Part 3: Kiro로 RDS/Aurora 장애 분석 자동화하기 — 매일 자동으로 보고서 받기
EC2와 cron으로 Kiro 기반 RDS/Aurora 점검 보고서 자동화 구성을 설명했습니다. S3 Presigned URL과 SES, Slack 연동으로 매일 링크를 받아보는 방법을 다뤘습니다.


EC2와 cron으로 Kiro 기반 RDS/Aurora 점검 보고서 자동화 구성을 설명했습니다. S3 Presigned URL과 SES, Slack 연동으로 매일 링크를 받아보는 방법을 다뤘습니다.

Kiro CLI와 Custom Agent로 RDS/Aurora 장애 분석을 터미널에서 자동화하는 방법을 소개했습니다. Aurora MySQL Replication Lag 사례로 실제 원인 분석과 보고서 생성 과정을 확인했습니다.

Kiro IDE와 MCP 서버, Hook을 이용해 RDS/Aurora 장애 분석과 HTML 보고서 생성을 자동화하는 방법을 소개했습니다. 실제 Aurora MySQL 슬로우 쿼리로 인한 Reader CPU 스파이크를 자동 식별한 사례도 함께 다뤘습니다.

vLLM Tensor Parallelism으로 G5/G6의 24GB GPU 여러 장에 LLM을 분산 서빙하는 방법을 설명했습니다. 벤치마크에서 TP=4는 응답 속도와 처리량을 크게 개선했으며, 비용 효율적인 대안으로 제시했습니다.

GraphRAG Toolkit으로 지식 그래프를 쿼리하는 전략을 설명했습니다. 벡터 검색의 한계를 보완하기 위해 그래프 탐색과 retriever 선택 기준을 정리했습니다.

LangGraph와 Amazon Bedrock, OpenSearch를 결합해 빅데이터 클러스터 장애 대응을 자동화했습니다. 병렬 RCA와 반증 검증으로 진단 품질을 높이고 MTTA를 줄였습니다.

현대오토에버가 Amazon Bedrock과 LangGraph로 다중 AI 에이전트를 구성해 장애 대응을 자동화했습니다. 장애 분석부터 보고서 생성까지를 연결해 대응 시간을 수 시간에서 5분으로 줄였습니다.
현대오토에버가 GenAI Sandbox와 해커톤으로 전사 GenAI 실험 환경을 구축했습니다. 14개 팀이 참여해 업무 자동화와 생산성 향상 사례를 만들었습니다.

씨미가 4K 저지연 라이브를 위해 Amazon IVS와 자체 구축을 나눠 하이브리드 아키텍처를 설계했습니다. 1080p는 매니지드에 맡기고 4K·클립·캐시 분산은 직접 구현하며 1만 동시 시청 테스트도 통과했습니다.

CJ올리브영이 AWS AI-DLC와 Kiro로 팀 단위 AI 협업 개발 프로세스를 구축했습니다. 3일 워크숍에서 5개 과제를 프로토타입으로 구현하며 반복 가능한 구조의 가능성을 확인했습니다.

Amazon OpenSearch Service로 다국어 이력서 검색 파이프라인과 인덱싱 구조를 재설계했습니다. 전처리, 정규화, 임베딩 입력 전략이 검색 정확도를 크게 좌우했습니다.

Amazon Kinesis Video Streams WebRTC로 로봇 원격 관제 구조를 개선한 사례를 소개했습니다. 포트포워딩 의존성을 줄이고 LTE 환경에서도 영상 품질을 운영 관점에서 관리했습니다.
GS SHOP이 영상의 소구 포인트를 추출해 추천 신호로 바꾸고, 기존 추천 엔진과 결합한 Hybrid 시스템을 구축했습니다. A/B 테스트에서 클릭과 주문, 전환율이 모두 개선되었습니다.

GS SHOP이 영상 이해 모델과 생성형 AI를 조합해 숏픽 추천을 Hybrid 구조로 고도화했습니다. 소구 포인트 기반 임베딩으로 추천 품질과 전환 성과를 함께 개선했습니다.
AWS 계정으로 Anthropic의 Claude Platform을 직접 사용할 수 있는 서비스를 소개했습니다. IAM, CloudTrail, Marketplace를 통해 인증·감사·과금을 통합하는 방법을 안내했습니다.

Amazon Bedrock AgentCore의 Policy, Evaluation, Observability를 결합해 기업용 Agent 운영 체계를 설명했습니다. 정책 제어, 품질 평가, 실시간 추적의 역할과 연계를 정리했습니다.

AI-DLC에 Subagent와 Custom Skill을 결합해 팀 프로젝트 운용 문제를 보완했습니다. 비정형 요구사항 정리, 병렬 개발 merge, 전용 코드 리뷰까지 함께 다뤘습니다.

Amazon ElastiCache for Valkey의 벡터 검색으로 Interactive AI 스토리텔링 플랫폼의 이미지 응답 속도와 비용 효율을 개선했습니다. CESC와 LLM 검증, 폴백 전략으로 맥락 기반 캐싱과 몰입 경험을 강화했습니다.
