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.

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.