CI/CD 파이프라인에서 Amazon Nova Act 헤드리스 모드를 활용하여 자동화된 스모크 테스트를 구현하는 방법을 소개합니다. 우리는 데모를 위해 샘플 전자 상거래 애플리케이션인 SauceDemo를 대상으로 사용합니다. 헤드리스 브라우저 자동화를 위한 Amazon Nova Act 설정, 핵심 사용자 워크플로를 검증하는 스모크 테스트 생성, 병렬 실행 구현, GitLab CI/CD 구성, 테스트 자동 실행 및 유지보수 가능하고 확장 가능한 테스트 자동화를 위한 모범 사례 적용 방법을 보여줍니다.

아마존 노바 라이트 2.0의 추론 능력을 평가하는 글로, Lite 1.0, Micro, Pro 1.0, Premier과 비교하여 최신 버전이 추론 품질과 일관성을 어떻게 개선하는지 밝힘.

아마존 퀵 스위트를 사용하여 챗 에이전트를 구축하는 방법을 소개하고, 신원, 지침, 지식 세 가지 계층 구조를 통해 퀵 스위트 챗 에이전트를 지능적인 기업용 AI 어시스턴트로 변환하는 과정을 안내합니다. 예시를 통해 챗 어시스턴트가 기능 발견을 안내하고, 기업 데이터를 활용하여 추천을 제공하며, 영향 가능성과 팀의 채택 준비도에 따라 솔루션을 맞춤화하는 방법을 보여줍니다.

AWS의 전문가들이 생성 모델 AI를 통해 조직이 우수한 성과를 거둘 수 있도록 도와주는 전략을 소개합니다.

S&P Global과 Amazon Quick Research 간의 새로운 통합이 발표되었습니다. 이 통합으로 Quick Research 고객들은 S&P Global Energy 뉴스, 연구 및 통찰력과 S&P Global Market Intelligence 데이터를 하나의 심층적인 연구 에이전트에서 이용할 수 있습니다.

AgentCore Gateway가 이제 API Gateway를 지원합니다. 기업은 에이전트 애플리케이션의 가능성을 탐색하면서, 대규모 언어 모델(LLM)에 대한 호출 요청에서 기업 데이터를 안전하게 사용하고 기업 정책과 일치시키는 도전을 해결하고 있습니다. 이 게시물에서는 이러한 새로운 기능을 다루고 구현하는 방법을 보여줍니다.

이 포스트에서는 CRM 시스템 및 데이터베이스 간의 데이터 통합, 규제 준수를 위한 설명 가능하고 감사 가능한 AI 결정 제공, 일관된 보험 가입 규칙으로 자동 사기 탐지를 가능케 하는 지능형 보험 가입자 에이전트를 구축하는 방법을 소개합니다. 이 솔루션은 투명한 위험 평가를 위한 Amazon Nova 2 Lite, 관리형 MCP 서버 인프라를 위한 Amazon Bedrock AgentCore, 자연어 상호작용을 위한 Amazon Quick Suite를 결합하여 30분 이내에 배포할 수 있는 생산 준비 시스템을 제공합니다.

Myriad Genetics는 AWS Generative AI 혁신 센터와 협력하여 Amazon Bedrock 및 Amazon Nova foundation 모델을 활용해 건강 관련 문서 처리 파이프라인을 개선했으며, 98%의 분류 정확도를 달성하고 비용을 77% 줄이고 처리 시간을 80% 단축했다. AWS의 오픈소스 GenAI Intelligent Document Processing Accelerator를 사용한 기술적 구현과 문서 분류 및 핵심 정보 추출에 대한 최적화 전략, 그리고 Myriad의 사전 승인 업무에 미친 실제 비즈니스 영향을 상세히 설명한다.

CBRE와 AWS가 Amazon Bedrock을 활용하여 부동산 관리를 변혁하고, 통합 검색 및 디지털 어시스턴트를 구축한 방법을 소개한다. 이를 통해 전문가들은 자연어 질의를 통해 수백만 건의 문서와 다중 데이터베이스에 액세스할 수 있게 되었고, 670만 건 이상의 문서에 대한 처리 시간을 67% 줄이면서 기업급 보안을 유지했다.

Amazon SageMaker HyperPod를 위한 관리형 Tiered KV 캐시 및 지능적 라우팅 기능 소개. 이 기능은 장문 프롬프트 및 다중 대화에서 최대 40%의 첫 토큰 시간 감소와 최대 25%의 컴퓨팅 비용 절감을 제공한다. 이 기능은 분산된 KV 캐싱 인프라와 지능적인 요청 라우팅을 자동으로 관리하여 엔터프라이즈급 성능으로 제품 규모의 LLM 추론 워크로드를 배포하는 것을 쉽게 하며 운영 오버헤드를 크게 줄인다.

Amazon Bedrock AgentCore Gateway에 대한 새로운 기능인 게이트웨이 인터셉터를 출시했습니다. 이 강력한 기능은 세밀한 보안, 동적 접근 제어 및 유연한 스키마 관리를 제공합니다.

Condé Nast가 Amazon Bedrock과 Anthropic의 Claude를 활용하여 계약 처리와 권리 분석 업무를 가속화하는 방법을 탐구한다. 다수의 브랜드와 지역을 아우르는 회사의 포트폴리오는 점점 복잡해지는 계약, 권리, 라이선싱 계약을 관리해야 했다.

Amazon Nova Sonic은 Amazon Bedrock 양방향 스트리밍 API를 통해 비즈니스 데이터 및 외부 도구에 연결되며 전화 시스템과 직접 통합될 수 있다. 이 포스트에서는 가장 일반적인 전화 시나리오에 대한 샘플 구현을 소개한다.

UCLA의 OARC 및 REMAP 팀이 AWS의 서버리스 인프라, 관리형 서비스 및 생성 AI 서비스를 활용하여 솔루션을 신속하게 설계하고 배포하는 방법을 설명하며, Amazon SageMaker AI의 사용법과 몰입형 실시간 경험에서 안정적으로 활용하는 방법을 소개합니다.

Mobileye 팀은 AWS Graviton을 활용하여 REM™을 최적화하는 방법에 대해 설명합니다. 이를 통해 ML 추론과 Triton 통합에 초점을 맞추고 있습니다.

아마존 세이지메이커 AI의 새로운 아마존 노바 모델 평가 기능을 소개하는 블로그 포스트입니다. 이 업데이트는 사용자 정의 메트릭 지원, LLM 기반 선호도 테스트, 로그 확률 캡처, 메타데이터 분석, 대규모 평가를 위한 다중 노드 스케일링을 추가했습니다.

AI를 조직에 효과적으로 통합하기 위한 세 가지 전략을 살펴보고 있다. 조직적 채무 해결, “문어 조직” 모델을 통한 분산 의사 결정 수용, AI 기반 워크플로에 부합하는 관리 역할 재정의가 중요하다. 기술과 직원 준비에 투자해야 하며 프로세스를 간소화하고 팀에 자율적인 의사 결정 권한을 부여하고 전통적인 감독에서 멘토십, 품질 보증, 전략 비전 설정으로 발전시켜야 한다.

Amazon Bedrock Custom Model Import를 사용할 때 엔드 투 엔드 대기 시간이 줄고, 첫 번째 토큰까지의 시간이 단축되며, 고급 PyTorch 컴파일 및 CUDA 그래프 최적화를 통해 스루풋이 향상되어 성능이 크게 향상되었습니다. Amazon Bedrock Custom Model Import를 사용하면 자체 기반 모델을 Amazon Bedrock로 가져와 규모 확장 가능한 배포 및 추론이 가능합니다.

아마존 세이지메이커 AI가 EAGLE을 기반으로 한 적응형 추측 디코딩을 지원하며, 이 기술은 출력 품질을 유지하면서 대형 언어 모델 추론 속도를 최대 2.5배 가속화합니다. 이 글에서는 아마존 세이지메이커 AI에서 EAGLE 2 및 EAGLE 3 추측 디코딩을 사용하는 방법, 솔루션 아키텍처, 데이터셋 최적화 워크플로우, 그리고 증가된 처리량과 낮은 대기 시간을 보여주는 벤치마크 결과에 대해 설명합니다.

Amazon Lookout for Vision에서 Amazon SageMaker AI로 컴퓨터 비전 작업을 이전하고, AWS Marketplace에서 제공되는 사전 훈련된 모델을 사용하여 사용자 정의 하자 검출 모델을 훈련하는 방법을 소개합니다. SageMaker Ground Truth로 데이터셋 라벨링, 유연한 하이퍼파라미터 구성으로 모델 훈련, 실시간 또는 일괄 추론을 위한 배포까지 단계별 안내를 제공하여 자동 품질 검사에 대한 제어와 유연성을 높입니다.

AWS 고객 성공 센터는 AI 투자로부터 현실적인 가치를 얻도록 돕습니다. 사람, 프로세스, 기술을 함께 고려하는 AI 전략을 구축하는 고객들이 더 자주 성공하는 경향이 있습니다. 본문에서는 AI 가치 격차를 줄일 수 있는 실용적인 고려사항을 공유합니다.

Amazon SageMaker AI 추론에 양방향 스트리밍을 도입했는데, 이는 추론을 단방향 교환이 아닌 지속적인 대화로 변환시킵니다. 본문에서는 SageMaker AI 엔드포인트에 양방향 스트리밍 기능을 갖춘 컨테이너를 구축하고 배포하는 방법을 안내하며, Deepgram의 미리 구축된 모델과 컨테이너를 사용해 실시간 추론을 위한 양방향 스트리밍 기능을 활성화하는 방법을 보여줍니다.

Warner Bros. Discovery가 AWS Graviton을 활용하여 ML 추론 워크로드에 대해 60%의 비용 절감과 다양한 모델에서 7%에서 60%의 지연 시간 개선을 달성했다.

이 블로그 글에서는 데이터 수집과 모델 학습부터 엣지 배포에 이르는 물리적 AI의 완전한 개발 생명주기를 탐구하며, 이러한 지능 시스템이 지속적인 피드백 루프를 통해 물리적 세계를 이해하고 추론하며 상호작용하는 방법을 살펴본다. Diligent Robotics의 Moxi를 통해 이 워크플로우를 설명하며, 병원에서 120만 건 이상의 배달을 완료하면서 임상 직원들에게 거의 60만 시간을 절약하고 의료 물류를 혁신하며 환자 치료에 소중한 시간을 돌려주고 있다.

Amazon SageMaker HyperPod가 NVIDIA Multi-Instance GPU(MIG) 기술을 지원함으로써 강력한 GPU를 여러 격리된 인스턴스로 분할하여 추론, 연구, 상호작용 개발과 같은 동시 작업을 실행할 수 있게 되었습니다. GPU 활용도를 극대화하고 낭비되는 자원을 줄이는 MIG는 기업이 다양한 머신러닝 작업에서 성능 격리와 예측 가능한 서비스 품질을 유지하면서 비용을 최적화할 수 있도록 도와줍니다.

캐나다의 고객들이 아마존 베드락을 통해 Anthropic의 최신 기반 모델에 액세스할 수 있게 되었다. 이를 통해 AI 프로젝트를 가속화할 수 있는데, 이를 위해 캐나다 지역의 교차 지역 추론 프로필을 활용하는 방법과 이에 대한 가이드가 소개된다.

Amazon SageMaker HyperPod 클러스터는 Amazon Elastic Kubernetes Service (EKS) 조정을 통해 JupyterLab 및 오픈 소스 Visual Studio Code와 같은 대화형 개발 환경을 생성하고 관리할 수 있어서, 익숙한 도구를 데이터 과학자들에게 제공하여 ML 개발 수명주기를 간소화합니다. 이 게시물에서는 HyperPod 관리자가 클러스터용 Spaces를 구성하는 방법과 데이터 과학자가 이러한 Spaces를 만들고 연결하는 방법을 보여줍니다.

Anthropic의 최신 foundation 모델인 Claude Opus 4.5가 Amazon Bedrock에서 사용 가능하다. 이 모델의 특징, 주요 비즈니스 응용 프로그램 및 Amazon Bedrock에서 Opus 4.5의 새로운 도구 사용 능력을 시연한다.

이 포스트에서는 Amazon Bedrock를 사용하여 GPT-OSS-20B 모델을 배포하는 방법을 소개하며, 기존 응용 프로그램과 완전한 API 호환성을 유지합니다.

이 게시물에서는 다중 제공업체 생성 AI 게이트웨이 참조 아키텍처를 소개하며, 이를 통해 LiteLLM을 AWS 환경에 배포하여 여러 모델 제공업체 간의 제너레이티브 AI 워크로드의 관리와 거버넌스를 최적화하는 방법에 대한 지침을 제공합니다. 이 중앙 집중식 게이트웨이 솔루션은 Amazon Bedrock, Amazon SageMaker AI 및 외부 제공업체를 지원하면서 포괄적인 보안, 모니터링 및 제어 기능을 유지하며 제공자 단편화, 분산형 거버넌스, 운영 복잡성 및 비용 관리와 같은 일반적인 기업 과제에 대응합니다.

Foursquare Spatial H3 Hub의 지리 데이터와 Amazon SageMaker AI에 배포된 추론 모델을 결합하여, 공간 질문에 대한 복잡한 답변을 몇 분 내에 얻을 수 있는 지리 AI 에이전트를 배포하는 방법을 배웁니다. 이를 통해 비기술적인 도메인 전문가들이 지리 정보 시스템(GIS) 전문 지식이나 사용자 정의 데이터 엔지니어링 파이프라인이 필요하지 않은 자연어 쿼리를 통해 정교한 공간 분석을 수행할 수 있는 에이전트를 구축할 수 있습니다.