롯데백화점의 생성형 AI 기반 파트너 제안 채널 ‘AI 비즈센터’ 구축기
생성형 AI로 파트너사의 제안서 작성부터 담당 부서 연결까지 지원하는 AI 비즈센터를 구축했습니다. 다단계 검색과 사용자 확인 절차로 부서 매칭 정확도를 83.72%까지 개선했습니다.
#Amazon Bedrock#RAG#OpenSearch
2100
모든 블로그
대표 인기 포스트무신사의 AI 기반 상품 추천 및 검색 시스템 구현 사례332 조회332 조회 AI AI
AI
AI
AI
AI
AI
AI
AI
AI
AI AI
AI
AI
AI![Amazon EKS에서 vLLM으로 Gemma 4 서빙 최적화하기 [2부: GPU 한 장의 처리량과 지연 SLO]](https://d2908q01vomqb2.cloudfront.net/2a459380709e2fe4ac2dae5733c73225ff6cfee1/2026/09/09/thumbnail-2-1121x630.png)
AI
AI
AI
AWS
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.
AWS 기술 블로그 글 (282)
AWS X 로앤컴퍼니 AI 해커톤 : VOC 자동 조사 에이전트 “민붕이” 개발기
분산된 VoC 지식과 코드 조사를 자동화하는 AI 에이전트 ‘민붕이’의 설계·운영 사례를 소개했습니다. MCP 기반 단일 서버 구조에 보안·검증·비용 통제를 적용해 실무 투입 가능성을 높였습니다.
#LLM#MCP#Slack
900
한화오션 조선 현장의 다국어 소통을 돕는 AWS 기반 OTalk 활용 사례
한화오션은 조선소 소음과 전문 용어 문제를 해결하기 위해 AWS 기반 AI 통번역 앱 OTalk을 도입했습니다. 현장 데이터 학습과 Bedrock 보정, 격리된 인프라로 번역 품질과 활용 범위를 높였습니다.
#AWS#Amazon Bedrock#STT
900
넷마블넥서스의 AI 코딩 도구 도입기 – 게임 개발팀의 Kiro 도입 및 활용 여정
게임 개발 조직에 Kiro를 도입하며 실무 챔피언과 Steering 파일 중심의 확산 전략을 적용했습니다. Spec·MCP 연동으로 활용 범위를 넓히고, 리뷰와 테스트 체계의 중요성도 확인했습니다.
#Kiro#LLM#MCP
7100
경신홀딩스의 AX 도입을 위한 에이전트 플랫폼 구축: Amazon Bedrock AgentCore로 사내 데이터를 연결하고 에이전트를 운영하기
Amazon Bedrock AgentCore로 사내 데이터 연결·에이전트 실행·공유를 통합한 AX 플랫폼을 구축했습니다. MCP, 승인 워크플로, 사용량 관측으로 보안과 재사용성을 강화했습니다.
#Amazon Bedrock#AgentCore#MCP
1400
GS에너지의 SageMaker Unified Studio와 Bedrock AgentCore로 구축하는 엔터프라이즈 에이전트 데이터 플랫폼
GS에너지는 SMUS와 Bedrock AgentCore를 결합해 프로젝트 구독 기반 데이터·에이전트 플랫폼을 구축했습니다. JWT·IAM·MCP의 권한 경계를 분리해 사용자 권한 내 데이터 조회를 구현했습니다.
#Amazon Bedrock#SageMaker#MCP
700
Amazon SageMaker AI와 AWS IoT Greengrass를 활용한 Physical AI 학습 파이프라인 구축하기
AWS에서 VLA·강화학습용 Physical AI 학습, 시뮬레이션 검증, 엣지 배포 파이프라인을 구성했습니다. 학습 특성에 따라 SageMaker Pipelines·HyperPod를 선택하고 Greengrass로 모델을 배포합니다.
#AWS#SageMaker#IoT Greengrass
700
AWS 인프라를 활용한 무븐트의 music-to-dance AI 학습·서빙 인프라 구축기
무븐트는 AWS 이벤트 기반 파이프라인으로 댄스 영상을 구조화된 학습 데이터로 변환했습니다. GPU 추론과 API를 분리한 다중 계층 서빙으로 성능과 확장성을 개선했습니다.
#AWS#데이터 파이프라인#비동기
900
Amazon EKS와 NVIDIA FLARE로 구현하는 연합학습 (Federated Learning)
Amazon EKS와 NVIDIA FLARE로 연합학습을 구성하는 방법과 CSE 평가 흐름을 설명했습니다. 세 가지 데이터 시나리오를 통해 전역 모델의 수렴, 일반화, 운영상의 관찰 포인트를 보여주었습니다.
#Amazon EKS#NVIDIA FLARE#연합학습
900
Strands Agents와 Amazon Bedrock AgentCore을 이용한 발전설비진단 구현하기
Strands Agents와 Bedrock AgentCore로 발전설비 진단 보조 에이전트를 구성한 사례를 소개했습니다. 판단 절차와 데이터 조회를 분리하고 검색·응답을 따로 평가한 점이 핵심입니다.
#Strands Agents#Amazon Bedrock#MCP
900
Strands Agents와 Amazon Bedrock AgentCore을 이용한 발전설비진단 구현하기
발전소 진단 지식을 Strands Agents와 Bedrock AgentCore로 연결하는 방법을 소개했습니다. 검색 계층과 응답 계층을 분리 평가해 근거 기반 진단 흐름을 설계했습니다.
#Amazon Bedrock#Strands Agents#MCP
600
AI-DLC 기반 GS SHOP 검색·추천 개발 프로세스 고도화 사례
GS SHOP 검색·추천팀이 AI-DLC로 자연어 검색과 추천 실험 프로세스를 표준화했습니다. 실데이터 검증을 통해 다음 개선 지점과 공정한 비교 구조를 함께 확보했습니다.
#검색#추천#AI-DLC
3800
셀트리온제약의 AI-DLC 방법론과 Kiro를 활용한 OMS 서비스 구축하기
3개월 내 OMS를 구축해야 하는 상황에서 AI-DLC와 Kiro를 적용해 기획, 개발, 현업 협업을 구조화했습니다. 1일 파일럿과 3일 워크숍으로 설계 문서와 운영 산출물까지 확보했습니다.
#AWS#Kiro#OMS
2500
Amazon Bedrock 기반 멀티 에이전트 GAMMA로 Oracle-to-PostgreSQL 마이그레이션 가속화하기
Oracle에서 PostgreSQL로의 마이그레이션에서 가장 큰 병목인 저장 프로시저 변환을 멀티 에이전트 GAMMA로 자동화하는 내용을 다뤘습니다. 의존성 분석, 코드 생성, 검증, 지식 축적을 결합해 수동 작업을 줄이고 정확도를 높이는 방법을 소개했습니다.
#Amazon Bedrock#Oracle#PostgreSQL
2000
Amazon EKS에서 vLLM으로 Gemma 4 서빙 최적화하기 [2부: GPU 한 장의 처리량과 지연 SLO]
Amazon EKS의 GPU 한 장에서 Gemma 4 31B를 vLLM으로 서빙할 때의 처리량과 지연 SLO 최적화 결과를 정리했습니다. NVFP4, prefix caching, speculative decoding, priority 스케줄링의 효과와 서빙 풀 분리 기준을 제시했습니다.
#AWS#Amazon EKS#LLM
4000
GS리테일의 전사 AI Gateway 구축 사례 – 2부: 실사용을 견디는 운영과 거버넌스
GS리테일이 전사 AI Gateway 위에 운영·거버넌스 계층을 더해 실사용을 견디는 플랫폼으로 확장했습니다. 사용자 온보딩, 예산 라우팅, 가드레일, 감사, 외부 도구 연동까지 Gateway 안에서 통제했습니다.
#AWS#AI Gateway#LLM
4100
AI Agent를 위한 OpenSearch 검색 품질 개선하기 (Part 2)
Rerank와 Weight 튜닝을 OpenSearch 검색 품질에 적용해 본 결과를 정리했습니다. 데이터 특성과 기존 성능에 따라 개선과 악화가 갈리므로, 측정 기반의 지속 평가가 중요했습니다.
#OpenSearch#Rerank#LLM
2400
가격 예측부터 입찰 전략까지, LG에너지솔루션의 Amazon Bedrock AgentCore 기반 ERCOT 분석 에이전트 구축기
LG에너지솔루션이 ERCOT 전력거래 분석을 위해 Bedrock AgentCore 기반 에이전트를 구축했습니다. 내부 데이터, 웹 검색, 규제를 분리한 MCP와 Guardrails, CloudWatch로 품질과 보안을 확보했습니다.
#AWS#LLM#MCP
1700