Category: Generative AI

“Gen AI PoC는 있는데, 이 상태로 프로덕션에 배포해도 괜찮을까?” 최근 Amazon Bedrock, Amazon Q, Amazon SageMaker AI 등으로 많은 생성형 AI PoC가 빠르게 만들어지고 있습니다. 챗봇, 요약, 코드 도우미, 검색 보조, 에이전트 등 PoC까지는 놀라운 속도로 진행됩니다. 그런데 막상 이런 질문 앞에서 멈칫하게 됩니다. “이대로 프로덕션에 올려도 안정적일까?”, “내부/고객 데이터를 넣어도 안전한 아키텍처일까?”, “트래픽이 늘어나면 […]

1. 도입 생성형 AI 기술의 발전과 함께 AI 에이전트는 단순한 질의응답을 넘어 실제 업무를 수행하는 핵심 시스템으로 자리잡고 있습니다. 많은 기업들이 AI 에이전트를 활용하여 고객 서비스를 자동화하고, 내부 업무 프로세스를 개선하며, 직원들의 생산성을 높이고 있습니다. 하지만 AI 에이전트가 실제 업무를 수행하려면 외부 시스템과 연결되어야 합니다. 캘린더를 조회하고, 데이터베이스를 검색하며, API를 호출하고, 이메일을 발송하는 등의 작업을 […]

인공지능이 ‘말하는 존재’에서 ‘행동하는 존재’로 진화하다 인공지능은 오랫동안 언어를 이해하고 생성하는 영역에 머물러 있었습니다. 대규모 언어 모델(LLM, Large Language Model)의 발전은 문맥 이해, 번역, 요약, 대화 등에서 인간 수준의 성과를 보여주었지만, 그 모든 능력은 여전히 “예측(prediction)”의 한계를 벗어나지 못했습니다. 즉, LLM은 데이터를 기반으로 가장 가능성이 높은 단어를 생성할 뿐, 실제 계산이나 검증을 수행하지 못했습니다. 그러나 […]

해당 포스트는 SK 바이오팜의 박건태, 고일규님, 이승욱님, 이준님, 전인혁님과 함께 작성했습니다. 신약 개발은 현대 의학에서 가장 복잡하고 위험도가 높은 분야 중 하나입니다. 하나의 신약이 시장에 출시되기까지 평균 10-15년의 시간과 수십억 달러의 비용이 소요되며, 성공률은 10% 내외에 불과합니다. 이러한 높은 실패율의 주요 원인 중 하나는 바로 의사결정 과정에서의 정보 부족과 분석의 한계입니다. 특히 국내 제약·바이오 기업들이 […]

1부에서 살펴본 클레어의 비즈니스 가치와 전체 아키텍처를 바탕으로, 이번 편에서는 각 컴포넌트의 기술적 구현 방식과 최적화 전략을 자세히 공유하고자 합니다. 1부 다시보기 : 아이지에이웍스 AI 에이전트 클레어: Amazon Bedrock 기반 Text-to-SQL/Chart 에이전트로 이룬 데이터 분석 혁신 멀티 에이전트 구현 1부에서 설명한대로, 클레어의 개별 Agent들의 흐름은 다음과 같습니다. Question Agent(질문 분석 및 정제, 분할) → Query […]

개요 교육산업의 디지털 전환과 새로운 도전 최근 교육산업은 급격한 디지털 전환의 흐름 속에서 근본적인 변화를 맞이하고 있습니다. 특히 교육 시장에서는 개인화된 학습 경험과 데이터 기반 교육 효과 측정이 핵심 경쟁력으로 부상하고 있으며, 생성형 AI의 등장은 이러한 트렌드를 더욱 가속화하고 있습니다. 그러나 많은 교육 기업들이 디지털 전환 과정에서 공통적인 어려움에 직면하고 있습니다: 학습 데이터의 휘발성: 1:1 […]

1. 개요 1.1. AgentCore Runtime이란? AI 에이전트 개발은 PoC/MVP/프로토타입 단계에서는 놀라울 정도로 빠르게 진행됩니다. 며칠 안에 Strands Agents, LangGraph, CrewAI와 같은 에이전트 프레임워크로 인상적인 PoC를 구축할 수 있고, 노트북에서 실행되는 에이전트가 복잡한 질문에 답하고 도구를 호출하는 모습을 볼 수 있습니다. 로컬 개발 환경에서 AI 에이전트를 실험할 때는 모든 것이 순조롭게 보입니다. 단일 사용자가 노트북에서 에이전트를 실행하고, […]

본 게시글은 AWS DevOps & Developer Productivity Blog에 게시된 AI-Driven Development Life Cycle: Reimagining Software Engineering by Raja SP을 한국어 번역 및 편집하였습니다. 비즈니스 및 기술 리더들은 생산성 향상, 속도 증가, 실험 촉진, 출시 시간(TTM) 단축, 개발자 경험 개선을 위해 끊임없이 노력하고 있습니다. 이러한 전략적 목표는 소프트웨어 개발 실천 방안의 혁신을 주도합니다. 이러한 혁신은 인공지능에 […]

“이 게시글은 AWS Artificial Intelligence Blogs의 ‘Enable Amazon Bedrock cross-Region inference in multi-account environments by Satveer Khurpa‘ 를 번역 및 편집 하였습니다” Amazon Bedrock의 크로스 리전 추론 기능은 조직이 최적의 성능과 가용성을 유지하면서 AWS 리전 전반에 걸쳐 파운데이션 모델(FM)에 액세스할 수 있는 유연성을 제공합니다. 그러나 일부 기업은 규정 준수 요구사항을 충족하기 위해 서비스 제어 정책(SCP) […]

“이 글은 AWS Architecture Blog에 게시된 ‘Deploy LLMs on Amazon EKS using vLLM Deep Learning Containers by Vishal Naik’ 를 한국어 번역 및 편집하였습니다” 조직들은 대규모 언어 모델(LLM)을 효율적으로 확장 배포할 때 상당한 어려움에 직면합니다. 주요 과제로는 GPU 리소스 활용 최적화, 네트워크 인프라 관리, 모델 가중치에 대한 효율적인 접근 제공 등이 있습니다. 분산 추론 워크로드를 […]