AWS Machine Learning Blog

ADOP는 Amazon Bedrock 기반의 AI 에이전트를 활용해 데이터 엔지니어링의 ETL, 품질 검사, 컴플라이언스 설정을 자동화하는 빌드 타임 가속화 플랫폼입니다. 개발 단계에서 생성된 코드를 CI/CD를 통해 프로덕션에 배포함으로써, 런타임에는 모델 의존성 없이 안정적이고 감사 가능한 데이터 파이프lam을 운영할 수 있습니다.

AI 에이전트가 기업 내부 도구에 연결될 때 발생하는 자격 증명 유출, 정책 불일치, 감사 공백 등의 보안 문제를 해결하기 위해 Amazon Bedrock AgentCore Gateway를 소개합니다. 이 서비스는 인증, 권한 관리, 도구 카탈로그화를 통해 단계별로 AI 에이전트의 운영 성숙도를 높이는 4단계 거버넌스 체계를 제안합니다.

이 기사는 Amazon Bedrock 환경에서 RAG 시스템의 입력 토큰 비용을 최적화하기 위한 '쿼리 인식 압축' 방법을 설명합니다. 검색된 대량의 청크 중 질문과 관련된 핵심 문구만 저비용 모델로 추출하여 메인 모델에 전달함으로써, 비용 절감과 환각 감소라는 두 마리 토끼를 동시에 잡는 전략을 다룹니다.

Panasonic Avionics는 다양한 항공기 기종별로 상이한 IFEC 시스템의 결함 진단을 위해 AWS 기반의 멀티 에이전트 AI 시스템을 구축했습니다. 이 솔루션은 트렌드 분석, 병렬 진단, 요약 단계로 구성된 에이전트 워크플로우를 통해 로그 분석 및 원인 파악 시간을 획기적으로 줄이고 엔지니어의 업무 효율을 높였습니다.

아마존 베드락이 OpenAI GPT-5.6 모델(Sol, Terra, Luna)에 대해 교차 리전 추론 기능을 출시하여 25개 이상의 AWS 리전에서 가용성을 극대화했습니다. 이 기능은 데이터 거버넌스를 유지하는 지리적 프로필과 전 세계 리전을 활용해 성능을 최적화하는 글로벌 프로필로 나뉘어 운영 효율성을 제공합니다.

전문적인 데이터 과학자 없이도 Snowflake의 데이터를 활용해 예측 모델을 만들 수 있는 노코드 ML 워크플로우를 소개합니다. Amazon SageMaker Canvas와 QuickSight를 결합하여 데이터 준비부터 시각화까지의 과정을 자동화하고 의사결정 속도를 높이는 방법을 다룹니다.

본 기사는 Amazon SageMaker Canvas와 Snowflake를 활용하여 데이터 준비부터 모델 구축까지 이어지는 노코드 ML 워크플로우의 두 번째 단계를 다룹니다. 사용자는 Data Wrangler를 통해 Snowflake 데이터를 직접 연결하고 변환하며, 이를 바탕으로 사기 탐지(Fraud Detection) 모델을 구축하는 과정을 상세히 설명합니다.

본 기사는 Amazon SageMaker Canvas에서 생성된 머신러닝 예측 데이터를 Amazon QuickSight로 통합하여 인터랙티브 대시보드를 구축하는 방법을 설명합니다. 특히 자연어 질의가 가능한 생성형 BI 기능을 활용해 복잡한 데이터 분석 과정을 자동화하고 비즈니스 의사결정에 필요한 인사이트를 시각화하는 워크플로우를 다룹니다.

아마존은 자연어 문서를 정교한 Dogwood 정책 스펙으로 변환해주는 'Policy Authoring' 기능을 공개했습니다. 이를 통해 개발자는 복잡한 코딩 없이도 AI 에이전트의 행동 범위, 시간적 제약, 입력 파라미터 제한 등을 설정하여 기업의 규제 준수와 보안을 강화할 수 있습니다.

기업 내 에이전트 AI 도입이 확산됨에 따라 다양한 프레임워크, 모델, 제공업체가 공존하는 '멀티-에브리싱(multi-everything)' 환경의 복잡성이 증대되고 있습니다. 이를 해결하기 위해 애플리케이션 수준의 강제적 표준화 대신, 하위 제어 평면을 통해 거버넌스와 보안을 관리하며 유연성을 유지하는 아키텍처 패턴이 필요합니다.

AWS Professional Services는 대규모 클라우드 마이그레이션 과정에서 발생하는 수동 조사, 반복적인 IaC 개발, 사후 운영의 어려움을 해결하기 위해 4종의 특화된 AI 에이전트 프레임워크를 선보였습니다. 이 시스템은 Amazon Bedrock AgentCore를 기반으로 작동하며, 인프라 구축 시간을 혁신적으로 단축하고 자동화된 거버넌스를 제공합니다.

AWS는 Amazon S3, Aurora, DynamoDB 등 기존 데이터 저장소에 벡터 검색 기능을 추가하여 에이전트형 AI를 구현하는 '데이터가 있는 곳에서 구축'하는 원칙을 제안합니다. 이를 통해 RAG, 시맨틱 검색, GraphRAG 등 고도화된 AI 기능을 데이터 이동이나 중복 없이 저지연·저비용으로 구현할 수 있습니다.

Amazon Bedrock의 파운데이션 모델을 활용하여 FHIR 의료 API에 대해 정적 규칙이 놓치기 쉬운 이상 행동 탐지, 데이터 민감도 자동 분류, 자연어 기반 컴플라이언스 보고서 생성을 구현하는 기술적 방안을 다룹니다. 특히 보안 분석 프로세스를 비동기 방식으로 설계하여 API 응답 지연 없이 실시간 보안 모니터링이 가능하도록 구성했습니다.

Amazon Bedrock AgentCore의 웹 검색 커넥터(v1.2.0)에 도메인 허용/차단 및 게시 날짜 범위 지정 기능이 도입되었습니다. 이를 통해 개발자는 API 호출 시점에 실시간으로 검색 소스의 신뢰도와 데이터의 최신성을 제어할 수 있으며, 도쿄 리전 확장을 통해 아시아 지역에서의 낮은 지연 시간과 보안성도 확보했습니다.

이 기사는 AWS의 IDP Accelerator와 Quick Automate를 결합하여 대규모 문서 처리 파이프라인을 자동화하는 방법을 설명합니다. 모기지 대출 사례를 통해 문서 분류, 데이터 추출 및 워크플로우 자동화가 어떻게 수작업 시간을 단축하고 운영 비용을 절감하는지 구체적으로 보여줍니다.

AI 에이전트의 추론 과정에서 발생하는 지연 시간 동안 Lambda와 같은 호출 서비스가 유휴 상태로 비용을 발생시키는 문제를 해결하는 방법을 제시합니다. Task-token 콜백, 직접 서비스 통합, Durable function 등 세 가지 비동기 패턴을 통해 컴퓨팅 비용을 최적화하고 효율적인 파이프라인을 구축하는 방안을 설명합니다.

팬애틱스 베팅앤게이밍은 주별로 상이한 규제와 스포츠 이벤트 시 발생하는 폭발적인 문의량을 처리하기 위해 단일 챗봇 대신 전문화된 에이전트들이 협업하는 멀니 에이전트 시스템을 도입했습니다. Amazon Bedrock과 EKS를 활용해 각 에이전트를 독립적으로 확장 및 개선할 수 있는 오케스트레이터 패턴 아키텍처를 구축하여 비용 절감과 정확도 향상을 동시에 달성했습니다.

KnowledgeForge는 해결된 ITSM 티켓에서 새로운 지식 베이스 문서를 생성하고, 기존의 중복되거나 오래된 문서를 자동으로 정제하는 '폐쇄 루프(Closed-loop)' 시스템입니다. Amazon Bedrock과 S3 Vectors 등 AWS 서비스를 활용해 데이터 추출부터 품질 개선, 인간의 검토 단계까지 자동화된 워크플로우를 제공합니다.

Amazon Bedrock AgentCore payments가 정식 출시되어 AI 에이전트가 Coinbase와 Stripe를 통해 자율적으로 마이크로 트랜잭션을 수행할 수 있게 되었습니다. 이 서비스는 보안 가드레일, 결제 한도 설정, 프로토콜 추상화 기능을 제공하여 안전하고 확장 가능한 에이전트 기반 경제 생태계를 지원합니다.

AWS의 Amazon Quick embedded chat를 웹 애플<0xA5>리케이션에 자연스럽게 통합하기 위한 커스텀 가이드를 다룹니다. SDK 옵션과 CSS를 활용해 iframe의 레이아웃, 브랜드 로고 제거, 톤앤매너 조절을 통해 서비스 고유의 디자인 시스템을 유지하는 방법을 설명합니다.

이 글은 Amazon Bedrock와 Strands Agents SDK를 사용하여 보험 등 전문 분야의 복잡한 문서를 정밀하게 분류하는 멀티 에이전트 솔루션 구축 방법을 설명합니다. Claude Haiku 4.5의 텍스트 분석 능력과 Amazon Titan의 시각적 임베딩 기술을 결합하여 기존 단일 모델 방식의 한계를 극복하는 아키텍처를 제안합니다.

Jumio는 데이터 중복과 수동 배동으로 인한 로직 불일치 문제를 해결하기 위해 AWS 기반의 스트리밍 우선 피처 스토어 아키텍처를 도입했습니다. Kinesis와 Flink를 통한 실시간 처리와 S3 및 EMR을 활용한 오프라인 저장소를 결합하여, 고성능 사기 탐지를 위한 저지연 데이터 파이프라인을 구축했습니다.

AWS는 대규모 법률 계약서 관리의 어려움을 해결하기 위해 메타데이터 기반의 자동 필연적/명시적 필터링 기능을 갖춘 AIDA 솔루션을 소개했습니다. 이 시스템은 Amazon Bedrock Knowledge Bases를 활용해 단순 의미 검색을 넘어 날짜, 당사자 등 구체적 조건을 결합한 정밀한 RAG 워크플로우를 구현합니다.

SaaS 기업인 Axonius가 Amazon Bedrock AgentCore를 통해 기존의 고객 격리 인프라에 AI 에이전트를 안전하게 통합하는 전략을 공개했습니다. 이들은 데이터 보안, 테넌트별 비용 추적, 그리고 기존 인증 시스템과의 통합을 핵심 과제로 삼아 아키텍렉처를 설계했습니다.