Amazon AI 뉴스

트위치가 채널 설정에 아마존 AI 학습 활용 여부를 결정하는 스위치를 추가했으나, 이 기능은 기본적으로 '활성화' 상태로 설정되어 있습니다. 이를 통해 스트림 영상, 채팅, 이미지 등 다양한 콘텐츠가 아마존의 생성급 AI 모델 고도화에 사용될 수 있으며, 창작자는 직접 설정을 변경해야만 학습 제외를 요청할 수 있습니다.

트위치가 아마존의 생성형 AI 모델 학습에 스트리머의 방송 데이터를 활용하기로 결정했으나, 기본 설정을 '활성화' 상태로 둔 옵트아웃 방식을 채택해 논란이 되고 있습니다. 트위치 경영진은 데이터 확보를 위한 현실적 선택임을 주장하고 있지만, 크리에이터들은 콘텐츠 무단 활용에 대해 강력히 반발하고 있습니다.

트위치는 스트림, VOD, 채팅 등 사용자 콘텐츠가 아마존의 생성형 AI 모델 학습에 활용되는 것을 사용자가 선택적으로 거부할 수 있도록 설정을 업데이트했습니다. 그동안 사용자들은 별도 설정 없이는 자동으로 AI 학습 데이터 제공에 동기화되어 있었으며, 이번 조치는 데이터 투명성과 창작자 권리 보호를 위한 움직임으로 풀이됩니다.

이 글은 Amazon Bedrock 사용 비용을 IAM principal(사용자/애플리케이션) 단위로 분리하여 분석하는 방법을 다룹니다. CUR 2.0의 특정 설정을 통해 비용 데이터를 확장하고, Athena와 CUDOS 대시보드를 사용하여 팀이나 프로젝트별로 정밀한 비용 추적 및 시각화를 구현하는 과정을 설명합니다.

영국의 기업용 소프트웨어 제공업체인 OneAdvanced는 의료 및 법률 등 민감한 데이터를 다루는 고객의 요구에 맞춰 영국 내 데이터 주권을 보칭하는 AI 솔루션을 구축했습니다. 이를 위해 Amazon Bedrock 대신 SageMaker를 활용해 Llama 4 모델을 직접 호스팅하고, 50개 이상의 전문화된 AI 에이전트를 배포하는 아키텍처를 구현했습니다.

Solv Labs는 AI 에이전트가 자율적으로 비용을 지불할 때 발생할 수 있는 권한 오남용과 금융 리스크를 방지하기 위해 ORACLE 정책 엔진과 ICME의 검증 레이어를 결합한 시스템을 개발했습니다. 이 시스템은 AWS Nitro Enclave와 x402 표준을 활용하여 모든 결제 내역에 대해 실시간 승인, 무결성 증명 및 감사 가능한 기록을 4초 이내에 생성합니다.

아마존이 급증하는 AI 수요를 감당하기 위해 텍사스주 페코스 카운티에 대규모 가스 발전소를 건설할 계획입니다. 이 발전소는 연간 3,300만 톤의 이산화탄소를 배출하여 미국 내 최대 단일 오염원이 될 전망이며, 이는 아마존의 기존 탄소 중립 약속과 정면으로 배치되는 행보입니다.

AWS와 OpenAI가 협력하여 보안 전문가용 AI 모델인 Daybreak Red와 Daybreak Blue를 Amazon Bedrock에 출시했습니다. 이 모델들은 코드 분석부터 취약점 탐지, 패치 생성까지 사이버 방어의 전 과정을 가속화하며, 강력한 클라우드 거버넌스 환경을 통해 민감한 데이터 보안을 보장합니다.

사진 비즈니스 플랫폼 픽시셋은 Amazon Bedrock을 활용해 이미지의 대체 텍스트(alt-text)를 자동 생성하는 AI 기능을 도입했습니다. 창작자의 영역을 침범하지 않고 단순 반복 업무인 메타데이터 작성을 자동화함으로써, 출시 16개월 후에도 35%라는 높은 기능 사용률을 유지하고 있습니다.

Anthropic은 Claude Code 및 Desktop 사용 시 인증, 모델 접근 권한, 비용 추적 등을 중앙 집중식으로 제어할 수 있는 'Claude apps gateway'의 AWS 배포 아키텍처를 공개했습니다. 이 게이트웨이는 Amazon Bedrock과 연동되어 기업이 AI 사용량을 관리하고 보안 정책을 일관되게 적용할 수 있도록 돕습니다.

OpenAI와 AWS가 아마존 베드락(Amazon Bedrock)을 통해 데이브레이크 사이버 보안 기능을 제공하며 기업의 보안 워크플로우 지원에 나섭니다. 이를 통해 기업들은 클라우드 환경에서 더욱 효율적인 AI 기반 보안 관리가 가능해질 전망입니다.

이 글은 별도의 서버 운영 없이 AWS Lambda와 Bedrock을 활용해 이미지 업로드부터 웹 페이지 생성까지 자동화하는 이벤트 중심 AI 파이프라인을 설명합니다. 익명 사용자의 업로드를 허용하면서도 AI 모델과 인간의 검수를 통해 데이터 품질을 유지하며, 매우 낮은 비용으로 고효율의 워크플로우를 구현한 것이 핵심입니다.

nOps는 기존 API 중심 인프라의 한계로 인한 응답 지연과 운영 복잡성을 해결하기 위해 Amazon Bedrock AgentCore 기반의 새로운 에이전트 아키텍처로 전환했습니다. 이를 통해 데이터 처리 효율을 높이고 개발 속도를 75% 가속화하며, 클라우드 비용 최적화라는 핵심 도메인 로직에 집중할 수 있는 환경을 구축했습니다.

DevOps 엔지니어를 대상으로 AI 에이전트 구축, AWS Bedrock 통합, Kubernetes와 GenAI 결합 등 실무 중심의 기술을 다루는 'GenAI for DevOps' 코스가 진행됩니다. 이번 과정은 단순 자동화를 넘어 인프라 운영에 LLM과 RAG를 내재화하는 방법을 목표로 합니다.

코히어 헬스는 Amazon Bedrock AgentCore를 기반으로 'Cohere Policy Studio'를 구축하여, PDF 등 비정형 데이터로 존재하는 의료 정책을 기계 판독 가능한 구조적 데이터로 전환하고 있습니다. 이를 통해 복잡한 사전 승인 프로세스를 자동화하고, 강화되는 의료 규제와 실시간 승인 요구사항에 대응하는 확장 가능한 에이전트 시스템을 구현했습니다.

TReNDS 센터는 Amazon Bedrock을 활용해 CloudWatch 로그에서 에러를 감지하고, GitHub 소스 코드와 연동하여 근본 원인을 자동으로 분석하는 시스템을 구축했습니다. 이 아키텍처는 단순 에러 요약을 넘어 AI 에이전트가 직접 도구를 사용하여 조사 과정을 수행함으로써 엔지니어의 수동 조사 시간을 획기적으로 단축합니다.

Amazon Bedrock AgentCore는 AI 에이전트의 실행 궤적(trajectory)을 분석하여 보안을 강화하는 '시간 기반 정책' 기능을 선보였습니다. 이 기능은 개별 요청의 안전성을 넘어, 이전 작업과의 연관성을 평가함으로써 환각으로 인한 데이터 변조나 권한 남용 같은 복잡한 보안 위협을 게이트웨이 수준에서 차단합니다.

Amazon Bedrock AgentCore 게이트류가 사용자별로 AI 트래픽을 정교하게 관리할 수 있는 속도 제한(Rate Limiting) 기능을 출시했습니다. 개발자는 요청 수(RPS/RPM), 토큰 처리량(TPM), 동시 연결 수(CPS)를 기준으로 권한에 따른 차등적인 자원 할당과 하위 서비스 보호가 가능해졌습니다.

Amazon Bedrock AgentCore는 개별 요청의 적법성을 넘어, 에이전트가 수행하는 일련의 작업 흐름을 감시하여 보안 위협과 비용 초과를 방지하는 'Temporal Policies' 기능을 새롭게 선보였습니다. 이는 새로운 정책 언어인 Dogwood를 통해 에이전트의 행동 패턴을 인프라 계층에서 결정론적으로 제어함으로써 AI 에이전트 운영의 신뢰성을 높이는 데 목적이 있습니다.

개발자 워크스테이션의 로컬 OTel 컬렉터를 통해 Codex의 사용 지표를 Amazon CloudWatch로 전송하여 조직 단위의 모니터링 대시보드를 구축하는 방법을 다룹니다. 이 방식은 모델 요청 경로에 프록시를 추가하지 않으면서도 사용자, 팀, 비용 센터별로 AI 에이전트의 도입 현황과 성능을 정밀하게 추적할 수 있게 해줍니다.