AWS 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
20개 표시
DynamoDB managed GSI의 핫 파티션을 피하기 위해 인덱스 테이블 분리와 전파 파이프라인 구현 과정을 다뤘습니다. 운영 중에는 버스트 제어와 SQS 적체를 조정해 안정적으로 변경분을 반영했습니다.
옴니채널 재고 정합성과 확장성 문제를 해결하기 위해 인벤토리 데이터 파이프라인을 이벤트 기반으로 재설계했습니다. Spring Batch, Kafka Fan-Out, Push/Pull 분리로 리드타임과 부하를 줄였습니다.
에이전틱 AI를 프로덕션에 올리기 위한 AgentOps와 파운데이션, 게이트웨이 패턴을 소개했습니다. Amazon Bedrock AgentCore로 모델, 도구, 에이전트 접근을 통합하는 방법을 설명했습니다.
메가MGC커피가 RDS for MySQL을 Aurora Serverless v2로 전환해 오전 피크 트래픽 대응력을 높였습니다. 또한 Read Replica 기반 Cut-over와 ACU 조정으로 안정성과 비용 효율을 함께 확보했습니다.
공모전 브리핑 작성의 진입 장벽을 낮추기 위해 AWS Bedrock과 Strands Agents SDK 기반 AI 에이전트를 도입했습니다. 초안 생성과 검수, 분석을 분리해 응답 속도와 운영 효율을 높이고, 브리핑 이탈률도 줄였습니다.
AWS DevOps Agent로 성능 테스트 분석을 자동화하는 활용 사례를 소개했습니다. JMeter 부하 테스트에서 병목 원인을 찾고 수정 후 재검증하는 흐름을 보여주었습니다.
Istio Ambient mode에서 워크로드 재시작 시 간헐적 503이 발생한 원인을 추적했습니다. 오래된 HBONE connection 재사용과 ztunnel의 graceful close 부재가 핵심이었고, reset retry로 증상을 완화했습니다.
SageMaker Immersion Day에서 MLOps와 통합 ML 개발 환경을 체험한 워크샵 후기를 소개했습니다. 모델 구축, 튜닝, 배포까지의 흐름과 실무 적용 가능성을 살펴보았습니다.
Evergreen 자동화가 가능했던 구조적 전제를 Convention Plugin과 구조적 일관성 관점에서 정리했습니다. 대규모 변경 전파가 왜 일관된 빌드·CI 구조 위에서만 성립하는지 설명했습니다.
![[의존성의 방향을 따라 5/5] Evergreen이 가능했던 이유](https://flex.team/blog/og/main.jpg)
Amazon의 AI 전략을 통해 에이전틱 AI가 고객 경험과 운영을 어떻게 바꾸는지 정리했습니다. 또한 AgentCore와 AI-DLC를 바탕으로 기업 AI 도입 시 고려할 운영·개발 포인트를 소개했습니다.
![[AWS Summit Seoul 2026] Amazon’s AI Strategy로 본 에이전틱 AI 전환](https://tech.cloud.nongshim.co.kr/wp-content/uploads/tech_thumbnail.png)
에이전틱 AI의 성패는 모델보다 데이터 준비에 달려 있다고 설명했습니다. 시맨틱 레이어와 지식 그래프로 AI가 비즈니스를 이해하도록 만드는 방법을 정리했습니다.
DynamoDB의 설계 철학과 내부 구조, 대규모 트래픽 대응 방식을 소개했습니다. 셀 기반 아키텍처와 AZ 운영, 커넥션 재사용 같은 실무 인사이트도 함께 정리했습니다.
AWS가 DynamoDB를 설계하고 운영하는 핵심 원칙과 내부 구조를 소개했습니다. 대규모 트래픽, 셀 기반 아키텍처, 배포·라우팅 최적화 사례를 함께 다뤘습니다.
Deep Insight의 Inner Loop 챗봇 설계에서 데이터 보호, 속도, 신뢰성, 비용을 맞추는 4가지 결정을 정리했습니다. DuckDB 샌드박싱과 세션 단위 OLAP 상주, SQL 투명성, prompt cache로 대화형 분석 도구를 구현했습니다.
농약 제품 사진을 인식해 정보를 찾는 3단계 AI 검색 시스템을 구축했습니다. Vision LLM 오인식을 오타 보정, OpenSearch Fallback, LLM Reranker로 보완했습니다.
Amazon Bedrock에서 Claude Code와 Codex를 함께 돌리는 협업 하네스를 구현해 48런 실험을 진행했습니다. 단독 실행보다 교차 리뷰가 버그를 더 잘 잡았고, 하네스 설계가 결과를 좌우함을 확인했습니다.
Amazon OpenSearch가 에이전틱 검색과 벡터 스토리지 혁신으로 진화하는 내용을 다뤘습니다. 운영 최적화와 AI 에이전트 연동을 함께 지원하는 플랫폼 방향을 소개했습니다.
프롬프트 인젝션에 대비해 에이전트 보안을 LLM 밖의 인프라에서 강제하는 다층 방어 패턴을 설명했습니다. AgentCore, JWT 전파, RLS, Index Mapper로 사용자 간 데이터 경계를 지키는 방법을 정리했습니다.
AI 에이전트의 자율성 확대에 따른 보안과 책임 문제를 다뤘습니다. 하네스 엔지니어링과 Datadog Agent Builder로 가드레일을 두는 방법을 소개했습니다.
Sim-to-Real과 Real-to-Sim이 Physical AI의 현실 적용을 가로막는 격차를 어떻게 줄이는지 설명했습니다. 시뮬레이션 충실도와 합성 데이터 파이프라인이 VLA 성능을 좌우한다고 정리했습니다.
