[re:Invent 2025] Amazon Bedrock AgentCore의 모든 것: 기본 개념부터 최신 Policy & Evaluation 기능까지
우리는 지금 단순한 생성형 AI를 넘어, 스스로 판단하고 비즈니스 로직을 실행하는 ‘에이전틱 AI(Agentic AI)’라는 거대한 변곡점에 서 있습니다. 2025년 AWS re:Invent에서 맷 가먼(Matt Garman) CEO가 강조했듯, AI 에이전트는 과거 인터넷이나 클라우드가 그랬던 것처럼 우리의 일하는 방식을 근본적으로 바꿀 ‘게임 체인저’로 부상했습니다. 이번 기조연설에서는 기업 내부에서 AI 에이전트를 성공적으로 동작시키기 위한 ‘4가지 핵심 기초‘와 이를 뒷받침하는 서비스들이 대거 공개되었습니다. 이는...
[re:Invent 2025] 한국어 에이전트 벤치마크로 Amazon Nova 2 Lite 성능 심층 분석 (feat. Ko-AgentBench)
AWS re:Invent 2025에서 발표된 Amazon Nova 모델 제품군이 업계의 주목을 받고 있습니다. 그중에서도 실무 관점에서 가장 활용도가 높은 모델은 단연 비용 효율성과 속도를 강조한 nova-2-lite일 것입니다. AWS가 공개한 이 벤치마크 결과를 보면, Nova 2 Lite 모델이 에이전트 워크플로우와 툴 사용 능력에서 경량 경쟁 모델 대비 압도적인 성능을 보인다는 것을 확인할 수 있습니다. 특히 한국어 환경에서 에이전트나 툴 콜링 기능을...
[re:Invent 2025] AWS Clean Rooms : Why – AWS Clean Rooms가 필요한 시대적 배경
데이터를 공유하지 않고도 협업할 수 있다면? 2025년 12월, 라스베이거스 베네치안 호텔에서 열린 AWS re:Invent. 5만 명이 넘는 개발자와 기업 의사결정자들이 모인 이 자리에서, AWS Clean Rooms의 새로운 기능들이 발표되었습니다. 단순한 서비스 업데이트 발표가 아니었습니다. 이는 데이터 협업의 패러다임이 근본적으로 변화하고 있음을 알리는 신호탄이었습니다. Foursquare Business Development 부문 VP는 이렇게 말했습니다. “당사자 간에 데이터를 이전하거나 복사하지 않고도 미디어...
[re:Invent 2025] “스피릿 에볼루션!” AWS 프론티어 에이전트 AI 3총사 (Preview)
어렸을 때 봤던 ‘디지몬 프론티어’를 기억하시나요? 주인공들이 파트너 디지몬 뒤에 숨는 게 아니라, 직접 스피릿을 이용해 디지몬으로 ‘진화’해서 싸우는 내용이었죠. 이번 AWS re:Invent 2025의 핵심 발표였던 Frontier Agents AI(preview)를 보며 딱 그 생각이 들었습니다. 지금까지의 AI가 내가 시키는 것만 도와주는 ‘도구(Assistant)’였다면, 이제는 AI가 직접 문제를 해결하고 업무를 수행하는 ‘자율적 요원(Agent)’으로 진화했기 때문입니다. 그동안 우리는 AI를 ‘무엇이든 물어보세요’ 식의 똑똑한...
[re:Invent 2025] Amazon S3 Vectors: AI 시대를 위한 AWS의 첫 서버리스 대규모 벡터 스토리지
생성형 AI(Generative AI) 애플리케이션 구축에 있어 벡터 검색(Vector Search)과 RAG(검색 증강 생성)은 필수로 자리잡고 있습니다. 하지만 전용 벡터 데이터베이스를 구축하고 관리하는 것은 높은 비용과 복잡한 인프라 관리를 수반했습니다. 오늘 소개드릴 Amazon S3 Vectors는 이러한 고민을 해결해 줄 혁신적인 서비스입니다. 클라우드 오브젝트 스토리지인 S3가 이제 벡터 데이터를 네이티브로 저장하고 쿼리할 수 있게 되었습니다. 올해 정식 출시(General Availability)된 S3 Vectors의 핵심...
[re:Invent 2024] Amazon Bedrock Model Distillation 출시 및 소개
안녕하세요. GS네오텍 AI Center 박수현입니다. 2024년 AWS re:Invent 에서 소개된 Amazon Bedrock Model Distillation 에 대해서 소식을 공유하고 저의 생각을 설명드리고자 합니다. 서비스에 대해 간략하게 얘기하자면 교사 모델에서 응답을 생성하고 이를 기반으로 학생 모델을 조정하여 특정 사용 사례에 대한 증류 모델을 만드는 프로세스를 자동화하는 과정입니다. 여기서 교사 모델은 대규모 데이터셋으로 학습된 FM 모델이고, 학생 모델은 이와 상응하는 소규모 FM을...
최신 댓글