AWS 기술 블로그
Category: Amazon Bedrock
Amazon Bedrock Knowledge Bases로 멀티테넌트 RAG 구성하기
이 글은 AWS Machine Learning 블로그에 게시된 글 (Multi-tenant RAG with Amazon Bedrock Knowledge Bases)를 한국어로 번역 및 편집하였습니다. 조직들은 지속적으로 자사의 독점적 지식과 도메인 전문성을 활용하여 경쟁 우위를 확보하는 방법을 모색하고 있습니다. 기초 모델(Foundation Model, FM)과 그들의 놀라운 자연어 처리 능력의 출현으로, 데이터 자산의 가치를 실현할 수 있는 새로운 기회가 생겼습니다. 조직들이 생성형 AI를 […]
생성형 AI로 혁신하는 법률 서비스: Amazon Bedrock으로 구현한 법무법인대륜의 서면 작성 AI 시스템
주식회사 대륜은 대륜법무그룹의 일원으로, ‘고객이 가장 쉽고 편리하게 찾을 수 있는 로펌이자 가장 명쾌한 솔루션을 제시하는 세계적인 로펌’을 목표로 단기간에 법무법인 대륜을 국내 10대 대형 로펌으로 성장시킨 기업입니다. 대륜은 각 분야 전문 변호사들과 함께 고객의 상황에 맞는 최고의 법률 서비스를 제공하고 있으며, 어렵고 낯설게 느껴질 수 있는 법률 서비스를 더욱 편리하게 이용할 수 있도록 리걸테크 […]
AWS AI Day Hackathon에서 GenAI로 미래를 창조하기
지난 2024년 11월 15일, AWS Korea가 위치한 센터필드 18층에서는 해커톤 ‘AWS AI Day Hackathon 2024’가 진행되었습니다. AWS Korea는 2024년 처음으로 대고객 해커톤 행사를 주최했습니다. 뜨거운 참여 열기 속에 13개 팀이 최종 참가팀으로 선별되었으며, 총 59명의 참가자가 각 산업군에서 발생하는 기술 과제를 식별하고 AI를 통해 해결해 나가는 시간을 가졌습니다. 접수 마감 이후 결과물 발표까지 3주간의 시간 […]
Amazon Bedrock Knowledge Bases의 Structured Data Retrieval로 이제 자연어로 구조화된 데이터를 쉽게 조회하세요!
생성형 AI 기술의 발전은 기업들에게 혁신적인 기회를 제공해왔습니다. 특히 Amazon Bedrock의 Knowledge Base는 기업의 비정형 데이터를 활용하여 맥락에 맞는 정확한 응답을 생성하는 데 큰 역할을 해왔습니다. 그러나 기업 환경에서는 비정형 데이터 못지않게 구조화된 데이터의 중요성이 매우 큽니다. 특히 재무 보고서, 판매 실적, 재고 현황 등 100% 정확성이 요구되는 정보를 조회할 때는 기존의 생성형 AI 모델만으로는 […]
자동차 산업을 위한 AWS re:Invent 2024 요약
이 글은 AWS for Industries 블로그에 게시된 글 (AWS re:Invent 2024 recap for the Automotive Industry)를 한국어로 번역 및 편집하였습니다. AWS의 대표적인 연례 컨퍼런스 AWS re:Invent 2024에서, 2024년 12월 2일부터 6일까지 한주 동안 AWS는 기조연설, 브레이크아웃 세션, 신제품 출시, 그리고 다양한 데모를 통하여 최신 혁신과 서비스를 공개하였습니다. 본 요약은 자동차 산업과 관련된 주요 발표 내용, […]
카카오스타일의 Amazon Bedrock을 활용한 생성형 AI 도입 사례
카카오스타일은 스타일 커머스 플랫폼 ‘지그재그‘를 운영하는 이커머스 플랫폼 기업입니다. 최신 기술과 패션, 뷰티, 라이프 트렌드를 결합해 사용자들에게 혁신적이고 개인화된 쇼핑 경험을 제공하고 있습니다. 카카오스타일은 지속적인 기술 혁신을 통해 패션 산업을 선도하는 플랫폼이 되는 것을 목표로 하고 있으며, ‘개인화’와 ‘관계’를 기반으로 이커머스 생태계를 발전시키기 위해 노력하고 있습니다. Amazon Bedrock을 선택한 이유 카카오스타일은 2030 여성을 타겟으로 한 […]
LilysAI의 Amazon Bedrock을 활용한 유튜브 검색 기능 구현 여정
3시간 분량의 키노트 영상, 100페이지 분량의 기업 분석 보고서, 2시간짜리 회의 녹음을 살펴보려니 벌써 머리가 지끈거립니다. 특히 영어로 된 자료라면 더 많은 시간을 들여야 합니다. LilysAI는 유튜브 영상, PDF 문서, 음성 녹음, 웹 페이지를 간단한 불릿 포인트로 요약해 줍니다. 또한 원본 언어와 관계없이 한국어로 요약 노트를 제공합니다. 하지만 여전히 콘텐츠를 탐색하는 데 어려움이 있습니다. 특히 […]
Cohere Rerank를 사용한 RAG 성능 향상
검색 증강 생성(RAG)은 기업이 실시간 데이터를 통합하고 독점 데이터를 사용하여 더욱 풍부하고 상호작용적인 대화를 가능하게 하는 Generative AI(생성형 AI) 애플리케이션을 개발할 수 있도록 돕는 강력한 기술입니다. RAG를 활용하면 이러한 AI 애플리케이션이 외부의 신뢰할 수 있는 도메인별 데이터를 효과적으로 사용하여 사용자 쿼리에 대한 언어 모델의 문맥을 강화할 수 있습니다. 하지만, 응답의 신뢰성과 정확도는 적절한 도메인 데이터를 […]
위메이드플레이의 Amazon Bedrock을 사용한 게임 사용자 인터페이스 품질 테스트 자동화 사례
들어가는 글 위메이드플레이는 2009년에 설립된 캐주얼 게임 전문 개발사입니다. 특히 위메이드플레이의 애니팡 시리즈는 누구나 쉽게 즐길 수 있는 모바일 게임으로 1억건 이상의 누적 다운로드를 통해 꾸준히 많은 사랑을 받고 있습니다. 또한 ‘위 베어 베어스 더 퍼즐’과 ‘디즈니 팝 타운’과 같은 글로벌 IP를 활용한 퍼즐 게임들을 통해 글로벌 시장에서도 좋은 성과를 기록하고 있습니다. 매번 새로운 게임 […]
Amazon Bedrock Knowledge base로 30분 만에 멀티모달 RAG 챗봇 구축하기 실전 가이드
생성형 AI의 발전과 함께, 맞춤형 데이터를 기반으로 AI의 답변을 생성하는 RAG (Retrieval-Augmented Generation, 검색 증강 생성) 기법이 함께 주목받고 있습니다. RAG는 대규모 언어 모델이 응답을 생성하기 전에 학습 데이터 소스 외부의 맞춤형 지식 베이스를 참조하도록 하는 프로세스를 말합니다. RAG를 활용하면 모델을 다시 학습 시킬 필요 없이 특정 도메인이나 조직의 내부 지식을 기반으로 LLM 기능을 확장할 […]