Lendi Group이 Amazon Bedrock을 활용해 AI 파워드 홈론 가디언을 만들었고, 구현된 아키텍처와 성과를 설명. 고객 경험을 변화시키는데 있어 유용한 통찰을 제공.

Hexagon은 Amazon Web Services와 협력하여 Amazon SageMaker HyperPod의 모델 훈련 인프라를 사용하여 최첨단 세그멘테이션 모델의 사전 훈련을 통해 AI 모델 생산을 확장했다.

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.

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.

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.

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.

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.

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.

이 포스트는 Zoom AI Research 논문 ‘Chain of Draft: Thinking Faster by Writing Less’에서 소개된 혁신적인 프롬프팅 기술인 Chain-of-Draft (CoD)를 탐구하며, 모델이 추론 작업에 접근하는 방식을 혁신적으로 변화시키는 방법을 살펴봅니다. 체인 오브 씨오트 (CoT) 프롬프팅이 모델 추론을 향상시키는 데 사용되어 왔지만, CoD는 인간의 문제 해결 패턴을 모방하여 간결하고 신호가 강한 사고 단계를 사용하는 더 효율적인 대안을 제공합니다.

이 두 파트 시리즈의 첫 번째에서 기존의 데브옵스 아키텍처를 발전시키고 생성 모델 AI 워크로드를 위한 GenAIOps 실천 방법을 구현하는 방법을 배웁니다. 다양한 생성 모델 AI 채택 수준에 대한 실용적인 구현 전략을 소개하며, 기초 모델 소비에 초점을 맞춥니다.

Condé Nast가 Amazon Bedrock과 Anthropic의 Claude를 활용하여 계약 처리와 권리 분석 업무를 가속화하는 방법을 탐구한다. 다수의 브랜드와 지역을 아우르는 회사의 포트폴리오는 점점 복잡해지는 계약, 권리, 라이선싱 계약을 관리해야 했다.

Amazon Nova Sonic은 Amazon Bedrock 양방향 스트리밍 API를 통해 비즈니스 데이터 및 외부 도구에 연결되며 전화 시스템과 직접 통합될 수 있다. 이 포스트에서는 가장 일반적인 전화 시나리오에 대한 샘플 구현을 소개한다.

Foursquare Spatial H3 Hub의 지리 데이터와 Amazon SageMaker AI에 배포된 추론 모델을 결합하여, 공간 질문에 대한 복잡한 답변을 몇 분 내에 얻을 수 있는 지리 AI 에이전트를 배포하는 방법을 배웁니다. 이를 통해 비기술적인 도메인 전문가들이 지리 정보 시스템(GIS) 전문 지식이나 사용자 정의 데이터 엔지니어링 파이프라인이 필요하지 않은 자연어 쿼리를 통해 정교한 공간 분석을 수행할 수 있는 에이전트를 구축할 수 있습니다.

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

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.

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 시리즈의 첫 번째 부분에서는 결제 업계에서의 책임 있는 AI의 기본적인 개념을 탐구했습니다. 본문에서는 책임 있는 AI 프레임워크의 실질적인 구현에 대해 논의합니다.

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.

AWS Summit에서 Amazon Nova foundation 모델을 위한 포괄적인 모델 사용자 정의 기능 세트를 소개했습니다. Amazon SageMaker AI에서 사용할 수 있는 준비된 레시피로, Nova Micro, Nova Lite 및 Nova Pro를 모델 훈련 수명주기 전반에 걸쳐 적응하는 데 사용할 수 있습니다. 이 게시물에서는 SageMaker 훈련 작업에서 Nova Micro를 사용자 정의하는 간소화된 방법을 소개합니다.

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.

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

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.

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

본문에서는 다중 계정을 가진 기업이 공유 Amazon SageMaker HyperPod 클러스터에 액세스하여 다양한 작업을 실행하는 방법에 대해 논의합니다. SageMaker HyperPod 작업 규제를 사용하여 이 기능을 가능하게 합니다.

글에서는 성숙한 생성형 AI 기반의 개요를 제시하고 구성 요소를 탐구하며 종단간의 전망을 제시합니다. 다양한 운영 모델을 살펴보고 해당 기반이 그 한계 내에서 운영될 수 있는 방법을 탐구합니다. 마지막으로 기업이 진화 경로를 평가하는 데 도움이 되는 성숙도 모델을 제시합니다.

이 글에서는 Amazon Bedrock 데이터 자동화를 사용하여 멀티모달 콘텐츠를 처리하고 추출된 정보를 Amazon Bedrock 지식 베이스에 저장한 다음 RAG 기반 Q&A 인터페이스를 통해 자연어 질의를 가능하게 하는 풀 스택 애플리케이션을 구축하는 방법에 대해 안내합니다.

DeepSeek-R1 671b 모델을 세밀하게 조정하기 위해 Amazon SageMaker HyperPod 레시피를 사용하는 방법을 소개합니다. SageMaker 훈련 작업과 SageMaker HyperPod를 사용하여 이러한 레시피를 단계별로 구현하는 방법을 보여줍니다.

이 포스트에서는 Jira 통합을 사용한 Amazon Q Business 애플리케이션을 생성하는 방법과 Trusted Advisor 상세 보고서를 포함한 데이터셋을 활용하는 방법을 소개합니다. 이 솔루션은 Amazon Q Business와 같은 새로운 생성적 AI 서비스를 활용하여 데이터 인사이트를 신속하게 얻고 실질적으로 활용하는 방법을 보여줍니다.

Amazon Bedrock Intelligent Prompt Routing의 일반 공개를 발표했다. 내부 테스트 결과, 시작 방법, 주의사항 및 모베스트 프랙티스에 대해 안내하며, Amazon Bedrock Intelligent Prompt Routing을 새로운 및 기존 생성형 AI 애플리케이션에 통합할 것을 권장한다.

이 포스트에서는 Amazon Bedrock과 CrewAI를 활용하여 AI 에이전트가 금융 기관의 규정 준수를 간소화하고 이행하는 방법을 탐구합니다. 새 규정을 요약하고 영향을 평가하며 기술적 가이드를 제공하는 다중 에이전트 시스템을 구축하는 방법을 소개합니다.