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.


발전소 진단 지식을 Strands Agents와 Bedrock AgentCore로 연결하는 방법을 소개했습니다. 검색 계층과 응답 계층을 분리 평가해 근거 기반 진단 흐름을 설계했습니다.

Rebellions는 AWS 기반 EDA 환경으로 NPU 개발의 병목인 실행 시간과 자원 확장 문제를 검증했습니다. Logic Simulation, DFT, Physical Design에서 온프레미스 대비 성능 개선과 운영 유연성을 확인했습니다.

AWS 네트워크 요금을 연결 방식별로 비교하며 VPC 간 및 온프레미스 연동 비용 구조를 정리했습니다. 경로와 방향에 따라 달라지는 전송·처리 요금을 기준으로 설계 체크포인트를 제시했습니다.
![AWS 네트워크 데이터 전송 및 처리 요금, 아키텍처로 이해하기 [3부: VPC 간 연결과 하이브리드]](https://d2908q01vomqb2.cloudfront.net/2a459380709e2fe4ac2dae5733c73225ff6cfee1/2026/09/20/aws-networking-pricing-3-1120x630.png)
같은 리전 안에서 AZ 경계를 넘는 트래픽의 과금 규칙을 서비스별로 정리했습니다. NLB, RDS, ElastiCache, EKS에서 비용을 줄이는 설정과 관측 방법도 함께 설명했습니다.
![AWS 네트워크 데이터 전송 및 처리 요금, 아키텍처로 이해하기 [2부: 리전 안의 트래픽]](https://d2908q01vomqb2.cloudfront.net/2a459380709e2fe4ac2dae5733c73225ff6cfee1/2026/09/20/aws-networking-pricing-2-1119x630.png)
AWS 네트워크 비용을 전송 요금과 처리 요금으로 나눠 정리했습니다. 프라이빗 IP와 엔드포인트, CloudFront로 비용을 줄이는 방법도 함께 설명했습니다.
![AWS 네트워크 데이터 전송 및 처리 요금, 아키텍처로 이해하기 [1부: 요금 구조와 인터넷 경계]](https://d2908q01vomqb2.cloudfront.net/2a459380709e2fe4ac2dae5733c73225ff6cfee1/2026/09/20/aws-networking-pricing-1-1125x630.png)
AWS DevOps Agent를 VPC 내부 서비스에 안전하게 연결하는 프라이빗 연결 설정 방법을 설명했습니다. 콘솔과 CLI 절차, DNS 해석, Grafana 연동과 운영 주의점까지 함께 정리했습니다.

GS SHOP 검색·추천팀이 AI-DLC로 자연어 검색과 추천 실험 프로세스를 표준화했습니다. 실데이터 검증을 통해 다음 개선 지점과 공정한 비교 구조를 함께 확보했습니다.

AWS Network Firewall의 컨테이너 속성 기반 규칙으로 EKS와 ECS의 동적 IP 변동을 추적하는 방법을 다뤘습니다. 또한 내부 동작, 반영 지연, SNAT와 라우팅 전제조건, 로그 한계까지 실험으로 정리했습니다.

Amazon EKS가 컨트롤 플레인 일부 파라미터 5가지를 고객이 직접 조정할 수 있게 했습니다. 노드 밀집 배치, HPA 반응성, 이벤트 보존, NodePort 범위 조정에 활용할 수 있지만 PCP와 운영 제약을 함께 고려해야 합니다.
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 HealthOmics를 중심으로 임상 유전체 파이프라인의 자동화, 배포, 보안, 비용 최적화를 함께 다룬 사례입니다. 이벤트 기반 오케스트레이션과 GitOps로 TAT 준수와 감사 추적을 강화했습니다.

UneeQ는 Amazon EKS와 EC2 스팟 인스턴스를 활용해 디지털 휴먼 렌더링 비용을 줄였습니다. 워크로드 인지형 Group Manager로 다중 리전 GPU 용량을 자동 조정해 가동 시간도 유지했습니다.

Aurora PostgreSQL에서 pgvector를 프로덕션 RAG에 운영하는 방법을 정리했습니다. HNSW 선택, 거리 함수, 메모리 계획, 관측성까지 실무 기준으로 설명했습니다.

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 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.
Amazon EKS에서 vLLM으로 Gemma 4 31B 서빙의 콜드 스타트를 단계별로 최적화한 사례입니다. S3 직결 로더, 캐시 영속화, sleep mode로 시작 시간과 GPU 비용을 줄였습니다.
SEGA가 소규모 팀으로 글로벌 GaaS를 운영하기 위해 DynamoDB와 ElastiCache Serverless를 도입한 사례를 소개했습니다. 단일 테이블 설계와 캐시 최적화로 운영 부담과 비용을 줄이고 안정적인 성능을 확보했습니다.
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.
