AWS

도메인aws.amazon.com

주요 카테고리 AI · DevOps · 백엔드

활동 요약

최근 30일: 41개
평균 조회: 51
누적 조회: 27,151
전체 글: 537개
마지막 발행: 2026. 11. 12.

블로그 방문

AWS 기술 블로그 글 (282)

2026년 11월 12일

데이터 사이언티스트 없이 수요 예측 자동화, 다이닝브랜즈그룹의 Amazon SageMaker Canvas 활용기

SageMaker Canvas와 AWS 자동화 서비스로 식자재 수요예측부터 발주 시스템 반영까지 자동화했습니다. 이벤트 데이터 구조화와 모델·운영 흐름 분리로 재현성과 비용 효율을 높였습니다.

#Amazon SageMaker Canvas#AWS Lambda#Amazon S3

1200

데이터 사이언티스트 없이 수요 예측 자동화, 다이닝브랜즈그룹의 Amazon SageMaker Canvas 활용기

2026년 11월 12일

KB증권 AI 에이전트는 어떻게 최적의 모델을 선택할까? – Amazon Bedrock 기반 Context Tier-Routing

LLM 호출마다 대화 맥락과 Tool 실행 상태를 반영해 모델을 선택하는 라우팅을 설계했습니다. Elevate-only 정책으로 캐시 손실을 줄이며 비용과 토큰 사용량을 절감했습니다.

#LLM#Amazon Bedrock#Amazon SageMaker AI

1400

KB증권 AI 에이전트는 어떻게 최적의 모델을 선택할까? – Amazon Bedrock 기반 Context Tier-Routing

2026년 11월 12일

AV 3.0과 데이터 플라이휠: 자율주행의 승부처가 모델에서 데이터 파이프라인의 회전 속도로 옮겨 가는 이유 (1부)

AV 3.0 자율주행에서 데이터 플라이휠과 8단계 데이터 파이프라인의 중요성을 설명했습니다. AWS와 NVIDIA 도구를 활용한 수집·학습·시뮬레이션·검증 구성을 정리했습니다.

#자율주행#physical ai#VLA

400

AV 3.0과 데이터 플라이휠: 자율주행의 승부처가 모델에서 데이터 파이프라인의 회전 속도로 옮겨 가는 이유 (1부)

2026년 11월 10일

유진그룹의 온톨로지 여정: Amazon Neptune과 Amazon Bedrock으로 건자재 유통 데이터를 지식 그래프로 전환하기

건자재 유통 RDBMS 데이터를 Neptune 지식 그래프로 전환한 PoC를 소개했습니다. Bedrock 기반 규칙형 질의로 재고·납기·대체품 탐색 가능성을 검증했습니다.

#Amazon Neptune#Amazon Bedrock#지식 그래프

2200

유진그룹의 온톨로지 여정: Amazon Neptune과 Amazon Bedrock으로 건자재 유통 데이터를 지식 그래프로 전환하기

2026년 11월 9일

PennyLane을 활용한 Amazon Braket에서의 Max-Cut 문제의 해결 (2부) – 세 가지 실행 방식 비교

PennyLane QAOA Max-Cut을 로컬과 Amazon Braket Hybrid Jobs의 두 시뮬레이터에서 비교했습니다. 실행 위치에 따른 콘솔 추적, 네트워크 왕복, 과금 특성과 최적화 결과를 설명합니다.

#PennyLane#Amazon Braket#QAOA

200

PennyLane을 활용한 Amazon Braket에서의 Max-Cut 문제의 해결 (2부) – 세 가지 실행 방식 비교

2026년 11월 9일

하나의 플랫폼으로 두 가지 에이전트 런타임 운영하기: 웅진씽크빅의 Amazon Bedrock AgentCore 및 Amazon EKS 기반 플랫폼 구축기

AgentCore와 EKS를 함께 지원하는 사내 AI 에이전트 플랫폼 구축 과정을 소개했습니다. 코드 생성·배포·MCP·메모리 관리를 표준화하고 GitOps 운영 개선 방향을 제시했습니다.

#AWS#Amazon Bedrock#Amazon EKS

700

하나의 플랫폼으로 두 가지 에이전트 런타임 운영하기: 웅진씽크빅의 Amazon Bedrock AgentCore 및 Amazon EKS 기반 플랫폼 구축기

2026년 11월 4일

Amazon Bedrock Managed Agents: OpenAI 에이전트를 AWS에서 운영하는 방법

Amazon Bedrock Managed Agents로 OpenAI 에이전트의 루프와 세션 운영을 AWS에 맡기는 방식을 설명했습니다. MCP 도구, IAM 역할 분리, AgentCore Runtime 기반 문서 생성 사례와 보안 주의점을 소개했습니다.

#Amazon Bedrock#OpenAI#AgentCore Runtime

1001

Amazon Bedrock Managed Agents: OpenAI 에이전트를 AWS에서 운영하는 방법

2026년 11월 3일

AWS에서 AI 에이전트 실행 환경 격리하기 4부: Amazon Bedrock AgentCore Runtime, 관리형 샌드박스의 동작과 선택 기준

Amazon Bedrock AgentCore Runtime의 microVM 격리와 세션 관리 동작을 EKS 환경과 비교했습니다. 시작 지연, 자격 증명, 유휴 회수, 과금, 확장 기준과 도입 시 주의점을 측정으로 정리했습니다.

#Amazon Bedrock AgentCore#EKS#microVM

1400

AWS에서 AI 에이전트 실행 환경 격리하기 4부: Amazon Bedrock AgentCore Runtime, 관리형 샌드박스의 동작과 선택 기준

2026년 11월 2일

CJ올리브네트웍스의 LLM Gateway 구축 – 모델 접근, 비용 통합 관리

분산된 LLM 호출을 중앙 게이트웨이로 통합해 인증·비용·데이터 정책을 적용했습니다. EKS 기반 확장 구조와 CLI 자동화로 안정적인 전사 AI 사용 환경을 구축했습니다.

#LLM#AWS#Amazon EKS

6500

CJ올리브네트웍스의 LLM Gateway 구축 – 모델 접근, 비용 통합 관리

2026년 10월 29일

AWS Lambda Web Functions 실전 가이드 2부: Amazon Bedrock AgentCore Runtime V2 에이전트를 위한 BFF 구성

Web Functions BFF로 브라우저와 AgentCore Runtime V2 사이의 인증·세션·SSE 중계를 구성했습니다. 타임아웃·하트비트·세션 비용을 고려하고 두 에이전트 프레임워크를 비교했습니다.

#AWS Lambda#Amazon Bedrock#AgentCore Runtime

1600

AWS Lambda Web Functions 실전 가이드 2부: Amazon Bedrock AgentCore Runtime V2 에이전트를 위한 BFF 구성

2026년 10월 26일

기존 LangGraph 워크플로우를 Amazon Bedrock AgentCore Runtime으로: 아이지에이웍스 클레어의 프로덕션 이관과 운영 경험

LangGraph 워크플로우를 AgentCore Runtime으로 이관하며 세션 격리와 분리 배포를 확보했습니다. 부하 테스트와 관측 기반 최적화로 TTFT를 줄이고 콜드 스타트·커넥션 운영 방식을 조정했습니다.

#Amazon Bedrock#LangGraph#ECS

1300

기존 LangGraph 워크플로우를 Amazon Bedrock AgentCore Runtime으로: 아이지에이웍스 클레어의 프로덕션 이관과 운영 경험

2026년 10월 26일

아이지에이웍스 클레어의 Agentic AI PoC 여정: Amazon Bedrock AgentCore로 설계하고 평가하기

AgentCore 기반 Agentic 클레어 PoC에서 복합 질의 처리와 평가 주도 개선 루프를 검증했습니다. 구조화 라우팅과 MCP 도구 연결로 품질을 유지하며 응답 시간을 약 60% 단축했습니다.

#LLM#Amazon Bedrock AgentCore#LangGraph

1300

아이지에이웍스 클레어의 Agentic AI PoC 여정: Amazon Bedrock AgentCore로 설계하고 평가하기

2026년 10월 23일

Pennylane을 활용한 Amazon Braket에서의 maxcut 문제의 해결 (1부) – Max-Cut 개념 및 QAOA 구현

Max-Cut을 비용 해밀토니언으로 변환하고 PennyLane 기반 QAOA 회로를 구현했습니다. 고전 경사 하강법과 양자 회로 실행을 결합해 분할 확률을 최적화하는 흐름을 설명합니다.

#QAOA#Max-Cut#PennyLane

1000

Pennylane을 활용한 Amazon Braket에서의 maxcut 문제의 해결 (1부) – Max-Cut 개념 및 QAOA 구현

2026년 10월 20일

AI 에이전트 시대의 기업 토큰 경제학: 비용 방정식으로 측정하고 Amazon Bedrock에서 줄이기

AI 에이전트 토큰 비용을 여섯 항목 방정식과 계층형 지표로 측정하는 방법을 정리했습니다. Amazon Bedrock, Claude Code, Codex 설정으로 모델·컨텍스트·요청 수를 줄이는 방안을 제시합니다.

#Amazon Bedrock#Claude Code#Codex

1000

AI 에이전트 시대의 기업 토큰 경제학: 비용 방정식으로 측정하고 Amazon Bedrock에서 줄이기

2026년 10월 16일

Amazon Bedrock AgentCore로 대화형 데이터 분석 에이전트를 프로덕션 아키텍처로 전환하기: SD바이오센서 사례

대화형 데이터 분석 에이전트를 단일 에이전트와 결정론 도구 중심으로 재설계했습니다. 실행 레인 분리, 이벤트 알림, 표준 관측성으로 프로덕션 운영성을 높였습니다.

#Amazon Bedrock#LLM#SageMaker

1800

Amazon Bedrock AgentCore로 대화형 데이터 분석 에이전트를 프로덕션 아키텍처로 전환하기: SD바이오센서 사례

2026년 10월 16일

CJ올리브영의 AI 기반 운영 이슈 분석과 일일 점검 자동화

AI 에이전트로 프로모션 장애 원인과 고객 피해, 일일 운영 이상 징후를 분석했습니다. 계산·판정은 코드로 고정하고 LLM은 해석을 맡겨 대응 시간을 단축했습니다.

#Amazon Bedrock#Strands Agents SDK#Datadog

9200

2026년 10월 16일

모두의주차장 AI 음성 주차 개발기: AWS AI-DLC 워크숍에서 출시까지

AI-DLC로 기존 주차 에이전트에 STT·TTS를 이틀 만에 연결해 MVP를 검증했습니다. 음성 재입력 문제를 턴제로 해결하고 음성 전용 UX를 베타 출시했습니다.

#AI-DLC#LLM#Amazon Transcribe

2400

모두의주차장 AI 음성 주차 개발기: AWS AI-DLC 워크숍에서 출시까지

2026년 10월 16일

AWS Elemental MediaConvert와 Amazon Bedrock으로 VOD 자동 챕터 생성하기

MediaConvert의 샷 전환 후보와 Transcribe 스크립트를 Bedrock에 제공해 VOD 챕터를 자동 생성했습니다. AI 결과는 코드로 검증하고 썸네일 타일을 활용해 자연스러운 탐색 경험을 구성합니다.

#AWS Elemental MediaConvert#Amazon Bedrock#Amazon Transcribe

100