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

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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

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.

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.

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

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.

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

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.

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.

msg는 Amazon Bedrock를 사용하여 msg.ProfileMap의 데이터 조화화를 자동화했고, 이를 통해 HR 개념 일치의 정확성이 향상되었으며 수동 작업 부하가 줄어들고, EU AI 법과 GDPR의 규정 준수가 강화되었습니다.

Amazon Bedrock에서 가져온 모델에 로그 확률이 어떻게 작용하는지 알아봅니다. 로그 확률의 개념, API 호출에서 활성화하는 방법, 반환된 데이터 해석 방법을 배우고, 잠재적 환각 감지부터 RAG 시스템 최적화 및 세밀하게 조정된 모델 평가에 이르기까지 이러한 통찰력이 AI 애플리케이션을 개선하는 방법을 강조합니다.

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.

Skello는 직원 일정 및 인력 관리에 초점을 맞춘 선도적인 HR SaaS 솔루션으로, 다양한 분야에 서비스를 제공하며 스케줄 생성, 시간 추적, 급여 준비 등의 기능을 제공합니다. 이 기사는 대량 언어 모델을 데이터 쿼리에 구현하는 과정에서의 도전과, 특히 GDPR 하 프랑스 회사의 맥락에서 다룹니다.

Oldcastle가 AWS와 협력하여 Amazon Bedrock 및 Amazon Textract를 사용하여 문서 처리 워크플로우를 개선했고, 이를 통해 매달 수십만 개의 POD 문서 처리를 자동화하여 정확성을 향상시키고 수동 노력을 줄였다.

런던 증권 거래소 그룹(LSEG)이 Amazon Bedrock과 Anthropic의 Claude foundation 모델을 활용해 자동 시스템을 구축하여 시장 감시 작업의 효율성과 정확도를 크게 향상시켰다.

Amazon Bedrock AgentCore Runtime이나 다른 서비스에서 호스팅된 AI 에이전트의 구현 옵션과 옵저버빌리티를 포함한 개발 라이프사이클 전반에 걸친 모범 사례를 소개합니다.

글은 Strands Agents를 사용해 AI 에이전트를 빠르게 구축하고, Amazon Bedrock AgentCore로 안정적으로 확장하며, LibreChat을 통해 사용자들이 바로 적용할 수 있도록 교육 기관 전반에 걸쳐 즉시 사용자 채택을 촉진하는 방법을 보여준다.

Skai는 AI 기반의 옴니채널 광고 및 분석 플랫폼으로, 브랜드와 기관이 검색, 소셜, 소매 미디어 시장 및 기타 “벽돌 정원” 채널을 통해 유료 미디어를 계획, 출시, 최적화 및 측정할 수 있도록 설계되었다. Skai가 Amazon Bedrock 에이전트를 활용하여 데이터 접근과 분석을 개선하고 고객 인사이트를 향상시킨 방법에 대해 소개한다.

중동의 주요 전자 상거래 플랫폼인 Snoonu가 AI 기반 맞춤화를 통해 제품 발견 경험을 변화시킨 과정을 소개합니다.

FuzzyPixel이 제작한 Picchu 애니메이션 단편을 활용해 주인공 Mayu와 그녀의 어머니를 위한 캐릭터 일관성 있는 모델을 세밀하게 조정하여 새 시퀄을 위한 스토리보드 컨셉을 빠르게 생성할 수 있게 함.

이 솔루션은 FM 일괄 추론 작업을 간편하고 확장 가능하게 만들어줍니다. 수백만 문서의 임베딩 생성이나 대규모 데이터셋으로 사용자 지정 평가 또는 완료 작업 실행과 같은 FM 일괄 추론 요구사항을 효율적으로 처리할 수 있는 고도로 확장 가능한 방법을 제공합니다.

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

이 블로그 포스트에서는 Amazon Bedrock를 통해 제공되는 Amazon Nova 모델을 사용하여 KIE 솔루션을 구축하고 평가하는 종단간 접근 방식을 시연합니다. 데이터 준비, 솔루션 개발, 성능 측정이라는 세 가지 핵심 단계를 포함하며, FATURA 데이터 세트를 사용하여 포괄적인 방법을 설명합니다.

Datadog Cloud Security의 새로운 보안 기능을 통해 Amazon Bedrock 구성 오류를 사전에 감지하고 해결할 수 있습니다. 이 통합은 AI 보안을 클라우드 보안 전략에 통합하여 종합적인 AI 보안을 제공하고, 실시간 위험 감지를 통해 AI 관련 보안 문제를 식별하며, 사전 구축된 감지로 AI 규정을 준수하는 것을 단순화합니다.

이 포스트에서는 CloudFront를 사용하여 Amazon Bedrock AgentCore Runtime 에이전트 엔드포인트를 위한 사용자 정의 도메인 이름을 생성하는 방법을 안내합니다. 이 솔루션은 개발팀에 대한 통합을 간소화하고 조직과 일치하는 사용자 정의 도메인, 더 깔끔한 인프라 추상화, 엔드포인트 업데이트 시 간편한 유지 관리를 제공합니다.

아마존 파이낸스 기술팀은 Amazon의 글로벌 영역에서 표준화된 금융 의사 결정과 운영 효율을 뒷받침하는 포괄적인 기술 솔루션을 개발하고 관리한다. 이 글에서는 팀이 Amazon Bedrock의 생성 AI 기술과 Amazon Kendra의 지능적인 검색을 활용하여 비즈니스 도전에 대한 솔루션을 개념화하고 구현한 방법을 설명한다.

Amazon Health Services가 Amazon.com 검색에서 발견성 문제를 해결하기 위해 AWS SageMaker, Bedrock, EMR 등을 사용하여 머신러닝, 자연어 처리, 벡터 검색 기능을 결합하여 고객들에게 관련 있는 의료 서비스를 제공하는 능력을 향상시켰다.

Amazon Bedrock 사용자를 위한 체계적인 평가 방법론 소개. 이론적 프레임워크와 실용적 전략을 결합하여 데이터 과학자와 머신러닝 엔지니어가 최적의 모델 선택을 할 수 있게 함.

Amazon Bedrock의 Amazon Nova를 활용하여 구축된 The Fragrance Lab은 소매, 소비재, 광고 및 마케팅 분야에서 생성적 AI의 변혁적인 힘을 보여주는 포괄적인 애플리케이션이다. 이 게시물에서는 The Fragrance Lab의 개발에 대해 살펴보며, 프랑스 리비에라의 영혼을 담아 창의성, 광고, 소비재를 축하하는 독특한 물리적 및 디지털 경험의 조합을 만들었다.

Tyson Foods가 AWS Generative AI Innovation Center와 협력하여 웹사이트에 통합된 직관적인 AI 어시스턴트를 통해 고객 상호작용을 혁신했다. Amazon Bedrock을 사용해 구축된 이 AI 어시스턴트는 고객의 검색 경험을 향상시키고 있다.

이 게시물은 Amazon Bedrock의 foundation models (FMs) 중 Amazon Nova Pro를 사용하여 높은 정확도의 문서 필드 로컬라이제이션을 실현하는 방법을 보여줍니다. 이러한 모델을 사용하면 프론트엔드 노력을 최소화하면서 문서 필드를 정확하게 찾아내고 해석할 수 있어 처리 오류와 수동 개입을 줄일 수 있습니다.

Infosys는 석유 및 가스 부문을 위해 맞춤형 Amazon Bedrock을 활용한 고급 RAG 솔루션을 구축했다. 이 솔루션은 다중 모달 데이터 원본을 처리하며 텍스트, 다이어그램, 숫자 데이터를 매끄럽게 처리하고 다른 데이터 요소 간의 맥락과 관계를 유지한다. 이 글에서는 해당 솔루션에 대한 통찰과 다양한 접근 방식 및 아키텍처 패턴(다른 청킹, 다중 벡터 검색, 개발 중 하이브리드 검색)을 안내한다.

Amazon Bedrock AgentCore Identity는 AI 에이전트를 위한 종합 식별 및 액세스 관리 서비스로, AWS 리소스와 제3자 도구에 안전한 액세스를 가능하게 합니다. 에이전트 식별 디렉토리, 에이전트 권한 부여자, 리소스 자격 증명 제공자 및 리소스 토큰 보관소와 같은 강력한 식별 관리 기능을 제공하여 조직이 대규모로 AI 에이전트를 안전하게 배포할 수 있습니다.

본문에서는 Amazon Bedrock에 여러 생성 AI 모델을 배포하여 LLM 모델에게 텍스트 응답의 주제 요약을 작성하도록 지시하는 방법을 강조합니다. 그런 다음 이러한 LLM 생성 요약을 검토하는 판사로서 여러 LLM 모델을 사용하여 요약 제목과 요약 설명 사이의 내용 일치를 판단하고 등급을 할당하는 방법을 보여줍니다.

이 글에서는 강의 개요 생성과 강의 콘텐츠 생성이라는 두 가지 핵심 모듈의 기술적 구현과 함께 각 구성 요소를 자세히 탐구합니다.

Handmade.com이 Amazon Bedrock 및 Amazon OpenSearch Service를 활용하여 AI 기반 파이프라인을 구현하여 제품 설명 처리를 현대화했습니다. 이 솔루션은 Anthropic의 Claude 3.7 Sonnet LLM, Amazon Titan Text Embeddings V2 및 시맨틱 검색 기능을 결합하여 60,000개 이상의 카탈로그에서 제품 설명을 자동화 및 향상시킵니다.

이 게시물에서는 Converse API의 requestMetadata 매개변수를 사용하여 Amazon Bedrock에서 멀티 테넌트 모델 추론 비용을 추적하고 분석하는 방법을 보여줍니다. 솔루션에는 AWS Glue를 사용한 ETL 파이프라인과 Amazon QuickSight 대시보드가 포함되어 있어 사용 패턴, 토큰 소비 및 다양한 테넌트 및 부서 간의 비용 할당을 시각화합니다.

Amazon Bedrock AgentCore 브라우저 도구를 소개합니다. 기업이 클라우드 기반 브라우저 자동화를 필요로 하는 이유와 실시간 데이터 접근을 요구하는 FMs에게 해결책을 제공합니다. 핵심 사용 사례와 도구의 핵심 기능에 대해 다루며, 도구 사용 방법을 안내합니다.

아마존 베드락의 에이전트코어 코드 해석기는 AI 에이전트가 격리된 샌드박스 환경에서 안전하게 코드를 실행할 수 있게 해주는 완전히 관리되는 서비스입니다. 보안, 확장성, 인프라 관리와 관련된 도전 과제를 해결하는 방법에 대해 설명합니다.

Amazon Nova의 제약 디코딩을 통해 구조화된 출력 도구의 신뢰성을 제공했다. 이제 Amazon Nova Foundation 모델(FMs)을 사용하여 복잡한 스키마를 기반으로 데이터를 추출하고 도구 사용 오류를 95% 이상 줄일 수 있다. 본문에서는 Amazon Nova FMs를 구조화된 출력 사용 사례에 어떻게 활용할 수 있는지 탐구한다.

Amazon Strands Agents SDK는 AWS 환경과 통합되어 안전하고 확장 가능한 배포를 제공하며, 생산 환경에서 풍부한 관측 가능성을 제공합니다. 실용적인 사용 사례를 살펴보고 Strands를 활용한 단계별 예시를 제시합니다.

본문에서는 Strands 에이전트와 Tavily의 웹 인텔리전스 API를 결합하여 강력한 리서치 에이전트를 소개하며, 기업 배포에 필요한 보안 및 규정 준수 기준을 유지하면서 복잡한 정보 수집 작업에 뛰어난 성과를 거둘 수 있는 방법을 소개합니다.

이 글에서는 Amazon Bedrock Data Automation을 사용하여 웨비나 녹화물을 종합적인 핸드아웃으로 변환하는 자동화된 서버리스 솔루션을 구축하는 방법을 소개합니다. Amazon Bedrock Data Automation을 구현하여 영상 분석을 위해 트랜스크라이브하고 슬라이드 변경을 감지하며, Amazon Bedrock foundation 모델 (FM) 및 사용자 정의 AWS Lambda 함수를 AWS Step Functions에 의해 조정하는 과정을 안내합니다.

Amazon Bedrock FMs, LangGraph 및 Model Context Protocol (MCP)를 사용하여 강력한 에이전트 애플리케이션을 만드는 방법을 탐색하며, GitHub 워크플로우를 다루는 실제 시나리오를 소개합니다.

Mistral AI의 24 억 개 파라미터 대형 언어 모델 Mistral-Small-3.2-24B-Instruct-2506이 출시되었습니다. 이 모델은 향상된 지시 따르기와 반복 오류 감소를 위해 최적화되어 Amazon SageMaker JumpStart 및 Amazon Bedrock Marketplace를 통해 이용 가능합니다.

이 포스트에서는 Llama-3.2-11B-Vision-Instruct 모델을 웹 자동화 작업에 세밀하게 조정하고 배포하는 완벽한 솔루션을 제시합니다. AWS Deep Learning Containers (DLCs)를 사용하여 Amazon Elastic Kubernetes Service (Amazon EKS)에서 안전하고 확장 가능하며 효율적인 인프라를 구축하는 방법을 보여줍니다.

니뽘 라이프 인도 자산관리가 채택한 솔루션은 사용자 쿼리를 재작성하고 응답을 집계 및 재랭킹하여 일반적인 RAG 방법보다 정확도를 향상시킴. 개선된 RAG 방법을 사용해 응답의 전반적인 정확도를 향상시키는 방법을 살펴봄.

Crypto.com은 사용자 및 시스템 피드백을 활용하여 지시 프롬프트를 지속적으로 개선하고 최적화하는 방법을 탐색합니다. 이 피드백 중심적 접근법은 다양한 서브시스템에 적응하면서 다양한 사용 사례에서 높은 성능을 유지하면서 더 효과적인 프롬프트를 만들 수 있게 했습니다.

Amazon Bedrock 에이전트를 사용하여 실시간 문서 분석을 위한 지능형 eDiscovery 솔루션을 구축하는 방법을 소개합니다. 문서 분류, 계약 분석, 이메일 검토, 법적 문서 처리를 위한 특수 에이전트를 배포하고 다중 에이전트 아키텍처를 통해 함께 작동하는 방법을 보여줍니다. 구현 세부 정보, 배포 단계 및 조직이 특정 eDiscovery 요구 사항에 적응할 수있는 확장 가능한 기반을 만드는 데 필요한 모범 사례를 안내합니다.

PerformLine은 Amazon Bedrock을 활용하여 규정 준수 프로세스를 가속화하고 실행 가능한 통찰을 얻으며 속도와 정확성을 제공함. 이는 대규모 감시에 필수적인 요소로 작용함.

MT-Bench와 Arena-Hard의 저장소는 OpenAI의 GPT API를 사용하여 개발되었으며, 주로 GPT-4를 심사관으로 활용했습니다. 우리 팀은 Amazon Bedrock API와 통합하여 Amazon의 심사관으로 Anthropic의 Claude Sonnet을 사용할 수 있도록 기능을 확장했습니다. 이 게시물에서는 MT-Bench와 Arena-Hard를 사용하여 Amazon Nova 모델을 벤치마킹하고, Amazon Bedrock를 통해 사용 가능한 다른 주요 LLM과 비교합니다.

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

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.

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.