AWS 기술 블로그

Category: Amazon Machine Learning

Amazon Bedrock으로 해보는 Nova 모델 지식 증류, 배포, 평가

Bedrock 모델 커스터마이제이션 개요 Amazon Bedrock은 생성형 AI 애플리케이션 및 에이전트 구축을 위한 완전 관리형 서비스입니다. LLM포함 다양한 AI 모델들을 통합 API를 통해서 쉽게 사용할 수 있으며 미세 조정하고 애플리케이션에 연결하는 데 필요한 도구와 기능을 제공하여 개발자가 인프라 관리 부담 없이 빠르고 안전하게 생성형 AI 애플리케이션을 개발하고 배포할 수 있도록 해줍니다. Bedrock 온디맨드(on-demand) 배포 기능 […]

티로의 Amazon Bedrock과 RDS를 활용한 대화 기록 기반 Ask Tiro 구현

매일 쏟아지는 회의 내용, 강의 녹음, 팀 미팅 기록들이 쌓여가면 쌓여갈수록 필요한 정보를 빠르게 찾는 것은 점점 더 어려워집니다. “지난주 온보딩 프로젝트에서 논의된 핵심 이슈가 뭐였지?”, “지난주 A 기업과의 미팅에서 결정된 주요 사항들이 뭐였지?”와 같이 대화 기록을 기반으로 한 고-맥락의 질문에 답하려면 수 많은 대화 기록을 일일이 찾아 봐야 하는 번거로움이 생기기 마련 입니다. 티로(Tiro) […]

TwelveLabs 비디오 이해 모델, Amazon Bedrock 에서 사용하기

이 블로그는 원본 블로그를 번역 및 일부 내용을 수정한 버전 입니다. TwelveLabs video understanding models are now available in Amazon Bedrock  2025년 초, Amazon Bedrock에 TwelveLabs 의 비디오 이해 모델이 출시될 예정이라는 소식이 사전 발표되었습니다. TwelveLabs 모델들을 통해 정확하고 신뢰할 수 있는 비디오 검색, 장면 분류, 요약 및 인사이트 추출 작업이 Amazon Bedrock 에서 현재 사용 가능함을 안내드립니다. TwelveLabs는 […]

오픈소스 Arize Phoenix 를 활용한 멀티 에이전트 AI시스템 쉽고 빠르게 모니터링하기

개요 최근 생성형 AI는 Agentic Workflow와 함께 유사 MSA 형태의 구성으로 동작되고 있습니다. 많은 시스템은 이미 여러 AI 에이전트가 사용자의 질문에 따라 유기적으로 협업하며 문제를 추리하고 생각하며 결과에 도달하고 있습니다. 이 과정속에 AI Agent는 서로 여러번 되묻고 필요한 경우 MCP(Model Context Protocol) Tool을 호출하거나 RAG(Retrieval-Augmented Generation)를 참조하기도 합니다. 이러한 에이전트는 사용자를 위한 작업을 자동화 하고 […]

Strands Agents와 MCP를 사용한 신약 개발 연구 어시스턴트 개발

신약 개발은 복잡하고 시간이 많이 소요되는 과정으로, 연구자들이 방대한 양의 과학 문헌, 임상시험 데이터, 분자 데이터베이스를 탐색해야 합니다. Genentech과 AstraZeneca 같은 생명과학 고객들은 AI 에이전트와 기타 생성형 AI 도구를 사용하여 과학적 발견의 속도를 높이고 있습니다. 이러한 조직의 개발자들은 이미 Amazon Bedrock Agents의 완전 관리형 기능을 사용하여 초기 약물 타겟 식별부터 의료진 참여에 이르기까지 모든 영역에서 […]

데이터 쌓기만 하면 뭐하나? ‘어떻게 볼지’를 모르는데 – LG전자의 Agentic AI 기반 인사이트 추출 시스템 개발기

데이터 드리븐 마케팅의 현실적 도전과제 LG전자 한국영업본부는 한국시장 전체의 마케팅 및 영업을 총괄하는 핵심 조직으로, 국내 가전시장에서 LG전자의 모든 고객 접점을 관리합니다. 우리가 일상에서 쉽게 접할 수 있는 LG전자 베스트샵, LGE.COM, 그리고 구독 케어서비스까지—이 모든 채널들이 한국영업본부의 통합적인 운영 하에 고객들에게 일관된 브랜드 경험을 제공하고 있습니다. 가전 산업은 과거 필수가전 중심의 시장에서 현재는 편의가전과 취향가전이 […]

GS리테일의 Amazon Bedrock을 활용한 AI 와인 라벨 이미지 검색 서비스 구축

GS리테일은 전국 18,000여 개의 편의점 GS25와 슈퍼마켓 GS더프레시를 운영하는 대한민국 대표 유통 기업입니다. 특히 우리동네GS 앱을 통해 제공되는 와인25플러스 서비스는 1만여 종의 다양한 주류를 언제 어디서나 예약/픽업할 수 있는 주류 특화 서비스로 고객들에게 큰 호응을 얻고 있습니다. 복잡한 와인 라벨 해석의 어려움을 해결하기 위해 GS리테일은 Amazon Bedrock을 활용한 AI 와인 이미지 라벨 검색 서비스를 개발했습니다. 고객이 […]

AI로 혁신하는 70년 언론사: 한국일보의 AWS 기반 인물 사진 자동 분류 및 AI 검색 시스템 구축 사례

Overview 한국일보가 AWS 기반 AI 기술을 활용해 언론사의 오랜 과제였던 인물 사진 자동 분류 시스템 ‘FACT’를 구축한 사례를 소개합니다. Amazon Rekognition의 얼굴 인식 기술과 Amazon Bedrock의 생성형 AI를 결합해 매일 수백 장의 보도 사진을 자동으로 분류하고, “웃고 있는 지드래곤”, “넘어진 손흥민”과 같은 자연어 기반 맥락 검색을 가능하게 합니다. 기존 수작업 태깅의 한계를 극복하고 기자들의 업무 […]

Amazon Bedrock을 활용한 LG전자 소셜미디어 제품 트렌드 모니터링 시스템 구축 사례

LG전자의 AI 기반 소셜미디어 인사이트 혁신 LG전자는 시장 대응력 향상과 고객 만족도 증대를 위해 YouTube 및 블로그 등 소셜미디어 플랫폼에서 자사 제품과 경쟁사 제품에 대한 인사이트를 추적하는 생성형 AI 기반 소셜미디어 모니터링 시스템을 구축했습니다. AWS Generative AI Innovation Center와 협력하여 개발한 이 시스템은 Amazon Bedrock의 Claude Sonnet과 Nova Pro 모델을 활용해 대규모 비디오 자막과 사용자 […]

Amazon Bedrock Knowledge Bases: 데이터 특성을 고려한 분할 전략으로 검색 성능 최적화하기

생성형 AI를 활용한 RAG(Retrieval-Augmented Generation) 시스템을 구축할 때, 가장 중요한 요소 중 하나는 데이터를 어떻게 벡터 데이터베이스에 효과적으로 저장하고 검색하느냐입니다. 특히 FAQ, 팁, 짧은 가이드라인과 같이 이미 간결하게 정리된 텍스트 데이터를 다룰 때는 기존의 문서 청킹(chunking) 전략이 오히려 검색 성능을 저해할 수 있습니다. 많은 고객들이 Amazon Bedrock Knowledge Bases를 활용하여 대량의 짧은 텍스트를 벡터 데이터베이스에 […]