AWS Machine Learning Blog

영국의 자동차 마켓플레이스 Motorway는 AWS와 함께 AI 에이전트의 오류율을 1/8에서 1/50로 낮춘 엔드투엔드 평가 파이프라인을 구축했습니다. 이 시스템은 Strands SDK와 Amazon Bedrock AgentCore를 활용하여 도구 사용, 추론, 출력 품질을 다각도로 검증하며 배포 단계의 품질 게이트 역할을 수행합니다.

제프리스는 데이터 분석의 병목 현상을 해결하기 위해 Amazon Bedrock과 MCP(Model Context Protocol) 기반의 AI 트레이딩 어시스턴트를 도입했습니다. 이 시스템은 자연어 질의를 SQL로 변환하여 실시간 거래 데이터와 역사적 데이터를 즉각적으로 조회할 수 있게 하여 의사결정 속도를 높입니다.

이 글은 Amazon QuickSight의 기본 차트 기능이 가진 한계를 Highcharts 임베딩을 통해 해결하는 방법을 다룹니다. 특히 국가별 데이터 규제(GD엇 등)를 준수하면서도 서로 다른 구조의 멀티 리전 데이터를 하나의 통합된 대시보드로 시각화하는 아키텍처 패턴을 설명합니다.

Amazon Bedrock AgentCore는 에러 신호 없이 발생하는 AI 에이전트의 행동 오류를 탐지하고 분석하는 최적화 도구입니다. 이 솔루션은 사용자 의도 분석과 실행 인사이트를 통해 에이전트의 실제 동작과 설계 간의 격차를 줄이고, 대규모 세션에서 반복되는 실패 패턴을 자동으로 식별하여 우선순위 기반의 대응을 지원합니다.

Amazon Bedrock Managed Knowledge Base에 에이전트 기반 검색(Agentic retrieval) 모드가 도입되었습니다. 이 기능은 LLM이 스스로 질문을 하위 작업으로 분해하고, 검색 결과의 충분성을 판단하며, 필요시 추가 검색을 수행하는 계획 루프를 통해 고도화된 답변을 생성합니다.

monday.com은 Amazon Bedrock 기반의 'Sphera' 시스템을 통해 개발자의 PR 처리량을 50% 이상 높이는 성과를 거두었습니다. 이들은 AI를 단순한 코딩 보조(L1)를 넘어, 특정 업무를 수행하는 에이전트(L2) 단계를 지나 자율적인 멀티 에이전트(L3)로 진화시키는 아키텍처를 구축했습니다.

Amazon Nova 2 모델 연구에 따르면, 추론 과정(CoT)이 없는 데이터로 미세 조정을 진행할 경우 모델의 수학 및 코딩 능력이 급격히 저하되는 '추론 억제' 현상이 발생한다. 이를 해결하기 위해 모델 자신의 추론 토큰을 학습에 활용하는 자기 증류 추론(SDR) 기법을 도입한 결과, 기존 모델 병합 방식보다 높은 타겟 성능과 우수한 일반 지식 유지 능력을 동시에 달성할 수 있었다.

AWS가 DeepRacer 장치에 새로운 개발자 부트로더를 출시하여, 기존의 지원 종료된 OS 대신 최신 리나스 배포판이나 커스텀 OS를 설치할 수 있게 했습니다. 이를 통해 개발자들은 최신 소프트웨어 스택과 드라이버를 활용해 더욱 고도화된 자율주행 알고리즘 연구와 실험을 지속할 수 있습니다.

이 글은 Amazon Q를 사용자 인터페이스로, NVIDIA NeMo Agent Toolkit을 백엔드 엔진으로 활용하여 공급망 리스크와 같은 복잡한 비즈니스를 해결하는 AI 에이전트 아키텍처를 소개합니다. 단순한 데이터 대시보드를 넘어, AI가 직접 도구를 호출하고 검증된 대응 계획을 제안하는 자동화된 워크플로우 구축 방안을 다룹니다.

Couchbase는 Capella iQ 개발자 어시스턴트를 위해 Amazon Bedrock 기반의 모델 불가지론적(model-agnostic) 인퍼런스 아키텍처를 구축했습니다. 이 구조는 AWS VPC 엔드포인트와 교차 리전 추론(CRIS)을 활용하여 데이터 보안을 유지하면서도 트래픽 급증에 유연하게 대응하고 고가용성을 보장합니다.

Tradeshift는 자체 개발한 BI 도구의 성능 한계와 높은 유지보수 비용 문제를 해결하기 위해 Amazon Quick 기반의 에이전트형 AI 시스템을 도입했습니다. 이를 통해 데이터 쿼리 속도를 30배 향상시키고 운영 비용을 40% 절감했으며, 분석 기능을 고객용 수익 창출 제품으로 성공적으로 전환했습니다.

Amazon Quick은 영업 사원이 단순 반복 업무에서 벗어나 실제 판매에 집중할 수 있도록 돕는 에이전트형 AI 비서입니다. CRM, 이메일, 웹 분석 등 다양한 데이터를 통합하여 잠재 고객의 구매 의도를 분석하고, 맞춤형 아웃리치 메시지 작성과 리스크 감지를 자동화합니다.

Amazon Quick의 Free Form 대시보드에 모바일 전용 레이아ul 기능이 도입되었습니다. 이 기능은 사용자가 별도의 설정 없이도 모바일 기기에서 단일 컬럼 형태의 연속 스크롤 뷰를 통해 최적화된 데이터 가독성과 상호작용을 경험할 수 있도록 지원합니다.

Smartsheet는 AI 에이전트가 기업 내부 데이터에 직접 접근하여 작업을 수행할 수 있도록 AWS 기반의 원격 Model Context Protocol(MCP) 서버를 구축했습니다. 이를 통해 Amazon Q나 Claude와 같은 AI 클라이언트가 자연어로 프로젝트 데이터를 분석하고 업무를 자동화할 수 있는 환경을 마련했으며, 최적화된 인터페이스로 토큰 비용 절감과 환각 현상 방지라는 성과를 거두었습니다.

Amazon Bedrock의 새로운 관리형 지식 베이스는 엔터프라이즈 데이터 소스 연결부터 벡터 스토어 관리, 멀티모달 파싱까지 전 과정을 자동화하는 완전 관리형 솔루션입니다. 이를 통해 개발자는 복잡한 RAG(검색 증강 생성) 파이프라인 구축에 드는 시간과 비용을 획기적으로 줄이고 보안 및 확장성 문제를 해결할 수 있습니다.

xAI의 Grok 4.3 모델이 Amazon Bedrock에 정식 출시되어 개발자들이 고성능 AI 에이전트와 워크플로우를 구축할 수 있게 되었습니다. 이 모델은 작업 성격에 따라 추론 수준을 설정할 수 있는 기능을 제공하며, 100만 토큰의 컨텍스트 창과 높은 비용 효율성을 갖추고 있습니다.

이 글은 Amazon Bedrock AgentCore와 Nova 2 Sonic을 사용하여 전화로 음식을 주문하고 예약할 수 있는 AI 호스트 시스템 구축 방법을 설명합니다. SIP 게이트웨이와 MCP를 활용해 통신 레이어와 비즈니스 로직을 분리함으로써, 확장성 있고 지능적인 음성 인터페이스 구현 방안을 제시합니다.

Built Technologies는 AWS Bedrock과 IDP Accelerator를 활용해 부동산 금융 문서의 분류, 추출, 추론이 가능한 AI 엔진을 구축했습니다. 이를 통해 250종 이상의 복잡한 문서를 자동 처리하며, 단순 데이터 추출을 넘어 문서 맥락을 이해하는 '에이전틱(Agentic)' 제품군의 토대를 마련했습니다.

이 기사는 컴퓨터 비전, AI 에이전트(Strandom Agents), 그리고 MCP 프로토콜을 통합하여 시각 정보를 이해하고 행동으로 옮기는 '에이전틱 비전' 구축 방법을 다룹니다. AWS의 다양한 서비스를 활용해 복잡한 API 통합 없이도 표준화된 방식으로 시각적 지능을 구현하는 아키텍처를 소개합니다.

이 글은 여러 AWS 계정과 리전에 흩어진 Sagelar 파이프라인을 중앙 집중식으로 관리하기 위한 서버리스 이벤트 기반 아키텍처를 소개합니다. Hub-and-Spoke 모델을 통해 각 리전의 데이터를 통합하여 CloudWatch 대시보드에서 실시간 가시성을 확보하고 운영 오버헤드를 줄이는 방법을 제시합니다.

Thrad.ai의 사례를 통해 개별적으로는 노이즈에 불과한 소셜 미디어 신호들을 결합하여 유의미한 영업 기회로 전환하는 멀티 에이전트 아키텍처를 설명합니다. 전문화된 4개의 에이전트가 트렌드 조사부터 이메일 초안 작성까지 자동화하는 파이프라인을 구축함으로써 수동 리서치 시간을 획기적으로 단축할 수 있습니다.

Amazon Nova Act 기반의 QA Studio가 개별 테스트 케이스를 그룹화하여 병렬로 실행하는 '테스트 스위트' 기능과 CI/CD 파이프라인 통합을 위한 CLI 도구를 선보였습니다. 이를 통해 개발자는 에이전트 기반의 자동화된 회귀 테스트를 구축하고 배포 프로세스를 효율적으로 관리할 수 있습니다.

Amazon Nova Act는 스크린샷을 직접 분석하는 멀티모달 모델로, 기존의 코드 기반 자동화 도구와 달리 UI 변경에도 깨지지 않는 지능형 UX 테스트를 가능하게 합니다. AWS 기반 아키텍처를 통해 문서로부터 테스트 시나리오를 생성하고 대규모 병렬 실행 및 사용자 경험 분석까지 자동화하는 통합 솔루션을 제안합니다.

Flo Health은 의료 콘텐츠의 정확성을 유지하면서도 생산성을 높이기 위해 Amazon Bedrock 기반의 AI 검토 시스템을 구축했습니다. 이 시스템은 내부 가이드라인과 외부 신뢰 소스를 활용한 3단계 검증 체계를 통해 리뷰 시간을 60% 줄이고 콘텐츠 처리량을 3배로 확대하는 성과를 거두었습니다.