Amazon AI 뉴스

Amazon Bedrock AgentCore Evaluations는 LangGraph, LlamaIndex 등 다양한 에이전트 프레임워크를 통합 평가할 수 있는 솔루션입니다. OpenTelemetry를 통해 에이전트의 실행 트레이스를 표준화된 방식으로 읽어 들여, 프레임워크 선택과 무관하게 일관된 성능 평가를 가능하게 합니다.

앤스로픽, AWS, 엑센츄어는 기업들이 보안과 신뢰성을 유지하며 생성형 AI를 실제 업무에 도입할 수 있도록 돕는 전략적 파트너십을 체결했습니다. 이번 협력을 통해 1,400명 이상의 엑센츄어 엔지니어가 전문 교육을 받고, 기업들은 Amazon Bedrock 등을 활용해 자사 데이터를 안전하게 활용한 맞춤형 AI 모델을 구축할 수 있게 됩니다.

글로벌 진단 기업 Natera는 Amazon Bed액 AgentCore를 도입하여 환자의 채혈 예약 과정을 자동화하는 지능형 음성 에이전트를 구축했습니다. 이 시스템은 복잡한 인증 및 외부 벤더 연동을 처리하면서도 7초 미만의 낮은 지연 시간과 호출당 1센트 미만의 저렴한 비용으로 높은 정확도를 구현했습니다.

기업의 멀티 계정 환경에서 보안과 거버넌스를 위해 분리된 데이터 계정의 Redshift Serverless 데이터를 복사 없이 안전하게 AI 에이전트와 연결하는 방법을 다룹니다. AWS STS를 통해 권한을 위임받아 RetrieveAndGenerate API를 호출함으로써, 데이터 이동 없이도 고도화된 RAG(Retrieval Augmented Generation) 기능을 구현할 수 있습니다.

AutoBot은 이번 주 업데이트를 통해 셋업 위저드의 409 락 바인딩 로직을 상태가 아닌 신선도(staleness) 기준으로 개선하고, 액세스 제어 시의 프로비저닝 오류를 수정했습니다. 또한 Bedrock 모듈의 문서 오류를 바로잡아 플랫폼의 운영 안정성과 문서의 정확도를 높였습니다.

데이터 양의 급증으로 발생하는 메타데이터 불일치 문제를 해결하기 위해 Amazon Bedrock 등 AWS 서비스를 활용한 자동화된 메타데이터 교정 시스템을 소개합니다. 이 시스템은 LLM의 의미론적 이해를 통해 스키마 정렬과 필드 검증을 수행하며, 최종 결정은 인간이 검토하는 'Human-in-the-loop' 방식을 채택하여 정확성과 효율성을 동시에 확보합니다.

AWS Bedrock의 비용 가시성 부족 문제를 해결하기 위해 개발된 'AI Bed록 Cost Lens'는 매일 아침 비용, 토큰 사용량, 모델별 비중을 요약하여 이메일로 전달합니다. 특히 주간 보고서에는 AI가 직접 비용 절감을 위한 모델 교체나 프롬프트 최적화 등의 실행 가능한 권고안을 포함하여 비용 관리를 자동화합니다.

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.

AWS Bedrock을 사용하는 Codex CLI가 최신 프롬프트 캐싱 옵션을 지원하지 않아, 반복적인 컨텍스트 입력 시 발생하는 '캐시 쓰기(cache-write)' 비용이 급증하는 현상이 발견되었습니다. 이로 인해 실제 사용량 대비 약 10배에 달하는 과도한 비용이 발생할 수 있어, 관련 기능의 구현 및 업데이트가 시급한 상황입니다.

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.

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.

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.

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.

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.