AWS Machine Learning Blog

Amazon Quick Sight는 사용자가 사전 정의된 관계 없이도 자연어로 질문하면 AI가 직접 SQL을 생성하는 새로운 Multi-Dataset Topics 기능을 제공합니다. 이 방식은 기존의 고정된 조인 구조를 넘어 복잡한 데이터셋 간의 유연한 쿼리를 가능하게 하며, 시맨틱 레이어 구축을 통해 분석의 자율성을 극대화합니다.

Amazon Quick는 이제 최대 12개의 데이터셋을 하나의 토픽으로 연결하여 데이터 간의 관계를 정의할 수 있는 '멀티 데이터셋 Topics' 기능을 공개했습니다. 이를 통해 사용자는 복잡한 데이터 전처리 과정 없이도 자연어 질문만으로 여러 테이블에 걸친 통합된 분석 결과를 얻을 수 있습니다.

Amazon Bedrock AgentCore harness는 오케스트레이션, 도구 라우팅, 메모리 관리를 설정만으로 처리하여 서버리스 이미지 편집 에이전트 구축을 가능하게 합니다. 이 기술은 별도의 파이썬 코드 없이도 모델 스위칭, 페르소나 지정, MCP 기반의 도구 실행 등을 지원하며 개발 복잡도를 획기적으로 낮춥니다.

배포된 머신러닝 모델의 정확도가 환경 변화로 인해 저하되는 문제를 방지하기 위해 데이터 및 모델 드리프트를 모니터링하는 솔루션을 소개합니다. Amazon SageMaker AI 기반 워크플로우에 MLflow와 Evidently를 통합하여 드리프트 탐지, 시각화, 알림 자동화를 구현하는 방법을 다룹니다.

이 글은 Amazon Bedrock AgentCore와 MCP(Model Context Protocol)를 사용하여 AWS 인프라 장애 대응 프로세스를 자동화하는 AI 에이전트 구축 방법을 다룹니다. 개발자는 이를 통해 로그 분석, 문서 검색, 커뮤니티 확인 및 지원 케이스 생성을 단일 대화형 인터페이스에서 수행할 수 있습니다.

AWS 재무팀은 Amazon Quick의 자연어 질의와 자동화된 Flows 기능을 활용해 수동으로 진행하던 복기적인 데이터 취합 및 분석 업무를 혁신했습니다. 이를 통해 고객 포트폴리오 전체에 대한 심층 분석이 가능해졌으며, 매주 반복되던 주간 비즈니스 리뷰 준비 시간을 6시간에서 10분으로 단축하는 성과를 거두었습니다.

허깅페이스와 아마존 세이지메이커 AI 간의 딥링크 통합을 통해 모델 발견부터 실험 및 배포까지의 과정을 단일 클릭으로 단순화했습니다. 개발자는 복잡한 IAM 권한 설정이나 인스턴스 확인 과정 없이, 선택한 모델 컨텍스트를 유지한 채 즉시 학습 및 엔드포인트 구축에 착수할 수 있습니다.

아마존은 파운데이션 모델의 과도한 안전 가드레일이 비즈니스 활용을 방해하는 문제를 해결하기 위해 '선택적 언러닝' 기술을 도입했습니다. rDPO(Reverse Direct Preference Optimization)를 통해 모델이 특정 유해 패턴을 잊게 만드는 동시에 고품질 응답을 생성하도록 유도함으로써, 기업이 목적에 맞게 안전 설정을 조정할 수 있는 CCMS 기능을 선보였습니다.

Amazon Bedrock가 소프트웨어 엔지니어링 및 에이전트 활용에 특화된 MiniMax M2 모델군을 지원하기 시작했습니다. 이 모델들은 MoE 아키텍처를 통해 높은 성능과 저렴한 추론 비용을 동시에 제공하며, AWS의 관리형 서비스를 통해 보안 걱정 없이 즉시 배포가 가능합니다.

이 기사는 단일 응답 최적화를 넘어 전체 상호작용 시퀀스를 학습하는 다중 회전 강화 학습(Multi-Turn RL) 인프라 구축 방법을 설명합니다. Amazon Nova Forge와 SageMaker HyperPod를 결합하여, 복잡한 에이전트 워크플로우를 자동화된 파이프라인을 통해 효율적으로 훈련할 수 있는 아키텍처를 제안합니다.

Amazon Nova를 중앙 컨트롤러로 활용하여 이미지 속 텍스트와 시각적 개인정보를 자동으로 탐지하고 가리는 멀티스텝 파이프라인을 소개합니다. 이 솔루션은 Meta의 SAM 3와 Amazon Textract를 연동하여 복잡한 상황에서도 정밀한 픽셀 단위 마스킹을 구현합니다.

Amazon SageMaker AI가 벤치마크 및 추론 추천 작업 결과를 MLflow로 실시간 스트리밍하는 새로운 통합 기능을 도입했습니다. 이를 통해 개발자는 여러 실험 데이터를 한곳에서 비교 분석하고, 장기 실행되는 작업의 진행 상황을 실시간으로 모니터링하며 최적화된 인프라 구성을 빠르게 도출할 수 있습니다.

생성형 AI와 OSINT를 결합한 현대적 피싱은 완벽한 문법과 개인화된 정보를 사용하여 기존의 규칙 기반 보안 필터를 무력화하고 있습니다. Amazon Bedrock은 파운데이션 모델을 활용해 이메일의 행동 패턴, 어조 변화, 요청의 맥락적 적절성을 분석함으로써 고도화된 사회 공학적 공격을 탐지하는 다단계 분석 파이프라인을 제공합니다.

Amazon SageMaker AI는 도구 사용과 피드백 반영이 필수적인 멀티턴 에이전트 학습을 위한 전용 훈련 루프(MTRL)를 제공합니다. 서버리스 실행, 비동기 데이터 수집, 최신 알고리즘 라이브러리를 통해 인프라 관리 부담 없이 정교한 에이전틱 워크플로우를 구축할 수 있도록 지원합니다.

AWS GovCloud(US) 환경의 Amazon Bedrock에 NVIDIA Nemotron 3 시리즈와 OpenAI GPT OSS 모델이 새롭게 추가되었습니다. 이를 통해 미 정부 기관 및 규제 산업 종사자들은 보안과 컴플라이언스를 유지하면서도 최신 오픈 웨이트 모델을 활용해 고성능 AI 애플리케이션을 구축할 수 있게 되었습니다.

AI 에이전트 간 개별 연결로 발생하는 운영 부담과 보안 리스크를 줄이기 위해 단일 진입점 역할을 하는 A2A 게이트웨이 구축 방법을 다룹니다. AWS의 서버리스 서비스를 활용하여 에이전트 검색, 권한 관리, 데이터 라우팅을 통합하는 3계층 아키텍처를 제안합니다.

Amazon Bedrock AgentCore Memory는 네임스페이스 기반의 데이터 격리를 넘어, 메타데이터를 활용한 구조화된 필터링 기능을 도입했습니다. 이를 통해 AI 에이전트는 단순 유사도 검색의 한계를 극복하고 시간, 상태, 우선순위 등 구체적인 속성을 기준으로 정보를 정밀하게 추출할 수 있게 되었습니다.

이 기사는 인간 뇌의 해마 기능을 모방하여 복잡한 다단계 추론이 가능한 새로운 RAG 프레임워크인 HippoRAG의 AWS 기반 구현 방법을 소개합니다. Amazon Bedrock과 Neptune을 활용해 지식 그래프를 구축하고 Personalized Pagelar PageRank 알고리즘을 통해 문서 간 연결된 정보를 효율적으로 검색하는 아키텍처를 제시합니다.

인스크라이브는 아마존 베드락을 통해 복잡한 금융 문서 사기를 초 단위로 탐지하는 에이전틱 AI 시스템을 구축했습니다. 이 시스템은 다양한 파운데이션 모델을 적재적소에 배치하여 기존 수동 검토 대비 20배 빠른 속도로 정교한 AI 생성 위조 서류를 식별해냅니다.

Amazon Bedrock Model Profiler는 흩어져 있는 모델의 성능, 가격, 지역별 가용성 및 할당량 정보를 하나의 인터페이스로 통합하여 제공하는 오픈 소스 도구입니다. AWS Step Functions와 Lambda를 활용한 자동화된 파이프라인을 통해 매일 최신 데이터를 업데이트하며, 개발자가 데이터에 기반해 최적의 모델을 신속하게 선택할 수 있도록 돕습니다.

Amazon SageMaker AI는 확산 기반 단백질 설계 모델인 BoltzGen을 위한 엔드투엔드 GPU 인프라 관리 솔루션을 제공하여, 복잡한 컴퓨팅 자원 관리 없이도 대규모 단백질 설계를 가능하게 합니다. 사용자는 실험 규모에 따라 단순 배치 실행 또는 캐싱 기능이 포함된 오케스트레이션 파이프라인을 선택하여 비용과 효율성을 최적화할 수 있습니다.

AWS는 Anthropic의 Claude Fable 5 모델을 Amazon Bedrock에 다시 도입하며, 사이버 보안 오남용을 막기 위한 강화된 가드레일과 안전 장치를 적용했습니다. 이번 업데이트는 최신 AI 모델의 강력한 기능을 제공하면서도, 적대적 공격자에게 취력점 연구 능력을 제공하지 않도록 방어자와 공격자 사이의 균형을 맞추는 데 집중하고 있습니다.

Anthropic의 차세대 모델인 Claude Sonnet 5가 Amazon Bedrock과 AWS 내 Claude Platform을 통해 공식 출시되었습니다. 이 모델은 Opus급에 근접한 지능을 유지하면서도 비용과 속도 면에서 최적화되어, 코딩, 에이전트 자동화 및 복잡한 데이터 분석 작업에 특화된 성능을 제공합니다.

Amazon Bedrock AgentCore에서 AG-UI 프로토콜을 사용하여 인터랙티브한 요소(차트, 공유 상태 등)를 포함한 생성형 UI 에이전트를 구축하는 방법을 다룹니다. FAST 템플릿과 CopilotKit을 결합하여 복잡한 에이전트 프론트엔드 개발을 표준화하고 효율화할 수 있는 아키텍처를 제시합니다.