Amazon SageMaker AI, 모델 커스터마이징을 위한 AI 에이전트 경험 출시
이제 Amazon SageMaker AI는 수개월이 걸리던 모델 커스터마이징 프로세스를 며칠 또는 몇 시간 만에 완료할 수 있는 워크플로로 전환해 주는 에이전트 환경을 제공합니다. AI 솔루션을 구축하는 고객은 사용 사례의 목표와 성공 기준을 신중하게 설정하고, 데이터를 준비하며, 적합한 모델을 선택하고, 다양한 모델과 미세 조정 기법을 활용해 여러 실험을 구성, 실행, 분석해야 합니다. 성공 기준을 충족하는 적합한 모델 후보를 파악한 후에는 모델 배포에 가장 비용 효율적인 방법을 찾아야 합니다. 이 모든 워크플로에서 고객은 모델 훈련 및 배포를 위한 인프라 설정이라는 획일화되고 번거로운 작업을 직접 관리해야 합니다. 이제 이 새로운 기능을 통해 개발자는 코딩 에이전트와 자연어로 상호작용을 해 사용 사례 정의부터 고품질 모델의 프로덕션 배포에 이르는 전체 과정을 간소화할 수 있습니다.
SageMaker AI 모델 커스터마이징 에이전트 스킬을 기반으로 하는 이 에이전틱 경험은 빌더의 특정 사용 사례에 적용되는 미세 조정, 필요한 데이터 형식으로의 변환, 평가형 LLM 지표를 사용한 포괄적인 품질 평가, Amazon Bedrock 또는 SageMaker AI 엔드포인트로의 유연한 배포 옵션을 제공합니다. 고객은 Visual Studio, Cursor 등 원하는 IDE에 이러한 스킬을 설치할 수 있습니다. 개발자는 Kiro, Claude Code, CoPilot을 비롯한 다양한 코딩 에이전트를 활용하여 Amazon Nova, Llama, Qwen, GPT-OSS와 같은 주요 모델 제품군을 최적화할 수 있습니다. 이 경험은 AIOps 파이프라인과의 통합을 통해 투명성, 재현성 및 자동화를 위한 재사용 가능하고 편집 가능한 코드 아티팩트를 생성합니다.
sagemaker-ai agent 플러그인을 사용하여 선호하는 IDE에 SageMaker AI 스킬을 설치하세요. SageMaker AI 모델 커스터마이징 스킬도 Kiro 코딩 에이전트와 함께 SageMaker Studio Notebook에 사전 설치되어 제공됩니다. Kiro 구독을 신청하고, Studio Notebook에서 채팅 창을 열어 에이전트와 채팅을 시작하고 워크플로를 구축하면 됩니다. 이 경험은 명령 튜닝을 위한 지도 미세 조정, 어조 및 기본 설정 선택을 조정하기 위한 직접 기본 설정 최적화, 검증 가능한 정확성이 요구되는 사용 사례를 위한 강화 학습 등 고급 커스터마이징 스킬을 지원합니다.
Amazon SageMaker AI의 AI 에이전트 경험을 활용한 모델 커스터마이징에 대해 자세히 알아보려면 SageMaker 모델 커스터마이징 설명서를 참조하세요.
미국 동부(버지니아 북부) - us-east-1
유럽(아일랜드) - eu-west-1
미국 서부(오리건) -us-west-2
아시아 태평양(도쿄) - ap-northeast-1