이 솔루션은 OpenSearch Service를 사용하여 Multi-tenant RAG에서 벡터 데이터 저장소로 사용하며 JWT 및 FGAC를 사용하여 데이터 격리 및 라우팅을 달성합니다.

이 포스트에서는 Amazon Q 지수와 MCP를 결합하는 최적의 방법과 통합 패턴을 탐색하여 기업이 안전하고 확장 가능하며 실행 가능한 AI 검색 및 검색 아키텍처를 구축할 수 있도록 도와줍니다.

2024년, 일본 경제산업성이 Generative AI 가속기 도전을 시작했고, AWS는 GENIAC의 두 번째 사이클을 위해 클라우드 제공업체로 선정되어 12개 기관에 기반 모델 개발을 위한 인프라와 기술 지원을 제공했다.

이 글에서는 Amazon Q Developer와 Model Context Protocol (MCP) 서버를 사용하여 DLC 워크플로우를 간소화하여 DLC 컨테이너의 생성, 실행 및 사용자 정의를 자동화하는 방법을 탐색합니다.

Amazon Bedrock와 Amazon Transcribe의 고급 기능을 활용하여 음성 녹음을 간결하고 구조화된 요약으로 변환하는 서버리스 회의 요약 시스템을 소개합니다. 이 프로세스를 자동화함으로써 조직은 핵심 통찰력, 업무 항목 및 결정 사항이 체계적으로 기록되고 이해관계자에게 접근 가능하게 됩니다.

Kyruus Health가 AWS 서비스를 활용해 Guide를 구축하는 방법을 소개하며, Amazon Bedrock와 Amazon OpenSearch Service가 건강 관련 언어를 이해하고 적절한 공급자와 연결하는 데 어떻게 협력하는지 보여줍니다.

제조업에서 서비스 보고서로부터의 소중한 통찰력이 종종 문서 저장 시스템에서 제대로 활용되지 않습니다. 이 글은 Amazon Web Services (AWS) 고객이 생성 AI를 사용하여 여러 보고서로부터 중요 정보를 자동으로 디지턀화하고 추출하는 솔루션을 구축하는 방법을 탐색합니다.

이 글에서는 고객 프로필 및 선호도와 실시간 가격 데이터를 결합하여 맞춤형 휴가 패키지를 생성하는 Amazon Bedrock를 활용한 생성적 AI 솔루션을 구축하는 방법을 소개합니다. Amazon Bedrock Knowledge Bases를 사용하여 여행 정보, Amazon Bedrock Agents를 사용하여 실시간 항공편 세부 정보, Amazon OpenSearch Serverless를 사용하여 효율적인 패키지 검색 및 검색을 보여줍니다.

이 글에서는 가상의 회사인 AnyTelco를 위해 AI 기반 콜 센터 에이전트인 Telly를 만드는 방법을 소개합니다. MCP(Modal Context Protocol) 프레임워크를 사용하여 구현된 사용자 정의 도구를 통해 실시간 고객 데이터에 액세스하면서 Telly는 요금제 및 서비스에 대한 고객 문의를 처리할 수 있습니다.

Amazon Bedrock의 응용 프로그램 추론 프로필 기능을 활용하여 다중 테넌트 AI 배포에 대한 강력한 모니터링 솔루션을 구현하는 방법을 탐색합니다. 복잡한 다중 테넌트 환경에서 세밀한 사용량 추적, 정확한 비용 할당 및 동적 자원 관리를 가능하게 하는 시스템 생성 방법을 시연합니다.

대형 언어 모델의 성능평가는 헷갈리거나 BLEU 점수와 같은 통계적 지표를 넘어섭니다. 실제 생성형 AI 시나리오에서 모델이 기준선이나 이전 버전보다 나은 출력물을 생성하는지 이해하는 것이 중요합니다. 특히 요약, 콘텐츠 생성과 같은 응용 분야에서 더욱 중요합니다.

이 포스트에서는 Amazon S3 벡터를 Amazon Bedrock 지식베이스와 통합하여 RAG 애플리케이션에 활용하는 방법을 소개합니다. 수백만 문서를 처리하면서도 검색 품질을 유지하고 S3 벡터를 사용하여 비용을 절감하는 실용적인 방법을 배울 수 있습니다.

이 글에서는 Amazon Bedrock를 사용하여 사용자 지정 모델의 온디맨드 배포 워크플로우를 안내하고, AWS 관리 콘솔 및 API 또는 AWS SDK를 사용한 단계별 구현 가이드를 제공합니다. 또한 Amazon Bedrock에서 사용자 지정 Amazon Nova 모델을 배포하는 데 있어 최적의 사례와 고려 사항에 대해 논의합니다.

기업들이 DeepSeek R1과 같은 대규모 언어 모델을 도입하여 비즈니스 프로세스를 변형하고 고객 경험을 향상시키며 이전에 없던 속도로 혁신을 주도하고 있다. 그러나 독립형 LLM은 환각, 오래된 지식 및 독점 데이터 접근 불가와 같은 주요 제한 사항이 있습니다. RAG는 의미 검색과 생성적 AI를 결합하여 이러한 갭을 해결합니다.

악센처는 아마존 노바와 베드락 에이전트를 활용해 비디오 하이라이트 제작을 확장하고, 시청자 참여도를 높이며 콘텐츠 가치를 증진시키는데 성공했다. 짧고 강렬한 클립은 시청자 유지율을 끌어올리고 소셜 미디어를 통해 확대되는 동시에 브랜드 아이덴티티를 강화하고 새로운 기회를 열어준다.

이 게시물에서는 개발자들이 Amazon Nova Sonic을 Vonage 통신 서비스와 통합하여 실시간으로 반응성이 뛰어나고 자연스러운 음성 경험을 구축하는 방법을 탐구합니다. Vonage Voice API를 Amazon Nova Sonic의 낮은 지연 및 표현력 있는 음성 기능과 결합하여 기업은 전통적인 음성 인터페이스보다 더 인간적인 상호 작용을 제공하는 AI 음성 에이전트를 배포할 수 있습니다. 이러한 에이전트는 고객 지원, 가상 비서 등으로 사용할 수 있습니다.

Amazon은 새로운 기능을 통해 에이전트를 대규모로 구축하고 배포하는 데 필수적인 측면에 대응하고 있습니다. 이러한 혁신은 실험을 넘어 비즈니스 프로세스에 신뢰할 수 있는 생산 준비 에이전트 시스템을 구축하는 데 도움이 될 것입니다.

Amazon Bedrock Knowledge Bases는 Amazon OpenSearch Service 관리 클러스터를 지원함으로써 완전히 관리되는 RAG 솔루션의 기능을 강화했습니다. 이 기능은 Amazon Bedrock Knowledge Bases의 핵심 기능을 더욱 강화하며, foundation models (FMs)을 내부 데이터 소스와 원활하게 연결하도록 설계되었습니다.

Datadog LLM Observability와 Amazon Bedrock 에이전트 간의 새로운 통합을 소개합니다. 이 통합은 Amazon Bedrock에 구축된 에이전트 애플리케이션을 성공적으로 모니터링, 운영 및 디버깅하는 데 필요한 가시성과 제어를 제공합니다.

PayU는 상인, 은행 및 소비자의 금융 요구를 기술을 통해 서비스하는 풀스택 디지털 금융 서비스 시스템을 제공합니다. 이 게시물에서는 PayU 팀이 기업용 AI 솔루션을 갖추고 Amazon Bedrock을 활용하여 AI 액세스를 민주화하는 방법을 설명하며, 데이터 소재 요구 사항에 손상을 주지 않았습니다.

NVIDIA와 함께 작성된 이 글은 AWS의 DGX 클라우드가 고성능 AI 인프라에 대한 접근을 민주화하는 데 어떻게 도움이 되는지 소개합니다. NVIDIA GPU 전문 지식과 AWS 확장 가능한 클라우드 서비스를 결합하여 조직은 학습 시간을 가속화하고 운영 복잡성을 줄이며 Amazon Bedrock를 활용할 수 있습니다.

NVIDIA Dynamo를 활용하여 Amazon EKS에서 생성 모델 AI 추론을 가속화하는 방법에 대한 소개. NVIDIA Dynamo를 Amazon EKS에 설정하여 자동 스케일링 및 간소화된 Kubernetes 운영을 수행하는 방법을 설명하고 있으며, AWS Labs의 AI on EKS GitHub repo에서 NVIDIA Dynamo 블루프린트를 사용하여 인프라 프로비저닝, 모니터링 구성, NVIDIA Dynamo 오퍼레이터 설치하는 실습 안내 제공.

AWS는 AWS 창의적 AI 혁신 센터에 1억 달러의 추가 투자를 발표했으며, 금융 서비스부터 의료 분야까지의 산업에서의 성공적인 고객 협업 두 해를 기념했다. 이 투자는 AI가 더 많은 자율적이고 행동적인 시스템으로 진화함에 따라 이루어졌으며, 이미 수천 명의 고객이 수백만 달러의 생산성 향상을 이끌고 고객 경험을 변화시키는 데 도움을 받고 있다.

Sonatus가 AWS Generative AI Innovation Center와 협력하여 생성적 AI를 활용해 데이터 수집 및 자동화 정책을 생성하는 자연어 인터페이스를 개발했다. 이 혁신은 정책 생성 과정을 몇 분 내지 몇 시간으로 줄이고 엔지니어 및 비전문가 모두에게 접근 가능하게 만들었다.

Rapid7은 CVSS 벡터를 예측하는 ML 모델의 교육, 유효성 검사 및 배포를 자동화하여 고객이 위험을 정확히 이해하고 복구 조치를 우선 순위로 정할 수 있도록 지원하고 있다.

본문에서는 서버리스 데이터 호수 아키텍처를 활용하여 안전한 RAG 애플리케이션을 구축하는 방법을 탐구합니다. Amazon S3, Amazon DynamoDB, AWS Lambda, Amazon Bedrock Knowledge Bases 등 AWS 서비스를 사용하여 비정형 데이터 자산을 지원하고 구조화된 데이터로 확장할 수 있는 종합 솔루션을 만드는 방법을 다룹니다. 기업 데이터에 대한 세밀한 액세스 제어를 구현하고 보안 경계를 준수하는 메타데이터 기반 검색 시스템을 설계하는 방법을 다루며, 이러한 접근법은 조직의 데이터 가치를 극대화하고 견고한 보안 및 규정 준수를 유지하는 데 도움이 됩니다.

AWS에서 ML 모델을 세밀하게 튜닝할 때 특정한 필요에 맞는 적절한 도구를 선택할 수 있다. AWS는 데이터 과학자, ML 엔지니어, 비즈니스 사용자들이 ML 목표를 달성할 수 있도록 포괄적인 도구 모음을 제공한다. SageMaker 훈련 작업부터 HyperPod까지 다양한 ML 심도를 지원하는 솔루션을 구축했다. 현재 필요에 맞는 것부터 시작하여 접근 방식을 발전시켜가는 것을 권장한다.

SkyPilot과 함께하는 이 글은, 생성적 AI 및 Foundation 모델(FMs)의 신속한 발전으로 기계 학습(ML) 워크로드의 계산 리소스 요구가 크게 증가했다. 현대 ML 파이프라인은 가속화된 컴퓨팅 리소스에 작업 부하를 효율적으로 분산시키는 시스템을 필요로 하며, 개발자 생산성을 유지해야 한다.

이 블로그 포스트는 Amazon Bedrock 데이터 자동화 및 기타 AWS 서비스를 이용한 종단 간 IDP 애플리케이션을 소개합니다. 이 애플리케이션은 IDP 파이프라인을 배포하고 문서를 구조화된 테이블로 변환하는 직관적인 UI를 제공하는 재사용 가능한 AWS 인프라를 제공합니다. 사용자는 입력 문서(계약서 또는 이메일 등)와 추출할 속성 목록만 제공하면 됩니다. 그럼 생성 AI를 사용하여 IDP를 수행합니다.

이 포스트에서는 Amazon Q를 QuickSight에 통합하여 “지난 6개월 동안 미국에서 반품된 상품 수를 보여줘”와 같은 자연어 요청을 의미 있는 데이터 시각화로 변환하는 방법에 대해 다룹니다. Amazon Bedrock 에이전트와 Amazon Q를 결합하여, 기업 전반에 걸쳐 데이터 액세스를 민주화하는 포괄적인 데이터 어시스턴트를 만드는 방법을 보여줍니다.

Amazon Bedrock을 사용하여 Text-to-SQL 솔루션을 구축하는 방법을 소개하고, Amazon Bedrock 에이전트의 기능을 설명하며, Part 2에서는 Amazon Q와 QuickSight를 활용하여 비즈니스 통찰력을 제공하는 방법을 소개합니다.

ABAC 패턴을 중점으로 한 권한 관리 전략을 통해 세밀한 사용자 액세스 제어를 가능하게 하고 AWS IAM 역할의 증식을 최소화하는 방법에 대해 논의합니다. ML 워크플로우에서 운영 효율성을 희생하지 않으면서 조직이 보안과 규정 준수를 유지하는 데 도움이 되는 검증된 최선의 방법을 공유합니다.

아마존 베드락 플로우 내에서 장기 실행(비동기) 플로우 지원이 공개 미리보기로 발표되었습니다. 이를 통해 기초 모델, 프롬프트 관리, 에이전트, 지식 베이스, 가드레일 등을 연결하여 사전 정의된 생성형 AI 워크플로우를 구축하고 확장할 수 있습니다.

금융 기관이 확장 가능하고 개인정보 보호를 우선시하는 사기 탐지 시스템을 구축하는 데 세이지메이커와 연합 학습이 어떻게 도움이 되는지 탐구한다.

이 시리즈의 첫 번째 부분에서는 Amazon Bedrock과 음성 및 멀티모달 대화형 AI 에이전트를 위한 오픈 소스 프레임워크인 Pipecat의 조합을 사용하여 인간과 유사한 대화형 AI 애플리케이션을 구축하는 방법을 배웠습니다. 또한 음성 에이전트의 일반적인 사용 사례와 단계별 모델 접근 방식에 대해 알아보았습니다. 본문(파트 2)에서는 Amazon Nova Sonic과 통합 모델을 활용하는 방법에 대해 탐구합니다.

패션 산업에서 빠르게 혁신하는 도중 AI를 활용하면서 독성 콘텐츠의 문제가 발생할 수 있다. Amazon Bedrock Guardrails의 다중 모달 독성 감지 기능을 사용하여 윤리적 기준을 유지하고 유해 콘텐츠를 걸러내는 방법에 대해 소개한다.

Amazon SageMaker AI의 새로운 혁신 기능을 소개하며, SageMaker HyperPod의 새로운 관측 기능, HyperPod에 JumpStart 모델 배포 기능, 로컬 개발 환경에서 SageMaker AI로의 원격 연결, 완전히 관리되는 MLflow 3.0 등이 포함됩니다.

SageMaker HyperPod에서 Amazon Elastic Kubernetes Service (EKS) 애드온을 원 클릭 설치하여 NVIDIA DCGM, Kubernetes 노드 익스포터, EFA, 통합 파일 시스템, Kubernetes API, Kueue, SageMaker HyperPod 작업 연산자의 건강 및 성능 데이터를 통합할 수 있습니다. 이 기사에서는 SageMaker HyperPod의 기본 관측 기능의 통합 대시보드를 설치하고 사용하는 방법을 안내합니다.

Amazon SageMaker가 MLflow 3.0을 완전 관리형으로 지원하여 AI 실험을 간소화하고 아이디어부터 제품 생산까지 생성 모델 AI 개발을 가속화하는 방법을 탐색합니다.

아마존 세이지메이커 하이퍼팟은 세이지메이커 JumpStart의 기본 모델 및 Amazon S3 또는 Amazon FSx에서 사용자 정의 또는 세밀하게 조정된 모델을 배포하는 지원을 발표했습니다. 이러한 기능을 통해 고객은 동일한 하이퍼팟 컴퓨팅 리소스에서 모델을 학습, 세밀하게 조정 및 배포하여 전체 모델 수명 주기 동안 리소스 활용을 극대화할 수 있습니다.

AI 개발자와 머신러닝 엔지니어들은 이제 Amazon SageMaker Studio의 기능을 로컬 Visual Studio Code(VS Code)에서 직접 사용할 수 있습니다. 이 기능을 통해 사용자 정의된 로컬 VS Code 환경과 함께 SageMaker Studio의 컴퓨팅 자원과 데이터에 접근할 수 있습니다. 이 포스트에서는 로컬 VS Code를 SageMaker Studio 개발 환경에 원격으로 연결하여 Amazon SageMaker AI 컴퓨팅 자원에 액세스하면서 사용자 정의 개발 환경을 사용하는 방법을 안내합니다.

이 포스트는 K8sGPT를 AWS의 Amazon Bedrock에서 K8sGPT CLI 및 K8sGPT Operator 두 가지 모드로 실행하는 최상의 방법을 보여준다. 이 솔루션이 어떻게 SRE들이 지속적인 모니터링과 운영 지능을 통해 Kubernetes 클러스터 관리를 간편화하는 데 도움이 되는지를 보여준다.

Rocket AI Agent는 디지털 어시스턴트를 넘어서 클라이언트 엔게이지먼트를 재구성한 것으로, Amazon Bedrock 에이전트와 Rocket의 데이터 및 시스템을 결합하여 24/7 대기 없이 이용 가능한 스마터하고 확장 가능하며 인간적인 경험을 제공합니다. Rocket은 이 비전을 실현하기 위해 Amazon Bedrock 에이전트를 활용하여 AI 기반 지원의 새 시대를 열었고, 지속적으로 이용 가능하며 개인화되고 행동을 취할 수 있는 서비스를 제공합니다.

Mistral AI 모델을 활용하여 AWS에서 지능적인 AI 어시스턴트를 구축하는 방법을 소개하며, 실시간 위치 서비스, 시간 데이터, 컨텍스트 메모리를 통합하여 복잡한 멀티모달 쿼리를 처리합니다. 식당 추천을 예로 들었지만, 이 확장 가능한 프레임워크는 엔터프라이즈 사용 사례에 맞게 수정하여 MCP 서버 구성을 변경하여 특정 데이터 소스 및 비즈니스 시스템과 연결할 수 있습니다.

Amazon Nova Sonic과 LiveKit의 통합으로 실시간 오디오, 비디오 및 데이터 통신 애플리케이션을 구축할 수 있게 되었습니다. 이 통합을 통해 개발자들은 복잡한 오디오 파이프라인이나 시그널링 프로토콜을 관리할 필요 없이 대화형 음성 인터페이스를 구축할 수 있습니다.

아마존 EC2 P6e-GB200 UltraServers와 P6-B200 인스턴스의 일반 공급을 발표하며, NVIDIA Blackwell GPU를 사용하여 가장 크고 정교한 AI 모델의 교육 및 배포에 적합한 솔루션을 소개합니다.

Amazon Q Business는 소매업체가 영업을 최적화하고 고객 서비스를 개선하며 의사 결정 프로세스를 향상시키도록 고안된 AI 기반 어시스턴트이다. 이 솔루션은 다양한 규모의 비즈니스에 확장 가능하고 적응 가능하도록 특별히 설계되었으며, 이를 통해 비즈니스가 보다 효과적으로 경쟁할 수 있게 돕는다.

Parcel Perform의 비즈니스팀은 상인의 소포 배송과 관련된 질문에 대답하기 위해 데이터에 액세스해야 합니다. 과거에는 데이터팀이 질의를 수동으로 작성하고 실행하여 데이터를 가져와야 했지만, Parcel Perform의 새로운 생성 모델 AI 기반 텍스트를 SQL 기능을 통해 비즈니스팀은 AI 어시스턴트 인터페이스를 사용하여 데이터 요구 사항을 직접 처리할 수 있습니다.

Amazon Aurora PostgreSQL-Compatible Edition 데이터를 Amazon Bedrock Knowledge Bases를 통해 자연어 쿼리할 수 있는 방법에 대해 알아봅니다.

SageMaker 통합 스튜디오와 AWS IAM을 사용하여 Amazon Bedrock 모델을 위한 견고한 권한 프레임워크를 설정하는 방법을 소개하며, 어드민이 안전하고 협업 가능한 환경 내에서 특정 모델에 누가 접근할 수 있는지 정확히 관리하는 방법을 안내합니다. 기업의 관리 시나리오에 대한 코드 예시와 함께 모델 접근을 제어하기 위한 세밀한 권한을 생성하는 방법을 안내합니다.

글은 Amazon Bedrock 스트리밍 API를 AWS AppSync 구독과 통합함으로써 AI 어시스턴트의 응답 시간과 사용자 만족도를 크게 향상시키는 방법을 소개합니다. 글로벌 금융 서비스 기관이 이 스트리밍 방식을 구현함으로써 복잡한 쿼리의 초기 응답 시간을 약 75% 단축하여 사용자가 완전한 답변을 기다리는 대신 응답이 생성되는 대로 확인할 수 있게 했습니다.

본문은 멀티 테넌트 및 멀티 계정 아키텍처를 구축하기 위한 허브 및 스포크 아키텍처 패턴에 대해 논의하며, 이 패턴은 팀과 사용 사례 간의 공유 서비스 추상화를 지원하여 안전하고 확장 가능하며 신뢰할 수 있는 생성 AI 시스템을 만드는 데 도움이 됩니다. 제1부에서는 AWS Transit Gateway를 사용하여 생성 AI 서비스 추상화를 위한 중앙 집중식 허브와 테넌트별 스포크를 제시합니다.

Amazon Bedrock의 개발자 경험을 향상시키는 중요한 업데이트로 API 키가 도입되었다. API 키는 Amazon Bedrock API에 빠르게 액세스할 수 있도록 제공되어, 개발자들이 설정보다는 개발에 집중할 수 있게 인증 프로세스를 간소화한다.

바이엘 작물 과학이 대규모 데이터 과학 작업을 관리하고 데이터 분석 요구에 맞게 모델을 훈련하며 개발자 지원을 위해 고품질 코드 문서를 유지함으로써 개발자 입사 시간을 최대 70% 줄이고 개발자 생산성을 최대 30% 향상시키는 방법을 소개합니다.

이 게시물에서는 아마존 베드락 지식 베이스 GraphRAG와 아마존 넵튠 분석을 활용하여 금융 사기 탐지 솔루션을 구축하는 방법을 소개합니다.

이 블로그에서는 Anthropic의 Claude Haiku 모델을 활용하여 텍스트 분류를 위한 종단간 솔루션을 구축하는 방법을 소개합니다. 여행사 콜센터 대화를 범주로 분류하는 과정을 안내하며 합성 훈련 데이터 생성, 대량 텍스트 데이터 처리, AWS 서비스를 활용한 전체 워크플로우 자동화 방법을 보여줍니다.

아마존 베드록의 평가 기능을 활용하여 언어 장벽을 넘어 신뢰할 수 있는 결과를 제공하는 방법을 소개하고, 다국어 평가의 비용과 복잡성을 줄이는 실용적인 전략을 공유합니다.

Cohere Embed 4 다중 모달 임베딩 모델이 Amazon SageMaker JumpStart에서 이용 가능하다. 이 모델은 다중 모달 비즈니스 문서용으로 설계되었으며, Embed 3 대비 주요 벤치마크에서 혁신적인 성능을 제공한다. 이번 포스트에서는 이 새로운 모델의 장점과 기능, 그리고 SageMaker JumpStart를 통해 모델을 배포하고 사용하는 방법에 대해 살펴본다.

INRIX는 연결된 차량의 GPS 데이터를 활용한 교통 지능의 선구자이다. Amazon Bedrock을 활용하여 풍부한 교통 데이터를 활용해 특정 도시 지역에 대한 최적의 대책을 결정하고, 이를 거리 사진에서 자동으로 시각화하는 방법을 소개한다. 이 방법은 개념적인 도면을 사용한 기존 접근법과 비교해 상당한 계획 가속화를 가능하게 한다.

Qwen 패밀리의 최신 세대인 Qwen3은 Amazon Bedrock Marketplace 및 Amazon SageMaker JumpStart를 통해 사용 가능합니다. 0.6B, 4B, 8B 및 32B 파라미터 크기로 제공되는 Qwen3 모델을 배포하여 AWS에서 생성적 AI 애플리케이션을 구축, 실험 및 책임 있게 확장할 수 있습니다. 이 게시물에서는 Amazon Bedrock Marketplace 및 SageMaker JumpStart에서 Qwen3를 시작하는 방법을 보여줍니다.

이 기사는 전통적인 RAG 시스템이 불필요한 비용을 발생시키고 효율성을 저하시키는 문제를 해결하기 위해 실시간 지식베이스 솔루션을 제안한다. 이 솔루션은 필요할 때만 문서를 처리하고 사용되지 않는 자원을 자동으로 제거하여 조직이 문서 저장소를 확장할 수 있게 도와준다.

이 포스트에서는 OpenCV를 사용하여 비디오 스트림을 처리하고 Amazon Bedrock를 활용하여 문맥적 장면 이해 및 자동 응답을 수행하는 완전히 배포 가능한 솔루션을 구축하는 방법을 소개합니다. 이 솔루션은 Amazon Bedrock 에이전트를 사용하여 실시간 비디오 분석 및 이벤트 모니터링에 확장된 기능을 제공합니다.

Swisscom이 어떻게 네트워크 어시스턴트를 개발했는지, 초기 어려움과 해결책 구현 방법, 측정 가능한 혜택을 제공하는 솔루션에 대해 탐구합니다. 기술 아키텍처를 살펴보고 핵심 교훈을 논의하며 네트워크 작업을 더욱 변형할 수 있는 미래 개선 사항을 살펴봅니다.

SageMaker Unified Studio 및 SageMaker AI를 활용하여 대규모 언어 모델(LLMs)을 맞춤화하는 단계를 안내하며, 데이터 발견부터 SageMaker AI 분산 훈련을 통한 FMs 세밀한 조정, MLflow를 사용한 메트릭 추적, 실시간 추론을 위한 SageMaker AI 추론 모델 배포까지 엔드투엔드 과정을 다룬다. JupyterLab 노트북을 활용할 때 올바른 인스턴스 크기 선택과 디버깅의 최상의 실천법에 대해서도 논의한다.

Amazon OpenSearch Service를 벡터 저장소로 활용하여 효율적인 RAG 애플리케이션을 구축하는 방법을 소개합니다.

Boomi가 AWS와 협력하여 기업이 Agent Control Tower를 활용하여 자신감을 갖고 AI 채택을 가속화하고 확장할 수 있도록 도와주는 방법을 소개합니다.

이 글에서는 Amazon Bedrock 플로우를 활용하여 Amazon SageMaker Unified Studio로 복잡한 AI 워크플로우를 만드는 방법을 소개합니다.

Amazon Bedrock을 활용한 중앙 집중식 Model Context Protocol (MCP) 서버 구현을 통해 기업 AI 워크로드에 대한 공유 리소스 및 도구 접근을 표준화하고 중앙 집중식 접근을 통해 보안과 거버넌스를 유지하면서 AI 혁신을 가속화하는 솔루션을 소개합니다.

이 글에서는 AWS에서 LLM을 활용한 구조화된 데이터 쿼리 기능을 구현하는 다섯 가지 패턴을 탐색하며, 직접적인 대화형 인터페이스, BI 도구 향상, 그리고 맞춤형 텍스트-SQL 솔루션 등을 다룹니다.

아마존 베드락의 다중 모달 RAG 능력은 텍스트, 이미지, 그래프, 테이블 등을 포함하는 복잡한 의료 문서를 효율적으로 처리하여 의약품 데이터 분석을 혁신하고 있다.

이 포스트에서는 SageMaker Python SDK를 사용하여 여러 모델을 활용하여 워크플로우를 설정하고 배포하는 방법을 상세히 설명하고 있습니다. 복잡한 추론 워크플로우를 구축하고 SageMaker 엔드포인트에 배포하며 실시간 추론을 수행하는 예시를 살펴봅니다.

이 포스트에서는 Amazon Q Business 애플리케이션 내의 사용자 정의 문서 보강 (CDE) 기능을 사용하여 독립적인 이미지 파일을 처리하는 단계별 구현을 살펴봅니다. AWS Lambda 함수를 CDE 내에서 구성하여 여러 이미지 파일 유형을 처리하고, 이 통합이 Amazon Q Business의 포괄적인 통찰력 제공 능력을 향상시키는 예시 시나리오를 소개합니다.

Amazon Q 개발자 CLI를 사용하여 AWS Diagram MCP 및 AWS Documentation MCP 서버와 함께 고급 아키텍처 다이어그램을 생성하는 방법에 대해 살펴봅니다. 기본 다이어그램과 실제 다이어그램에 대한 기술, 자세한 예제 및 단계별 지침에 대해 설명합니다.

이 포스트에서는 Amazon Q CLI를 AWS Cost Analysis MCP 서버와 함께 사용하여 AWS 최상의 실천 방법을 따르는 정교한 비용 분석을 수행하는 방법을 탐색합니다. 기본 설정과 고급 기술, 자세한 예제 및 단계별 지침에 대해 설명합니다.

이 포스트에서는 Amazon Bedrock Guardrails에서 제공하는 새로운 안전장치 계층을 소개하고, 이점 및 사용 사례를 설명하며, AI 애플리케이션에서 이를 구현하고 평가하는 방법에 대한 지침을 제공합니다.

아마존 베드록을 사용하여 구조화된 응답을 생성하는 두 가지 방법을 소개합니다. 프롬프트 엔지니어링은 유연하며 Bedrock 모델과 함께 작동하며 다양한 스키마 유형을 처리하여 탁월한 시작점이 됩니다. 도구 사용은 더 큰 신뢰성, 일관된 결과, 매끄러운 API 통합 및 JSON 스키마의 런타임 유효성 검사를 제공하여 향상된 제어를 제공합니다.

이 블로그에서는 NASA와 Blue Origin의 달 강하 근접, 하강 및 착륙 센서 (BODDL-TP) 데모에서 우주선 위치, 속도 및 쿼터니언 방향 데이터에서 이상을 감지하는 데 SageMaker AI를 사용하는 방법을 보여줍니다.

이 게시물에서는 아마존 베드락 에이전트의 다중 에이전트 협업을 사용하여 생명 과학 산업의 복잡한 비즈니스 문제를 해결하는 방법을 소개합니다. 연구 및 개발(R&D), 법률 및 재무 분야의 전문 에이전트가 다중 소스에서 데이터를 분석하여 종합적인 비즈니스 통찰을 제공하는 방법을 보여줍니다.

아마존 내부 기술 팀이 아마존 노바 모델을 평가하여 추론 속도와 비용 효율성을 현저히 향상시킨 사례를 소개했다.

SageMaker AI 고객을 위해 텍스트 랭킹 및 질의응답 UI 템플릿을 소개합니다. SageMaker에서 이러한 템플릿을 설정하여 대규모 언어 모델 훈련을 위한 고품질 데이터셋을 만드는 방법에 대해 안내합니다.

아마존 베드락 에이전트와 Arize AI 간의 새로운 통합을 발표했다. 이는 AI 개발에서 가장 중요한 도전 중 하나인 관측성을 해결한다. 본문에서는 추적과 평가를 위한 Arize Phoenix 시스템을 소개한다.

SkillShow는 매년 300개 이상의 이벤트를 촬영하여 2만 명 이상의 청소년 선수를 위한 콘텐츠를 만드는데, Amazon Transcribe 및 기타 AWS 기계 학습 서비스를 활용하여 비디오 처리 워크플로우를 자동화했으며 편집 시간과 비용을 줄이고 작업을 확장했다.

NewDay는 4백만 명의 고객에게 신용 책임성을 제공하고 자체 기술 시스템을 통해 우수한 고객 경험을 제공함. NewDay의 연락 센터는 연간 250만 통화를 처리하며, 90% 이상의 정확도로 작동하는 생성 모델 기반 고객 서비스 에이전트 어시스트를 구축함.

아마존 세이지메이커 캔버스는 노코드 솔루션을 제공하여 데이터 전처리를 간편화하고 기술적 배경이 없는 사용자도 시계열 예측이 가능하게 합니다. 이 글에서는 세이지메이커 캔버스와 데이터랭글러가 제공하는 노코드 데이터 준비 기술을 탐구하며 모든 배경을 가진 사용자들이 자신감을 가지고 데이터를 준비하고 시계열 예측 모델을 구축할 수 있도록 돕는 방법을 살펴봅니다.

이 게시물에서는 RAG(검색 증강 생성), 멀티툴 오케스트레이션, LangGraph를 통한 조건부 라우팅과 같은 적극적인 워크플로 패턴이 어떻게 인공지능 및 기계 학습(AI/ML) 개발자와 기업 아키텍트가 채택하고 확장할 수 있는 엔드 투 엔드 솔루션을 가능하게 하는지를 보여줍니다. 재정 관리 AI 어시스턴트의 예제를 통해, 수입 통화(오디오) 및 프레젠테이션 슬라이드(이미지)를 분석하고 관련 재정 데이터 피드와 함께 양적 연구 및 근거 있는 재정 상담을 제공할 수 있는 방법을 안내합니다.

AI 및 기계 학습 기술의 발전으로 디지털 콘텐츠 생성이 혁신을 맞이했고, 비디오 생성 능력의 발전은 기업들에게 전례없는 기회를 제공하고 있다. 이 기술을 사용하면 다양한 산업군에 걸쳐 짧은 비디오 클립을 생성할 수 있다.

EU AI Act는 EU 내 AI 개발 및 배포에 대한 포괄적인 규정을 수립했다. AWS는 EU의 AI 팩트의 최초 서명국 중 하나로서 AI 서비스 카드 및 가드레일을 제공하고 고객이 새 규제 틀 아래에서의 책임을 이해하는 데 도움을 주는 교육 자료를 제공하는 등 다양한 이니셔티브를 통해 AI에 대한 신뢰 구축에 헌신하고 있다.

2025년 7월 14일부터 AWS DeepRacer 학생 포털은 유지보수 단계로 진입하여 새로운 등록이 비활성화될 예정이다. 기존 사용자는 2025년 9월 15일까지 자료와 교육 자료에 대한 완전한 접근 권한을 유지할 수 있으며, 그 이후에는 포털이 더 이상 사용할 수 없게 된다.

SageMaker HyperPod 및 SageMaker Studio를 사용하여 데이터 과학자들의 개발 경험을 향상시키고 가속화하는 방법에 대해 설명합니다. SageMaker Studio의 IDE 및 도구와 Amazon EKS를 통한 SageMaker HyperPod의 확장성 및 내구성을 결합하여 중앙 집중식 시스템의 설정을 단순화합니다. AWS 서비스가 제공하는 거버넌스 및 보안 기능을 활용합니다.

이 게시물에서는 Amazon Bedrock에서 사용 가능한 Amazon Nova 패밀리의 다양한 이해 모델의 벤치마킹을 제시하여 회의 요약 작업에 최적의 모델을 선택하는 방법에 대한 통찰을 제공합니다.

자연어 처리(NLP) 및 데이터베이스 관리 분야에서 견고한 텍스트-SQL 능력을 개발하는 것은 중요한 도전이다. 이 글에서는 Amazon Bedrock와 Converse API를 활용한 사용자 정의 에이전트 구현을 통해 간단하면서도 강력한 텍스트-SQL 솔루션을 소개한다.

제너레이티브 AI가 취약성 식별을 자동화하고 포괄적인 공격 시나리오를 생성하며 맥락을 제공하는 방식으로 위협 모델링을 혁신할 수 있는 방법을 탐구합니다.

Anomalo는 AWS AI 및 머신러닝과 함께 사용되어 비정형 데이터를 프로파일링, 유효성 검사, 정리하여 데이터 레이크를 신뢰할 수 있는 소스로 변환시켜 생산 준비된 AI 프로젝트를 위한 자산으로 제공하는 방법을 탐구합니다.

Robinhood는 생성 모델 AI와 Amazon Nova를 사용하여 금융을 민주화하고 실시간 시장 통찰력을 제공한다.

Amazon Bedrock Knowledge Bases를 사용하여 구조화된 데이터 검색 솔루션을 구성하는 방법과 실용적인 코드 예제 및 템플릿을 제공한다. 이를 통해 대화형 데이터 인터페이스를 신속하게 구축하고 확장할 수 있는 구현 샘플과 추가 고려 사항을 다룬다.

아폴로 타이어는 아마존 베드락과 생성적 AI를 활용하여 기계 데이터에서 통찰을 얻고 제조 프로세스의 종합적인 시각을 얻어 데이터 기반 의사 결정을 내리고 운영 효율을 최적화했습니다.

이 포스트에서는 PagerDuty Advance를 통합하여 사고 관리 능력을 향상시킬 수 있는 방법을 보여줍니다. 이는 응답 워크플로우를 자동화하고 운영 건강에 대한 실시간 통찰력을 제공하는 혁신적인 AI 기능을 포함합니다. Amazon Q 비즈니스용 데이터 액세서로 PagerDuty Advance를 구성하는 방법을 보여주며, 이를 통해 사고 대응 중에 여러 시스템 전체에서 기업 지식을 검색하고 액세스할 수 있습니다.

Amazon Bedrock 에이전트를 사용하면 에이전트 생성이 간소화되고 컨트롤 반환 기능이 원활하게 통합되어 분산 시스템과 마이크로서비스 아키텍처의 통신 조정이 혁신적으로 진행될 수 있다. 이 글에서는 Amazon Bedrock 에이전트가 에이전트 생성을 혁신하며 다양한 시스템 간 복잡한 상호작용을 조정하는 컨트롤 반환 기능의 효과를 보여준다.

이제 Qwen2, Qwen2_VL, Qwen2_5_VL 아키텍처의 사용자 정의 가중치를 가져올 수 있으며, Qwen 2, 2.5 Coder, Qwen 2.5 VL, QwQ 32B와 같은 모델을 포함합니다. 이 게시물에서는 Amazon Bedrock Custom Model Import를 사용하여 Qwen 2.5 모델을 배포하는 방법을 다루며, AWS 인프라 내에서 최신 AI 기능을 효율적인 비용으로 활용할 수 있습니다.

이 포스트에서는 Amazon Bedrock의 기능을 활용하여 Amazon Web Services (AWS)에서 생성적 AI 애플리케이션을 구축하는 방법을 소개합니다. Amazon Bedrock를 사용하여 생성적 AI 여정의 각 단계에서 어떻게 활용할 수 있는지 강조하며, 숙련된 AI 엔지니어와 새로운 생성적 AI 분야의 입문자 모두에게 가치 있는 가이드입니다.