와이프로가 아마존 베드락을 활용해 산업 자동화 코드 개발을 최적화하는 방법을 소개하고, 실제 제조 작업에 미치는 변화를 보여주는 결과를 공유합니다.

MSD는 생성 모델 AI와 데이터베이스의 파워를 활용하여 제조 이탈 관리 프로세스를 최적화하고 변형하는 방법을 탐구하고 있습니다. 지난 사건, 이탈 및 발견에 대한 정확하고 다면적인 지식 기반을 만들어 새로운 사례당 소요되는 시간과 노력을 현저히 줄이면서 최고 수준의 품질과 규정 준수를 유지하려고 합니다.

이 블로그 포스트에서는 에이전트 워크플로우가 자연어 인터페이스를 활용하여 규모 확장 가능한 유전체 파이프라인의 처리 및 해석을 가속화하는 방법을 소개합니다. 우리는 자동화된 데이터 처리와 지능적 분석을 결합한 포괄적 유전체 변이 해석기 에이전트를 시연하여, 원시 VCF 파일 수용부터 대화형 쿼리 인터페이스까지 전체 워크플로우를 다룹니다.

아마존 팀이 만든 AI 쇼핑 어시스턴트 Rufus는 지능적인 대화형 경험을 제공하여 고객을 기쁘게 합니다. 이번 연도에 2억 5천만 명 이상의 고객이 Rufus를 사용했으며, 월간 이용자가 전년 대비 140% 증가하고 상호작용은 210% 증가했습니다. 또한, Rufus를 사용하는 고객은 쇼핑 여정 중에 60% 더 많은 가능성으로 상품을 구매합니다.

Care Access가 Amazon Bedrock 프롬프트 캐싱 기술을 도입하여 의료 기록 처리를 최적화하고 규정 요구 사항을 준수하는 방법을 소개합니다.

이 포스트에서는 클로드 코드의 배포 패턴과 아마존 베드락과의 최상의 실천 방안에 대해 알아보며, 인증 방법, 인프라 결정 및 모니터링 전략을 다룹니다. 기업이 안전하고 확장 가능하게 배포할 수 있도록 돕기 위해 직접 IdP 통합, 인프라용 전용 AWS 계정 및 종합적인 모니터링을 권장합니다.

아마존 베드락 가드레일이 12가지 프로그래밍 언어로 코드 생성을 보호하는 안전 제어를 확장했다. AI 지원 소프트웨어 개발 중요 보안 도전 과제를 해결하기 위해 내용 필터, 공격 탐지, 거부 주제, 민감 정보 필터를 구성하는 방법을 살펴본다.

AWS Well-Architected 책임 있는 AI 렌즈는 적절한 질문과 모범 사례를 제공하여 개발 및 운영 과정에서 책임 있는 AI 문제를 해결하는 데 도움을 줍니다.

아마존의 AI 기반 Amazon Compliance Screening 시스템은 복잡한 규정 준수 문제를 자율 에이전트를 통해 분석하고 해결함으로써 정확도를 높였다. 이 블로그 포스트에서는 아마존의 규정 준수팀이 AWS에서 구축한 AI 기반 조사 시스템에 대해 탐구한다.

Snowflake AI Data Cloud와 Amazon Web Services(AWS) 도구를 활용하여 조직이 데이터 기반 의사결정을 내리고 운영 효율을 높이며 경쟁 우위를 확보할 수 있는 생성적 AI 솔루션을 구축하는 방법에 대해 다루고 있습니다.

Spectrum을 사용하여 리소스 사용을 최적화하고 학습 시간을 단축하는 방법을 배우고, Amazon SageMaker AI 학습 작업에서 Spectrum Featuning을 구현하는 방법을 알아봅니다. 또한 QLoRA와 Spectrum Featuning 사이의 트레이드오프에 대해 논의하며, QLoRA가 리소스를 더 효율적으로 사용하는 반면 Spectrum은 전반적으로 더 높은 성능을 제공한다고 보여줍니다.

RoboTic-Tac-Toe는 두 대의 로봇이 틱택토 보드를 움직이는 대화형 게임으로, LLMs가 게임 플레이와 로봇 움직임을 조율합니다. 자연어 명령을 사용해 로봇을 제어하고, 플레이어는 자신의 표시를 게임 보드에 놓을 수 있습니다. 이 게시물에서는 틱택토 게임을 이해하고 현재 플레이어를 위한 최적의 게임 전략과 움직임 계획을 결정하기 위해 사용된 구조와 프롬프트 엔지니어링 기술을 탐구합니다.

Amazon SageMaker HyperPod에 두 가지 주요 기능이 도입되어 대규모 머신 러닝 인프라의 보안 및 저장 기능이 강화되었습니다. 새로운 기능으로는 기업이 제어하는 암호화 키를 사용하여 EBS 볼륨을 암호화하는 고객 관리 키(CMK) 지원 및 AI 워크로드에서 Kubernetes 볼륨에 대한 동적 저장소 관리를 지원하는 Amazon EBS CSI 드라이버 통합이 포함됩니다.

플랫폼 엔지니어링 원칙을 생성 AI에 적용하여 가치 실현 시간 단축, 비용 통제, 확장 가능한 혁신을 어떻게 가능케 하는지에 대해 설명합니다.

2025년 12월 1일부터 5일까지 라스베이거스에서 열리는 re:Invent에서 Amazon Quick Suite의 포괄적인 세션 카탈로그를 탐색하고 주간 일정을 계획하는 데 도움이 되는 가이드입니다. 비즈니스 및 기술 리더, 제품 및 엔지니어링 팀, 데이터 및 분석 팀을 위한 세션이 제공되며, 팀과 조직 전반에 걸쳐 AI 능력을 통합하려는 관심이 있는 사용자를 대상으로 합니다.

AWS 프로페셔널 서비스가 특화된 AI 에이전트를 도입한 것을 발표했다. 이는 지능적인 에이전트를 컨설팅 수명 주기 전반에 포함시켜 고객에게 더 큰 가치를 제공하는 컨설팅 경험의 변화를 의미한다.

Amazon Bedrock AgentCore와 Claude가 기업들에게 생산 준비가 된 에이전틱 AI 시스템을 배포하여 최대 63%의 자율 문제 해결과 58% 빠른 응답 시간을 실현하고 있다. Claude의 선도적 AI 능력과 AgentCore의 기업급 인프라를 결합한 기술 기반을 탐구하며, 조직이 복잡한 운영 시스템을 처음부터 구축하는 대신 에이전트 논리에 집중할 수 있도록 도와준다.

Biomni의 전문 도구를 Amazon Bedrock AgentCore Gateway와 통합하여 생산 준비가 완료된 바이오의료 연구 에이전트를 구축하는 방법을 소개합니다. 이를 통해 연구자들은 안전하고 확장 가능한 인프라를 통해 30개 이상의 생체 의학 데이터베이스에 액세스할 수 있습니다. 이 구현은 연구 프로토 타입을 기업급 시스템으로 변환하는 방법을 보여주며, 과학적 재현 가능성을 위해 지속적인 메모리, 의미론적 도구 발견 및 포괄적인 관측 가능성을 갖추고 있습니다.

그래픽 사용자 인터페이스는 수십 년 동안 발전해 왔지만, 오늘날 사용자들은 점점 애플리케이션과 대화를 주고받기를 원합니다. 이 글에서는 루틴 작업 관리를 유동적이고 무선으로 전환하는 참조 애플리케이션인 스마트 할 일 앱에 진정한 음성 중심 경험을 추가하는 방법을 소개합니다.

Druva는 Amazon Web Services와 협력하여 고객 경험을 재정의하는 생성 모델 AI 기반의 멀티 에이전트 코파일럿을 개발 중이다.

이 블로그에서는 서로 다른 프레임워크로 구축된 AI 에이전트가 원활하게 협업할 수 있는 A2A 프로토콜을 어떻게 사용하는지를 보여줍니다. AgentCore 런타임에 A2A 서버를 배포하는 방법, 에이전트 검색 및 인증 구성, 사건 대응을 위한 실제 멀티 에이전트 시스템 구축 방법 등을 학습할 수 있습니다.

Amazon Bedrock에서 Cohere Embed 4 다중 모달 임베딩 모델을 완전히 관리되는 서버리스 옵션으로 제공한다. 기업 검색용 Embed 4의 이점과 독특한 기능에 대해 살펴보며 Strands Agents, S3 Vectors, Amazon Bedrock AgentCore와의 통합을 통해 강력한 agentic retrieval-augmented generation (RAG) 워크플로우를 구축하는 방법을 안내한다.

GxP 규정 준수를 위한 규제 환경이 AI의 고유한 특성을 고려하도록 발전하고 있습니다. 본문에서는 위험 기반 구현, 다양한 위험 수준에 따른 실용적 구현 고려 사항, AWS의 규정 준수를 위한 공유 책임 모델, 위험 완화 전략의 구체적 예시 등을 다룹니다.

본문에서는 다중 에이전트, 다중 모달 인공지능 시스템을 위한 네 가지 핵심 협업 패턴을 탐구하며 – 도구로서의 에이전트, 스왐 에이전트, 에이전트 그래프, 에이전트 워크플로우 – 각각을 언제, 어떻게 적용해야 하는지에 대해 오픈소스 AWS Strands Agents SDK와 아마존 노바 모델을 사용하는 방법에 대해 논의합니다.

VLMs를 세밀하게 조정하면 문서 이해 능력을 자동화하고 크게 향상시킬 수 있다. Focused fine-tuning을 사용하면 작은 다중 모달 모델이 훨씬 큰 모델과 효과적으로 경쟁할 수 있음을 보여준다 (Qwen2.5 VL 3B로 98% 정확도).

클라리오는 아마존 베드락과 기타 AWS 서비스를 활용하여 AI 솔루션을 구축하여 COA 인터뷰의 분석을 자동화하고 개선하는 방법을 소개합니다.

기업은 지능적인 AI 에이전트를 구동하기 위해 구조화된 데이터 저장소에 원활하게 접근해야 합니다. 그러나 이러한 자원이 여러 AWS 계정에 걸쳐있는 경우 통합 문제가 발생할 수 있습니다. 이 게시물에서는 Amazon Bedrock 에이전트를 서로 다른 AWS 계정에 있는 Amazon Redshift 클러스터의 지식베이스에 연결하는 실용적인 솔루션을 탐구합니다.

톰슨 로이터가 아마존 베드락과 같은 AWS 서비스로 구동되는 노코드 AI 솔루션인 오픈 아레나를 통해 핵심 비즈니스 사례를 해결하는 방법을 탐구합니다. 아키텍처 설계부터 사용 사례와 사용자 프로필까지 설명합니다.

Amazon Bedrock의 Custom Model Import에 구조화된 출력이 추가되었습니다. 구조화된 출력은 모델의 생성 프로세스를 실시간으로 제한하여 생성되는 모든 토큰이 사용자가 정의한 스키마와 일치하도록합니다. prompt-engineering 트릭이나 후속 처리 스크립트 대신 이제 추론 시에 직접 구조화된 출력을 생성할 수 있습니다.

Amazon Bedrock AgentCore Gateway는 MCP 도구 서버를 중앙 집중식으로 제공하여 에이전트가 도구를 발견, 액세스 및 호출할 수 있는 통합 인터페이스를 제공합니다. 새로운 기능으로 기존 MCP 서버를 AgentCore Gateway의 새로운 대상 유형으로 지원하여 여러 작업별 MCP 서버를 단일 관리 가능한 MCP 게이트웨이 인터페이스 뒤에 그룹화할 수 있습니다.

Amazon Search는 AWS Batch를 활용하여 GPU 인스턴스 활용을 최적화하여 SageMaker 학습 작업을 두 배로 늘렸습니다. P5, P4 등 GPU 가속 인스턴스 패밀리에서 기계 학습(ML) 학습 워크로드를 조정하는 관리 솔루션을 소개하며, 사용 사례 구현의 단계별 안내도 제공할 예정입니다.

Amazon Bedrock AgentCore Runtime은 안전하게 대규모로 효과적인 에이전트를 구축, 배포 및 운영할 수 있는 플랫폼이다. 에이전트 및 도구를 배포할 수 있는 저지연 서버리스 환경을 제공하며, 세션 격리를 제공하고 인기 있는 오픈소스 프레임워크를 지원한다.

Switchboard, MD는 임상 환경에서 전사 정확도와 비용 효율성을 확장하는 과제를 겪었고, 올바른 전사 솔루션을 선택하기 위한 평가 과정, Amazon Connect 및 Amazon Kinesis Video Streams를 사용한 기술 아키텍처를 구현한 경험을 살펴본다. 이를 통해 자동 EMR 매칭을 구현하고 의료 스태프가 환자 진료에 더 많은 시간을 할애할 수 있었던 인상적인 결과를 소개한다.

규제 산업에서는 각 AI 응답이 정책과 도메인 지식을 준수하는지를 수학적으로 확신해야 합니다. Amazon Bedrock Guardrails의 자동 추론 기능을 이용하여 신뢰성 있는 AI 시스템을 구축하는 방법에 대한 내용입니다.

2024년, AWS Generative AI 혁신 센터 내 Custom Model 프로그램을 시작하여 모델 맞춤화 및 최적화 과정 전반에서 포괄적인 지원을 제공했다. 이 프로그램은 지난 2년간 글로벌 기업 및 스타트업과 협력하여 법률, 금융 서비스, 헬스케어 및 생명 과학 분야를 포함한 다양한 산업에서 탁월한 결과를 이끌어냈다.

Clario는 아마존 베드락을 활용한 AI 솔루션을 개발하여 임상시험을 가속화했고, 소프트웨어 구성 및 아티팩트 생성을 단순화하는 혁신적인 솔루션에 집중하며 고품질의 임상 증거를 제공하고 있다.

Anthropic의 클로드 소네 4.5와 하이쿠 4.5가 아마존 베드락에서 출시되어, 생성 AI 모델의 혁신을 이루어냈다. 이러한 최첨단 모델은 복잡한 작업, 코딩, 기업 작업에서 뛰어난 성과를 보여주며 개발자들에게 향상된 기능을 제공한다.

AI 에이전트가 웹을 탐색할 때 CAPTCHA, 속도 제한, 차단 등을 만날 때가 있다. AWS가 이를 해결하기 위한 솔루션인 Amazon Bedrock AgentCore 브라우저의 Web Bot Auth 기능을 소개하고 있다.

이 포스트에서는 Amazon SageMaker AI에 NVIDIA의 Parakeet ASR 모델을 배포하는 방법을 탐구하며 비동기 추론 엔드포인트를 사용하여 대량의 오디오 데이터를 처리하는 확장 가능하고 비용 효율적인 파이프라인을 만드는 방법을 살펴봅니다. 이 솔루션은 최신 음성 인식 능력과 Lambda, S3, Bedrock 같은 AWS 관리형 서비스를 결합하여 오디오 파일을 자동으로 변환하고 지능적인 요약을 생성하여 기업이 고객 통화, 회의 녹음 및 기타 오디오 콘텐츠에서 가치 있는 통찰력을 대규모로 끌어낼 수 있습니다.

의료 및 생명 과학 분야에서 책임 있는 AI 시스템을 구축하기 위한 중요한 설계 고려 사항을 탐구하며, 건강한 AI 응용 프로그램의 안전하고 효과적인 보장을 위해 거버넌스 메커니즘, 투명성 아티팩트 및 보안 조치에 초점을 맞춥니다. 이 글은 오류와 편향과 같은 위험을 완화하기 위한 필수 정책들을 다루며, AI 개발 수명 주기 전반에 걸쳐 신뢰, 책임, 환자 안전을 증진합니다.

AWS Generative AI 혁신 센터의 고객 프로젝트 중 65%가 성공적으로 컨셉에서 상용화로 전환되는 데 도움을 준 Five V’s Framework를 소개한다. 이 프레임워크는 가치, 시각화, 유효성 검증, 검증, 벤처 단계를 통해 구조화된 접근을 제공하며, “AI가 무엇을 할 수 있는가?”에서 “우리가 AI에게 무엇을 필요로 하는가?”로 초점을 옮기면서 솔루션이 측정 가능한 비즈니스 결과와 지속 가능한 운영 우수성을 제공하도록 한다.

Amazon Bedrock 모델인 Amazon Nova Pro를 사용하여 자연어를 Gremlin 쿼리로 변환하는 혁신적인 방법을 탐색합니다. 비즈니스 분석가와 데이터 과학자들이 깊은 기술 지식이 필요하지 않고 그래프 데이터베이스에 접근할 수 있게 도와줍니다. 이 방법론은 그래프 지식 추출, 텍스트를 SQL처럼 그래프 구조화, 반복적인 개선 과정을 통해 실행 가능한 Gremlin 쿼리 생성으로 이루어져 테스트에서 전체적으로 74.17%의 정확도를 달성했습니다.

기업이 창의적 AI 프로젝트 우선 순위 결정 방법론에 책임 있는 AI 실천을 체계적으로 통합하는 방법을 탐색하며 비즈니스 가치와 비용을 평가하고 환각 및 규제 준수와 같은 새로운 위험을 해결함에 있어서 어떻게 더 나은 결과를 얻을 수 있는지 살펴봅니다. 이 글은 실제 예시를 통해 미리 책임 있는 AI 위험 평가를 수행함으로써 프로젝트 순위를 크게 바꿀 수 있음을 보여줍니다.

이 게시물에서는 제품 팀이 Amazon Bedrock과 AWS 서비스를 활용하여 창의적인 AI를 통해 창작적인 워크플로우를 변화시킬 수 있는 방법을 탐구하며, 브랜드 일관성과 규정 준수를 유지하면서 여러 형식에 걸쳐 빠른 콘텐츠 반복을 가능케 합니다.

아마존 베드락 배포를 위한 고급 비용 모니터링 전략을 탐색하며, 정확한 비용 할당을 위한 세밀한 사용자 정의 태깅 방법과 선제적 비용 관리 기초를 높이는 포괄적인 보고 메커니즘을 소개합니다. 이 솔루션은 호출 수준 태깅, 응용 프로그램 추론 프로필 및 AWS Cost Explorer 통합을 구현하여 생성적 AI 사용 및 비용의 완전한 360도 조망을 제공합니다.

이 글에서는 아마존 베드락 추론 비용을 선제적으로 관리하기 위한 종합적인 솔루션을 소개하며, 비용 센트리 메커니즘을 통해 기관에 발생할 수 있는 AI 비용을 효과적으로 제어하는 프레임워크를 제공합니다. 서버리스 워크플로우와 네이티브 아마존 베드락 통합을 활용하여 예측 가능하고 효율적인 접근 방식을 제공하며, 선행 지표와 실시간 예산 강제 실행을 통해 급증하는 비용을 방지합니다.

Amazon Nova Premier 및 Amazon Bedrock을 활용하여 레거시 C 코드를 현대적인 Java/Spring 애플리케이션으로 체계적으로 이관하는 방법을 소개합니다. 복잡한 변환 작업을 전문적인 에이전트 역할로 분해하는 지능적인 워크플로우를 통해 마이그레이션 시간과 비용을 절감하고 자동 검증, 보안 평가, 반복적 개선 과정을 통해 코드 품질을 향상시킵니다.

Metagenomi가 AWS와 협력하여 Progen2 단백질 언어 모델을 AWS Inferentia에 구현하여, 고철분획 효소 생성 워크플로에 대해 최대 56% 비용 절감을 달성했다. EC2 Inf2 Spot 인스턴스와 AWS Batch를 사용하여 수백만 개의 특이 효소 변형을 비용 효율적으로 생성하였으며, 클라우드 기반 생성적 AI가 바이오테크 응용 프로그램에 대규모 단백질 설계를 더 접근 가능하게 만들었다.

SageMaker Canvas에서 구축한 ML 모델을 SageMaker Serverless Inference를 사용하여 배포하는 방법 소개. 인프라 관리 없이 모델 생성부터 생산 준비 상태의 예측까지 빠르고 효율적으로 진행할 수 있게 도와줌. SageMaker Model Registry에 훈련된 모델을 추가하고 서버리스 엔드포인트 구성을 생성하여 수요에 따라 자동으로 확장되는 엔드포인트를 배포하는 완전한 워크플로우를 보여줌.

Amazon Nova Sonic의 음성 대 음성 기능과 Amazon Bedrock AgentCore를 결합하여 복잡한 작업을 전문화된 관리 가능한 구성 요소로 분할하는 정교한 다중 에이전트 음성 보조 프로그램을 만드는 방법을 탐구합니다. 이 접근 방식은 전문화된 인증, 은행 문의 및 모기지 서비스를 위한 전용 하위 에이전트를 사용하는 은행 보조 프로그램 예제를 통해 모노리딕 음성 보조 프로그램 설계에 대안을 제공합니다.

Amazon SageMaker HyperPod 훈련 연산자를 활용하여 Kubernetes 워크로드의 훈련 내구성을 향상시키는 방법을 소개하고, 대규모 GPU 클러스터 전체에 분산 훈련을 효율적으로 관리하여 중앙 집중식 훈련 프로세스 모니터링, 세밀한 프로세스 복구, 느려진 작업 감지 등의 이점을 제공함.

TP ICAP가 Amazon Bedrock Knowledge Bases와 Amazon Bedrock Evaluations을 활용하여 ClientIQ를 구축했고, AI를 사용하여 CRM 통찰을 추출하고 즉각적인 비즈니스 가치를 전달하는 기업용 솔루션을 개발한 과정을 소개합니다.

프린시펄 파이낸셜 그룹은 Genesys, Amazon Lex 및 Amazon QuickSight를 활용하여 음성 가상 어시스턴트 성능을 향상시키고, Amazon Lex V2 봇의 빌드, 테스트 및 배포를 자동화하여 가속화하고 있다.

해당 포스트에서는 올바른 모델을 선택할 때 도움이 되는 종합적이고 경험적인 평가를 구축하는 방법에 대해 논의합니다.

Splash Music가 AWS Trainium을 사용하여 고급 HummingLM 모델을 활용하여 AI 기반 음악 생성의 새 기준을 세우고 있다. 2024 AWS Generative AI Accelerator의 선정된 스타트업으로, Splash Music는 AWS 스타트업과 AWS Generative AI 혁신 센터 (GenAIIC)와 긴밀히 협력하여 혁신을 가속화하고 음악 생성 FM 개발 라이프사이클을 가속화하고 있다.

기관들은 생성형 AI 모델에 대해 단일 샷 세밀 조정 방법을 구현할 때 종종 어려움을 겪습니다. 이 방법은 훈련 데이터 선택, 하이퍼파라미터 구성, 결과 기대에 맞게 조정을 하지 못하는 상황에서 즉각적인 조정을 할 수 없으며, 이로 인해 최적화되지 않은 결과물을 얻게 됩니다.

아마존 노바 소닉과 AWS 서비스를 이용한 QSRs 드라이브 스루 솔루션 구현 방법을 소개합니다. 음성 AI와 대화형 메뉴 디스플레이를 결합한 지능형 시스템을 구축하는 방법을 상세히 안내하여 음식점이 드라이브 스루 운영을 현대화할 수 있도록 지원합니다.

이 게시물은 세금 양식 데이터 추출을 중점으로 한 문서 처리 작업을 위해 Amazon Nova Lite를 세밀하게 조정하는 포괄적인 실무 안내서를 제공합니다. 오픈소스 GitHub 저장소의 코드 샘플을 사용하여 데이터 준비부터 모델 배포까지의 전체 워크플로우를 시연합니다.

Amazon Bedrock 내에서 구축된 네 가지 중요하고 널리 받아들여진 사용 사례를 공유합니다. 이는 실제 고객 배포, AWS 파트너사의 제공, 경험을 통해 지원됩니다. 이러한 예는 각 산업군에서 자체 AI 채택 전략 및 사용 사례를 연구하는 조직에 이상적입니다.

아마존 베드락 AgentCore Memory가 어떻게 원시 대화 데이터를 인간의 인지 프로세스를 모방하는 정교한 추출, 통합 및 검색 메커니즘을 통해 지속적이고 실질적인 지식으로 변환시키는지 살펴봅니다. 이 시스템은 대화를 저장하는 것뿐만 아니라 의미 있는 통찰력을 추출하고, 시간을 초월하여 관련 정보를 병합하며, 일관된 기억 저장소를 유지하여 진정한 맥락을 인식하는 상호작용을 가능케 합니다.

Amazon EKS에서 분산 학습 시 발생할 수 있는 구성 오류를 방지하기 위해 필요한 구성 요소를 시작하고 적절한 구성을 확인하는 체계적 접근 방법을 소개합니다. 이 게시물에서는 DLC를 사용하여 대규모 모델을 학습하기 위한 EKS 클러스터를 설정하고 확인하는 단계를 안내합니다.

이 포스트는 Almond 커널을 SageMaker Studio에 통합하는 포괄적인 가이드를 제공하며, 플랫폼 내에서 Scala 개발에 대한 솔루션을 제공합니다.

Amazon Bedrock AgentCore를 사용하여 대화형 장치 관리 시스템을 구축하는 방법을 탐색합니다. 사용자는 자연어를 사용하여 IoT 장치를 관리할 수 있으며, 장치 상태 확인, WiFi 네트워크 구성, 사용자 활동 모니터링과 같은 작업을 위한 UI를 사용할 수 있습니다.

Salesforce가 아마존 베드락 커스텀 모델 임포트를 기계 학습 운영(MLOps) 워크플로에 통합하고, 기존 엔드포인트를 애플리케이션 변경 없이 재사용하며 확장성을 벤치마킹하는 방법을 소개합니다. 운영 효율성과 비용 최적화 향상에 대한 주요 지표를 공유하고 배포 전략을 간소화하는 실용적인 통찰을 제공합니다.

물리 AI는 인공지능이 디지털 경계를 넘어 우리 주변의 현실 세계를 인식, 이해, 조작하는 지능적 자동화의 다음 단계를 나타낸다.

이 게시물에서는 Amazon Bedrock AI 능력, LangChain의 문서 처리 및 Streamlit의 대화형 시각화 기능을 결합한 의료 보고서 분석 대시보드의 개발을 보여줍니다. 이 솔루션은 Amazon Bedrock를 통해 사용 가능한 대형 언어 모델에 의해 제공되는 맥락 인식형 채팅 시스템과 건강 지표의 동적 시각화를 통해 복잡한 의료 데이터를 접근 가능한 통찰로 변환합니다.

Kitsa는 AI 기반 임상시험 모집 및 사이트 선정에 특화된 헬스테크 기업으로, 아마존 퀵 오토메이트를 활용하여 임상시험 사이트 선정 솔루션을 혁신했습니다. 아마존 퀵 오토메이트는 아마존 퀵 스위트의 능력 중 하나로 기업이 규모에 맞는 견고한 워크플로 자동화를 구축, 배포 및 유지할 수 있게 합니다.

Amazon Quick Suite의 Model Context Protocol (MCP) 클라이언트를 사용하여 기업 애플리케이션 및 AI 에이전트에 안전하고 표준화된 연결을 구축하는 방법을 탐색합니다. Atlassian Jira 및 Confluence, AWS Knowledge MCP Server, Amazon Bedrock AgentCore Gateway와 같은 인기 있는 기업 도구와의 MCP Actions 통합 설정 방법을 알아보고, 사람들과 AI 에이전트가 조직의 데이터와 애플리케이션을 효율적으로 활용할 수 있는 협업 환경을 만들어봅니다.

AgentCore를 사용하면 고객은 선택한 프레임워크와 모델을 사용하여 안전하고 신뢰할 수 있는 AI 솔루션을 제작할 수 있습니다.

이 블로그에서는 아마존 세이지메이커 하이퍼팟을 애니스케일 플랫폼과 통합하여 대규모 AI 모델의 구축과 배포에 필수적인 인프라 문제를 해결하는 방법을 보여줍니다. 이 통합 솔루션은 분산 AI 워크로드에 대한 견고한 인프라를 제공하며 고성능 하드웨어, 지속적인 모니터링, 그리고 선도적인 AI 컴퓨트 엔진인 Ray와의 원활한 통합을 통해 조직이 시장 진입 시간을 단축하고 총 소유 비용을 낮출 수 있습니다.

아마존 노바 커스터마이징을 통해 조직이 특정 모더레이션 요구에 맞게 모델을 세밀하게 조정할 수 있게 되었다. 세 가지 벤치마크를 통해 커스텀 노바 모델이 기준선인 노바 라이트보다 F1 점수 평균 개선률이 7.3%로 개선되었음을 확인했다.

Vxceed는 아마존 베드락을 활용하여 AI 기반의 다중 에이전트 솔루션을 개발했는데, 이는 대규모 판매팀을 위해 맞춤형 영업 제안서를 자동으로 생성해준다.

기업은 MLOps 플랫폼을 개발하여 ML use case의 라이프사이클을 지원하고, 보안 제약 조건을 채택한 멀티 계정 설정에 기반한 플랫폼을 구축해야 한다.

Amazon Nova Act를 사용하여 QuickSight 데이터 스토리 생성을 자동화하는 방법을 소개하며, 중요한 데이터 기반 비즈니스 결정에 집중할 수 있는 시간을 절약합니다.

금융 서비스 회사가 FM을 사용하여 대량의 고객 레코드를 처리하고 데이터 기반 제품 추천을 얻는 방법을 소개하며, Amazon Bedrock 배치 추론 작업을 위한 자동 모니터링 솔루션 구현하는 방법을 안내합니다.

PowerSchool은 Amazon SageMaker AI를 사용하여 정확성을 높이고 잘못된 양성률을 낮춘 사용자 정의 콘텐츠 필터링 솔루션을 구축하고 배포했다. Llama 3.1 8B의 세부 튜닝 기술, 배포 아키텍처, 내부 검증 결과에 대해 설명한다.

기업들이 고객 경험 향상, 업무 최적화, 혁신 촉진을 위해 생성 모델 AI 기능을 점차 통합하고 있음. 생성 모델 AI 워크로드가 규모와 중요성을 더해감에 따라, 일관된 성능, 신뢰성, 가용성 유지에 대한 새로운 도전이 발생하고 있음. 고객들은 AI 추론 워크로드를 다양한 지역에 확장하려는 요구가 있음.

Amazon EC2 인스턴스에서 VPC 인터페이스 엔드포인트를 통해 에이전트코어 게이트웨이에 접속하는 방법과 VPC 엔드포인트 정책을 구성하여 최소 권한 원칙을 유지하면서 안전한 에이전트코어 게이트웨이 액세스를 제공하는 방법을 소개합니다.

코레에이의 AI 플랫폼과 아마존 Q 비즈니스를 통합하여 기업 내 지식을 검색하고 검색, 추론, 작업, 콘텐츠 생성 등을 포함하는 업무 흐름을 실행함으로써 조직은 직원 생산성을 향상시킬 수 있습니다.

Amazon Bedrock AgentCore MCP 서버를 사용하면 Bedrock AgentCore와 호환되는 구성 요소를 빠르게 생성할 수 있으며, 런타임, 게이트웨이 통합, 식별 관리 및 에이전트 메모리에 대한 내장 지원이 제공됩니다. 빠른 프로토타이핑 및 제품용 AI 솔루션에 AgentCore MCP 서버를 사용할 수 있습니다.

Hapag-Lloyd가 ML을 활용한 선박 도착 및 출발 시간 예측 어시스턴트를 개발하고 산업에서의 주요 성과 지표인 일정 신뢰성을 향상시켰다. Amazon SageMaker AI를 사용하고 견고한 MLOps 실천을 통해 고객에게 품질을 약속하고 있다.

Rox는 Amazon Bedrock으로 구동되는 AI 에이전트에 의해 영업 생산성을 가속화하며 웹, Slack, macOS 및 iOS를 통해 제공됩니다.

GraphStorm v0.5의 새로운 기능을 활용하여 아마존 세이지메이커를 통해 그래프 신경망(GNN) 모델을 배포하여 실시간 사기 방지를 구현하는 방법을 소개합니다. 운영 오버헤드를 최소화하면서 수십억 개의 노드와 엣지를 가진 트랜잭션 그래프에서 서브초 단위의 사기 탐지를 가능하게 합니다.

이 솔루션에서 사용자(부모)가 Strands 또는 LangGraph 에이전트와 대화 형식으로 상호 작용하여 자녀의 예방 접종 이력 및 일정에 대한 정보를 얻고, 가능한 슬롯을 문의하고, 예약을 할 수 있는 방법을 보여줍니다. 일부 변경을 통해 AI 에이전트를 이벤트 기반으로 만들어서 자동으로 알림을 보내거나 예약을 할 수 있습니다.

Amazon Bedrock AgentCore, LangGraph 및 MCP를 사용하여 멀티 에이전트 SRE 어시스턴트를 구축하는 방법을 소개합니다. 이 시스템은 특화된 AI 에이전트를 배치하여 현대 SRE 팀이 효과적인 사고 대응과 인프라 관리를 위해 필요로 하는 깊이 있는 문맥적 지능을 제공합니다.

Amazon Bedrock Flows에서 DoWhile 루프를 지원한다. 이 강력한 기능을 통해 Amazon Bedrock flows 내에서 Prompt 노드, AWS Lambda 함수, Amazon Bedrock 에이전트, Amazon Bedrock Flows 인라인 코드, Amazon Bedrock Knowledge Bases, Amazon S3 등을 사용하여 반복 및 조건 기반 워크플로우를 생성할 수 있다.

PropHero는 Amazon Bedrock을 활용해 다양한 요소를 고려한 부동산 투자 조언을 제공하는 AI 시스템을 구축했다. 에이전트 아키텍처, 모델 선택 전략, 그리고 품질 대화를 위한 평가 시스템을 탐구하며 빠른 개선을 가능케한다.

혜택 관리 업계에서 청구 처리는 직원과 수혜자가 건강, 치과, 장애 지급과 같은 혜택을 시간 내에 받을 수 있도록 보장하고, 비용을 통제하며 HIPAA 및 ERISA와 같은 규정을 준수하는 중요한 operation pillar이다. 이 글에서는 일반적인 혜택 청구 처리 워크플로우를 검토하고, 생성 모델을 활용한 자동화가 가장 큰 영향을 줄 수 있는 지점을 식별한다.

Deep Agents 프레임워크를 사용하여 심층 AI 에이전트를 구축하고 협업하여 복잡한 문제를 해결하는 능력을 부여함. 그러나 이에 대한 도전은 이러한 에이전트를 구축하는 것뿐만 아니라…

이 글에서는 Amazon Bedrock 가드레일과 서드파티 토큰화 서비스를 통합하여 민감한 데이터를 보호하면서 데이터 가역성을 유지하는 방법을 소개합니다. 이러한 기술들을 결합함으로써 기관은 생성적 AI 애플리케이션과 관련 시스템의 기능을 유지하면서 더 강력한 개인 정보 보호 관리를 구현할 수 있습니다.

본문에서는 SageMaker와 Comet을 함께 사용하여 완전히 관리되는 ML 환경을 구축하고 재현성과 실험 추적 기능을 갖춘 방법을 소개했다.

아마존 베드락 에이전트코어는 실험적인 컨셉에서 제품화된 시스템으로의 전환을 도와주는 방법을 탐구합니다. 이를 통해 고객 지원 에이전트가 로컬 프로토 타입에서부터 복수의 동시 사용자를 처리하면서 보안 및 성능 기준을 유지할 수 있는 기업급 솔루션으로 진화하는 과정을 살펴봅니다.

Stability AI의 Alex Gnibus와 함께 작성된 이 게시물에서 Stability AI 이미지 서비스가 Amazon Bedrock에서 이용 가능하며, Amazon Bedrock API를 통해 제공되는 사용 준비가 완료된 미디어 편집 기능을 제공합니다. 이 이미지 편집 도구는 Stability AI의 Stable Diffusion 3.5 모델(SD3.5) 및 Stable Image Core 및 Ultra 모델의 기능을 확장합니다.

Amazon Bedrock는 이제 안정성 AI 이미지 서비스를 제공하는데, 비즈니스가 이미지를 생성하고 수정하는 방법을 개선하는 9가지 도구를 제공한다. 이 기술은 Stable Diffusion 및 Stable Image 모델을 확장하여 이미지 생성 및 편집에 대해 정밀한 제어를 제공한다. 명확한 유도는 AI 시스템에 예술적 방향을 제공하는 데 중요하다. 강력한 유도는 톤과 같은 특정 요소를 제어한다.

Amazon Bedrock 일괄 추론 작업을 Amazon CloudWatch 메트릭, 알람 및 대시보드를 사용하여 모니터링하고 관리하여 성능, 비용 및 운영 효율성을 최적화하는 방법을 탐색합니다.

AWS Deep Learning Containers를 MLflow와 통합하여 인프라 제어와 강력한 ML 거버넌스를 균형있게 유지하는 솔루션을 생성하는 방법을 보여줍니다. 특화된 요구 사항을 충족시키는 데 팀이 사용할 수 있는 기능적인 설정을 소개하며, ML 라이프사이클 관리에 필요한 시간과 자원을 크게 줄일 수 있습니다.

아마존 Q 비즈니스 브라우저 익스텐션을 통해 AI 기반 통찰력과 지원에 팀이 매끄럽게 접근하는 방법을 소개했습니다. 브라우저 익스텐션은 이제 라이트 구독의 일환으로 미국 동부(버지니아 북부) 및 미국 서부(오리건) AWS 지역에서 모질라, 구글 크롬, 마이크로소프트 엣지에서 사용할 수 있습니다.

글에서는 gpt-oss-20b 모델을 SageMaker 관리형 엔드포인트에 배포하는 방법을 보여주고 LangGraph를 사용한 주식 분석 에이전트 어시스턴트 예시를 소개합니다.

Verisk Rating Insights와 Amazon Bedrock이 함께하는 큰 언어 모델 및 RAG 기술로, 고객들이 ISO ERC 변경 사항에 상호 작용하고 접근하는 방식이 혁신적으로 변화하고 있다.

아마존 베드락 FMs를 Quora의 Poe 시스템에 배포 속도를 급격히 가속화하는 통합 래퍼 API 프레임워크를 구축하는 방법을 탐구합니다. Poe의 이벤트 기반 ServerSentEvents 프로토콜과 아마존 베드락 REST 기반 API를 연결하는 기술 아키텍처를 상세히 설명하고, 템플릿 기반 구성 시스템이 배포 시간을 몇 분으로 단축하는 방법을 시연하며, 프로토콜 변환, 에러 처리, 멀티모달 기능을 위한 구현 패턴을 공유합니다.