아마존 SageMaker AI가 컨테이너 이미지 캐싱 기능을 도입했습니다. 이로 인해 생성 AI 모델의 확장 시 엔드 투 엔드 지연 시간이 최대 2배 빨라집니다.

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

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.

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.

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.

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.

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

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 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.

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 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.

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.

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.

Anthropic의 Claude 3.5 Sonnet에서 Claude 4 Sonnet으로의 체계적인 마이그레이션 방법을 소개하고, 주요 모델 차이를 살펴보며, 핵심적인 마이그레이션 고려 사항을 강조하며, 이 필수적인 전환을 조직에 측정 가능한 가치를 창출하는 전략적 이점으로 전환하는 검증된 모범 사례를 제공합니다.

이 글에서는 Amazon 지식 베이스를 RAG 애플리케이션에 자동화된 방법으로 배포하는 방법을 보여줍니다.

이 포스트에서는 최신 기술 스택을 사용하여 실용적인 RAG 채팅 기반 어시스턴트를 구현하는 방법을 보여줍니다. 솔루션은 NVIDIA NIMs를 사용하여 LLM 추론 및 텍스트 임베딩 서비스를 제공하며, NIM Operator가 이들의 배포와 관리를 처리합니다. 아키텍처에는 Amazon OpenSearch Serverless가 포함되어 유사성 검색을 위한 고차원 벡터 임베딩을 저장하고 쿼리합니다.

결제 업계가 AI 도입 확장에서 직면하는 독특한 과제, 시행 결정에 영향을 미치는 규제적 고려사항, 책임 있는 AI 원칙 적용에 대한 실용적 접근 방법을 탐구한다. 파트 2에서는 결제 시스템 내에서 책임 있는 AI를 운영화하는 실용적인 전략을 제시한다.

Amazon Q Business는 기업이 데이터와 지식의 가치를 발견하는 데 도움을 주는 완전히 관리되는 생성 AI 기반 어시스턴트이다. Amazon Q Business를 사용하면 회사의 다양한 데이터 소스와 기업 시스템에 저장된 정보와 전문 지식을 활용해 빠르게 질문에 답을 찾고 요약 및 콘텐츠를 생성하며 작업을 완료할 수 있다.

Amazon Q를 사용하여 사용자 정의 플러그인을 활용하여 AWS 지원 데이터에 대한 의미 검색 기능과 정확한 분석을 결합하는 방법을 배우세요. 이 솔루션은 구조화된 데이터 쿼리를 RAG 아키텍처와 통합하여 더 정확한 분석 질문에 대한 답변을 제공하며, 팀이 지원 사례와 건강 이벤트를 실행 가능한 통찰로 변환할 수 있도록 합니다.

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

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.

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.

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.

아마존 베드록과 LangGraph를 활용하여 전자 상거래 소매업체를 위한 맞춤형 고객 지원 경험 구축하는 방법을 소개하고, Mistral Large 2 및 Pixtral Large 모델을 통합하여 티켓 분류, 주문 세부 정보 추출, 손상 평가, 문맥적 응답 생성 등 핵심 고객 지원 업무를 자동화하는 방법을 안내합니다.

맥락적 검색은 각 청크에 설명적 맥락을 추가하여 임베딩을 생성함으로써 전통적인 RAG를 향상시킨다. 이 접근 방식은 관련 맥락 정보로 벡터 표현을 보강하여 사용자 쿼리에 응답할 때 의미적으로 관련된 콘텐츠를 더 정확하게 검색할 수 있게 한다.

Impel이 Amazon SageMaker에서 세바지 메이커를 사용하여 자동차 딜러쉽 고객 경험을 향상시키는 방법을 소개합니다.

최근 생산적 AI 기업들이 자사의 제품을 개발하는 데 투자함에 따라 모델 능력에서 놀라운 발전이 있었습니다. Anthropic의 Claude Opus 4 & Sonnet 4와 Amazon Bedrock의 Amazon Nova와 같은 언어 모델은 점점 더 정교하게 추론, 작성 및 응답 생성이 가능해졌습니다. 그러나 이러한 모델이 강력해지더라도, 그들은 여전히 […]

Amazon Bedrock의 Model Copy 및 Model Share 기능은 AI 애플리케이션의 라이프사이클을 개발부터 프로덕션까지 효과적으로 관리하는 강력한 옵션을 제공한다. 본문에서는 Model Share와 Model Copy 기능에 대해 심층적으로 살펴보고, 전형적인 개발부터 프로덕션 시나리오에서의 기능, 장점, 실용적인 적용을 탐구한다.

이 게시물은 Amazon Bedrock, 사용자 피드백 데이터셋 및 퓨-샷 프롬프팅을 결합하여 응답을 미세조정하여 사용자 만족도를 높일 수 있는 방법을 보여줍니다. Amazon Titan Text Embeddings v2를 사용하여 응답 품질을 통계적으로 유의미하게 향상시켰으며, 정확하고 개인화된 응답을 원하는 애플리케이션에 유용한 도구로 나타냈습니다.

Amazon Q Business의 평가 프레임워크 소개 및 사용 사례 선택, 데이터 준비, 메트릭 구현에 초점을 맞춘 첫 번째 게시물의 내용을 바탕으로 Amazon Q Business의 평가 프레임워크에 대해 자세히 알아본다.

QyrusAI와 Amazon Bedrock이 왼쪽으로 이동하는 테스팅을 혁신하여 팀이 더 나은 소프트웨어를 빠르게 제공할 수 있게 돕는 방법을 탐구합니다. Amazon Bedrock은 선행 AI 제공 업체의 기반 모델(FMs)을 사용하여 생성적 AI 애플리케이션을 구축하고 확장할 수 있는 완전 관리형 서비스입니다.