AWS 생성형 AI 자격증 학습자료 · 영상 전사 원본ASR 오인식 보정 전 원문 — 보정 표기는 요약본

Amazon Bedrock과 함께하는 생성형 AI의 활용과 접근 방향

AWS 공식 한국어 세미나 · 영상 길이 41분 29초 · 세그먼트 743행 · 연계 1주차 · 원본 videoId 6a35b963a15

▶ 원본 영상 보기 — aws.amazon.com/ko/video/watch/6a35b963a15/

요약본(v3 학습요약): 요약본 폴더의 14_영상1_Bedrock_생성형AI활용.html · 전체 목록: 자료실.html (세트 루트 기준 경로)

전사 경위 — HLS 오디오 추출(ffmpeg) → AI Ready MCP팀 서버(:8766) create_case(format="audio") · faster-whisper CPU(D44 STT) · 전사일 2026-11-18. 타임스탬프는 원 영상 기준이며 ASR 오인식(예: 고유명사)은 보정 전 상태로 보존했다 — 핵심 수치·용어 보정표는 요약본 하단 참조.
시작종료지속발화
0:140:183.2네, 목소리를 잘 들으시나요?
0:180:202.0네, 확인 감사합니다.
0:200:222.0네, 방금 소개해봐야 하는 김선수러 갑니다.
0:220:264.0저는 그 한국에서 아예 AIM에 사악 개발 담당을 하고 있고요.
0:260:304.0오늘은 제가 준비한 부분은 아마 좀 bed락에 대한 전반적인 부분
0:300:344.0소개해드리고 생선연 AIM을 어떻게 다른 기업들로 활용을 하고 있는지
0:340:406.0그리고 또 어떻게 접근을 하면 좋은지 발렌된 내용들을 소개해드리죠 예정입니다.
0:400:444.0네, 제가 준비한 부분은 이 4가지 꼭지로 되어 있고요.
0:440:462.0아, 씨의 설명을 드리도록 하겠습니다.
0:460:483.0생선연 AIM은 이미 많이 듣고 계시죠?
0:480:545.0그래서 아마 지금 기술적인 예도가 높으신 분들이 많이 들어오셨을 거라고 알고 있습니다.
0:540:562.0그래서 앞에 부분은 뭐 빨리 지나갈 거고요.
0:561:004.0생선연 AIM을 잘 하시는 것처럼 뭔가 생선하는 그런 기술이에요.
1:001:088.0그래서 그 기술은 기반이 되는 기술 부분이 파운데이션 모델려가는 모델 기반으로 이루어서
1:081:103.0생선 하나 AIM의 기술들이 작동을 하고 있는 걸 아실 겁니다.
1:101:144.0저희 A to B 래스는 비타비 비즈니스도 회사다 보니까
1:141:227.0저희 그 기업들이 어떻게 지금 이 생선연 AIM을 활용하고 있는지를 나눠 보고 있는데요.
1:221:242.0크게 4가지로 나눠지는 걸을 볼 수가 있습니다.
1:241:262.0첫 번째는 생선선 강화 그리고 두번째는 운영 개선,
1:261:305.0그리고 세 번째는 창위 장조 그리고 네 번째는 고객 경험 강화 이렇게 나눠지는 că울 수가 있는데요.
1:301:354.6잘 아시는 것처럼 생선선선 강화와 운영 개선 부분은
1:351:404.4그 회사의 내부적인 업무 프로세서 개선을 하거나 내부적인 그런 뭔가의 개선을 하거나
1:401:455.1뭔가를 개선하기 위한 노력들이 많이 집중되어 있고 오른쪽 3개의
1:451:505.7두 개는 회사의 그들의 고객 그리고 엔드위저의 들을 어떻게 경험을
1:501:555.1차별하고 뭔가 새로운 걸 제공할 것인지 부분들에 대해서 노력하는
1:551:593.4그런 영역이라고 보시면 될 것 같습니다.
1:592:056.0국내의 참여 사례를 말씀 드릴 건데요.
2:052:083.2첫 번째로 그 아마존 사례를 좀 말씀드리겠습니다.
2:082:146.4아마존 같은 경우에는 작년에 새롭게 출시한 그런 기능입니다.
2:142:184.0그래서 작년 5월달쯤에 내놓은 기능에서 아마존 같은 경우에는
2:182:201.2셀러들이 굉장히 많이 있습니다.
2:202:255.4셀러들이 제풍 올리고 많이 판매를 하기 끊 도와주는 부분이 굉장히
2:252:304.6중요한 영역인데 셀러들이 동량이든 서양이든 막로우하고 굉장히
2:302:333.7그 어렵게 쓰는 것 어렵게 생각하는 분들이 많거든요.
2:332:384.8사람들이 제품에 대한 주요 사항과 핵심 내용들을 블랙 포인트를 정리
2:382:423.9에서 간단한 키워드를 넣게 되면 그런 부분들을 아예 제품에 대한
2:422:475.4설명 내용들을 작성해 주는 그런 기능들을 제공을 했던 사례가 있고요.
2:472:514.0그리고 잘 보시면 많이 이미 활용이 되고 있죠 작년부터.
2:512:553.4그래서 우리 제품이 있을 때 그 제품에 대한 배경 이미지를 어떻게 꾸며
2:552:594.0주는 이 아이 따라서 고객들이 어떻게 이걸 좀 선택을 더 많이 하고
2:593:012.6그걸 더 관심 있게 분량을 달라지는 건데.
3:013:064.6예를 들면 뭐 만명이 된 천명이 된 똑같은 이미지로 뭔가 프로모션을
3:063:104.1하거나 뭔가 이메일 보내드라 보내드라 보내드라 했던 것들을 그 사람이
3:103:154.6조화만한 기본 정보를 기반으로 어떤 특정 브랜드 특정 배경, 특정
3:153:194.6관심사에 대한 걸로 이미지를 여러 형태로 꾸며 줘서 그들이 더 많이
3:193:244.3선택을 좀 유도하는 것들도 굉장히 이제 많이 활용이 되고 있는 분야
3:243:251.0입니다.
3:253:293.9그런데 이제 아마존 광고사품은 같은 경우에는 이 제품에 대한 이미지가
3:293:334.7있었으면 그 외에 바깥 부분 대대에서 동영상까지 만들어주는 그런
3:333:384.6기능들도 이제 오래 제공을 하기 시작을 했고 굉장히 지금 많은 반응을
3:383:413.3이끌어내고 있습니다.
3:413:454.1그리고 지금 얼마 전에 저희 행사에서 LG EPLUS에서 발표를 해주셨어요.
3:453:505.0그래서 지금 LG EPLUS 같은 경우에는 생선형 AI일 기반으로 해서 코드를 작성
3:503:543.2한 부분으로 리뷰를 하고 그 부분에 대해서 보안 상의 뭔가 이슈
3:543:584.0거 없는지 그런 부분들을 자동으로 체킹해서 알려주는 그런 내용들을
3:584:002.2이제 적용을 하기 시작을 했고요.
4:004:044.3특히 여기에는 아마존 배드라하게 언어 모델 클로드 모델을 쓰시고
4:044:095.4그리고 아마 계속 언급이 데리 그런 서비스들인 가들의 일포 아마존
4:094:133.4배드라악을 통해서 뭔가 문제가 될 만한 그리고 보안 등급의 문제가
4:134:173.8될 만한 부분들을 자동으로 걸러주는 부분들을 적용을 했던 사례를
4:174:214.0말씀을 드리고 있습니다.
4:214:254.2그리고 미국의 굉장히 유명한 그런 미디어 그룹이죠.
4:254:294.1폭스 미디어 그룹 같은 경우에는 스포츠 하이라이트를 자동으로 만들어주는
4:294:344.6부분들에 대해서 AI 기술들을 활용한다고 작년에 저희 발표를 저의
4:344:351.3행사에서 하셨습니다.
4:354:405.0그래서 스포츠 중계 내용들을 전체를 보는 방향에 다시 볼 때는
4:404:411.2전체 보시지 않으시죠.
4:414:453.6그래서 그 내용을 하이라이트만 자동으로 만들어내는 그런 부분들을
4:454:494.7여러 AI 기술을 통해서 만들어내고 있었는데요.
4:494:555.4에잇대표 스크리아도 마찬가지로 생선형 AI 기술 기반으로 거의 콘텐츠들을
4:554:594.2어떤 특정 조제할 별로 쇼폼으로 만드는 부분들을 적용을 하기 시작했습니다.
4:595:022.8그래서 저희 AI 기술 스포츠 하이라이터는 유튜브 채널에 있는데
5:025:074.7거기에는 한시간이든 40분이든 굉장히 기인세션들 그리고 기인 세미나
5:075:113.9에 있는 그런 콘텐츠들이 다 올라가 있는데 그 부분들에 대해서
5:115:165.3단위 서비스나 단위 주제를 통해 두 제별로 저희 AI 기술 서비스를 활용
5:165:203.8을 해서 자동으로 쇼폼 그 데이터들을 쇼폼 본 비디오들을 만들어내는
5:205:233.5부분들을 진행을 하고 있습니다.
5:235:284.5그리고 저희 고객사 저희 파트너 관계로 있는 트랩을 앱스라는 회사를
5:285:291.0좀 보여드리 건데요.
5:295:334.5트랩을 앱스 같은 경우에는 트랩프트 기반으로 특정 장면을 검색하는
5:335:362.9멀티 모델 관련된 서비스들을 제공을 하기 시작했어요.
5:365:426.2그래서 저희 지금 특히 트랩을 앱스 같은 경우에는 저희 AI
5:425:496.4에잇대표에서 마켓플레이스 통해서 과연 댓글로 모델들을 받아보실 수 있는데요.
5:496:0112.3잠깐 보시면 혹시 소리가 나가나요?
6:016:053.9네 소리가 안 나가는 것 같아서 일단은 제가 말로 설명을 드릴게요.
6:056:082.7여기서 지금 보시면은 어떤 차이안 셔츠를 입은 그 촐를쭈는 여자라는
6:086:124.1부분들의 폼프롬프트 를 넣으면 이렇게 그 딱 장면들을 검색을 해서
6:126:141.8보여주는 걸 보실 수가 있죠.
6:146:184.2이런 형태의 프롬프트 기반으로 특정 장면을 검색하는 멀티 모델
6:186:223.8FM 기능의 서비스들이 소속들이 나오고 있어서 아마 이 미디어
6:226:264.4부문에서도 굉장히 많이 인위한 게 활용이 될 거라고 예상을 하고 있습니다.
6:266:303.6그리고 이제 기술 관련된 분들으로 굉장히 너무 잘 아시는 내용이지만
6:306:355.4한 번 더 설명드리면 아마 뒤의 긴 계속이 된 텍스션에서 설명이 될 겁니다.
6:356:383.0검색 증강 생성이라는 기법이 거의 필수 요 과정이 되고 있죠.
6:386:412.7그래서 이거는 우리의 그 데이터.
6:416:454.9우리 만의 데이터를 생성여 AIA에다가 연결 스킨으로써 굉장히 정확한 답을
6:456:493.4입그러냈는데 활용되는 기법을 얘기를 하고 있습니다.
6:496:523.0이런 기법이 활용이 되기 시작하면 어떻게 되느냐.
6:526:564.0예를 들면 유지관력 부분에 유지관립 부분에 대해서 어떻게 개선을 할 수
6:567:014.8있는지를 좀 생성의 AIA를 부치게 된다면 우리 만의 그런 정비 데이터
7:017:043.1가 있고 지침이 있고 우리 만의 정보가 있을 수 있어요.
7:047:084.3그 정보를 생성여 AIA에 부치게 시작하면 대화가 가능해지는 거죠.
7:087:134.5그리고 그 내용에 대해서 답변을 하면서 출차라든지 그 근거 데이터들을
7:137:163.0확인 이 가능한 그런 형태가 가능해지는 겁니다.
7:167:204.3그래서 저희 이제 고기사 파트너와 관계에 있는 두사 데이터 인어베이션
7:207:255.3같은 경우에는 시설 진단 서비스 내용이 저희 클라우드위에서 구현이
7:257:305.2일정부 온 대화 있는 분들이 있었는데 여기 IoT 센스라든지 기존의 값
7:307:354.3들을 읽어 와서 대시보들 구현하고 이런 부분들이 아능했던 영역이 있습니다.
7:357:405.4그 부분에 제니 AI 기술을 합치게 되면 이렇게 대화듯이 대목과 가능해지는
7:407:411.0겁니다.
7:417:442.6두사 데이터 인어베이션에서 발표해 주신 내용을 잠깐 좀 보여드리고
7:447:451.0있는데요.
7:457:494.0예를 들면 설비에 관련된 부분들을 언어 모델 통해서 물어보게 되는
7:497:501.0거죠.
7:507:533.1예전에는 대시보드가 갖춰진 상태에서 대시보드 숫자를 보고 뭔가
7:537:574.4판단하고 확인를 해야 되는 거였는데 예를 들면 팩토리 원의 공장
7:578:014.2설비 현황을 알려줘 이렇게 하면 팩토리 원에 대한 공장 설비 값과
8:018:053.4그리고 우리 회사에 가지고 있는 정비 메뉴얼.
8:058:083.6이런 정보들 기반으로 해서 문제 상황이 있는지 이런 부분들 답변을
8:088:101.6주는 게 가능해지고 있고요.
8:108:144.2그다음에 어떤 특정 코드에 설비를 진단해 주라고 했을 때 그 부분에
8:148:161.8대해서 확인를 하는 겁니다.
8:168:226.2대시보드 내용의 수치 값과 기본의 정비 진단이라든지 메뉴얼 관련된
8:228:242.2정보를 가지고 답변을 하는 거죠.
8:248:283.8그래서 어떤 부분에 대해서 추가로 검정이 필요하다 아니면 확인이 필요하다
8:288:323.8이런 의원들이 주고 받을 수 있는 세 번형대로 구현이 되는 거고
8:328:364.0특정 기간 동안의 래퍼트를 만들어줘 그럼 이렇게 피대표형대로
8:368:403.6래퍼트도 만들어주는 게 가능해진다라는 예시를 도산해서 보여준 사례
8:408:411.3가겠습니다.
8:418:464.7그리고 저희의 더블 수섬이 채에서 발표했었던 사례 중에 또 대표적인
8:468:471.2사례가 있는데요.
8:478:503.2스타벅스에서 발표해 주신 사례입니다.
8:508:555.2사박스 같은 경우에는 24,500명 가까이 되는 전국의 산재된 굉장히
8:558:572.0많은 직원분들이 있다고 하세요.
8:579:024.4그런데 그 분들이 어떤 특정 장소에서 모여서 같이 일하는 게 아니라
9:029:064.3교대로 일을 하시고 굉장히 또 다양한 지역에서 일을 하시기 때문에
9:069:104.6굉장히 반복적인 그런 질문과 대응과 요청 사항들이 있었던 겁니다.
9:109:154.8그래서 이런 부분들에 대해서 첫 번형태 내용들을 시스템들을 고민을 하고
9:159:204.4계시다가 생선유의에게 일을 활용하게 된 그런 사례입니다.
9:209:266.0그래서 이 내부에 있는 여러 가지 정보들을 아까 말씀드렸던 아래의지
9:269:304.8검색 증가한 생성이라는 기법을 통해서 연계를 하고 요 생성유의 AI
9:309:354.9기술을 붙여서 만든 게 내부 지원을 위한 사인의 포탈이라는
9:359:404.5그런 어떤 일정에 내부 지원을 위한 시스템을 개발을 하셨는데요.
9:409:466.4이것도 잠깐 대모를 보여드리도록 하겠습니다.
9:469:504.1임신한 지원에 대해서 본의 요생을 정리해서 알려주세요 라는 질문을
9:509:554.3했을 때 답변을 생성을 하고 있는데요.
9:5510:015.9예를 들어서 임신중인 파트너 본인 그리고 임신한 지원의 파트너
10:0010:032.9이 전해봤던의 파트너의 직원의 배우자
10:0310:052.2그 분들이 어떤 부분들을 봐주시는지
10:0510:071.7그리고 신청 방법이 먼지를 보여주고
10:0710:092.3그리고 관련 문서의 소스를 보여주기 대죠
10:0910:122.9이런 부분들에 대해서 사실은 애장 같았으면 전화려고 하거나
10:1210:163.7아니면 계시판에 올리거나 굉장히 다양한 형태로 업무가 발생했을 수
10:1510:161.5업무가 발생했을 수 있는데
10:1610:204.6수 있는데 이제는 이 관련 문서만 잘 정리를 해놓으면 굉장히 정확하게
10:2010:222.0굉장히 정확하게 답변이 이끌어내고
10:2210:242.4그리고 또 지금 스타벅스 직원분들한테
10:2410:262.2굉장히 좋은 반응을 이끌어내고 있다는
10:2610:292.5피드백들을 듣고 있습니다
10:2910:301.4세 번째 영역으로 가고
10:3210:341.8사실 이제 비투시 비즈니스 하고 있는
10:3410:362.3대부분의 기업들은 아마 이 영역을 계속 하고
10:3610:371.3싶으시일 것 같아요
10:3710:391.5그런데 이제 그런 부분들이 가능해지는
10:3910:411.7그런 시점이 되가고 있습니다
10:4110:443.1그 이유가 디터리슈몬 그리고 디터리 캐릭터를
10:4410:462.3만들고 싶어 하는데 그게 가능해진 이유가
10:4610:482.0여러 가지가 크게 두 가지 조건이 있습니다
10:4810:513.0하나는 우리의 정보를 담은 우리
10:5110:532.4그 만의 그런 대화 방식으로
10:5310:562.9우리 정보를 자연스럽게 알려줄 수 있는
10:5610:592.4그런 언어 모델과 그 지식기반
10:5911:012.1시스템들이 갖춰지기 시작하는 거죠
11:0111:031.8그리고 두 번째는 사실은
11:0311:041.5외모오도 그리고 아니면 캐릭터
11:0411:062.2이런 자연스러운 은대가 가능한
11:0611:081.8자연스러운 말이 가능한
11:0811:134.4표정과 제스처와 외형적인 부분까지 표현하는
11:1311:163.0그런 생선형 AI 기술들이 발전이 되고 있기 때문입니다
11:1611:171.6그래서 그 두 개가 합쳐지면
11:1711:192.1결국에는 우리 회사만을 위한
11:1911:212.0우리 회사가 원하는 그런 형태의
11:2111:243.1디터리 캐릭터가 구성이 가능해진다고 보시면 될 것 같아요
11:2511:282.5그래서 외형적인 부분에 있어서
11:2811:301.9그 아마 언어적인 부운죄를 계속되어
11:3011:311.2많은 데모도 보시고
11:3111:321.5고민도 많이 하고 계셨는데
11:3211:341.2외형적인 부운죄도
11:3411:362.0이제 여러 가지 형태 서비스와 솔루션
11:3611:382.2들이 나오고 시작을 하거든요
11:3811:391.6클래원이라는 저희 이제
11:3911:423.0국내의 그 스타트업 같은 경우에는
11:4211:441.8그 인모양을 생성하는 그런
11:4411:483.6이제 언어 그 생선형 AI 모델을 가지고 계시고
11:4811:502.0그 특정 어떤 글과
11:5011:522.5특정의 흐름에 맞춰서
11:5211:542.3인모양을 자연스럽게 보여주게 하는
11:5411:561.8그런 인모양 생선 모델을
11:5611:582.2여기 A.W.S. Immference와 유의해서
11:5812:001.9운영을 어떤 사례가 있습니다
12:0012:021.4나중에 한번 보시면 좋을 것 같고
12:0212:031.0여기에 들어가시면
12:0312:063.4그 동영상 그런 사례들도 분명히 있습니다
12:0712:081.0그리고 아마존 사례는
12:0812:091.0한 번 더 말씀드리 건데
12:0912:112.0고객 경험 강화 부분입니다
12:1112:131.6아마존 같은 경우에는
12:1312:141.4생선형 AI 기관으로
12:1412:172.6쇼핑 어시스탄트를 된 개발을 했고
12:1712:192.0그 내용을 저희 올달
12:1912:211.8올해 올달쯤의 발표를
12:2112:221.63월달쯤에 발표를 하셨어요
12:2212:242.0그래서 잠깐 보여드리면
12:2412:261.6동영상입니다
12:2612:282.6시켜만해서는 무엇이든지 물어보세요
12:2812:301.4이렇게는 이게 가까워요
12:3012:311.6그래서 예를 들어서 드리 커피랑
12:3112:332.0포어버 커피랑 비교를 해줘
12:3312:341.0이라고 한다면
12:3412:372.6이 제품에 대한 기본적인 사양과
12:3712:402.6어떤 후기 정보들을 다 가시고 있잖아요
12:4012:422.8그 내용들 기반으로 자세하게 답변을 합니다
12:4212:441.2그리고 예를 들어서
12:4412:451.6후속점이 나오는 경우가 있겠죠
12:4512:471.6그래서 어떤 게 더 청소하기 좋아
12:4712:481.4이런 식으로 했을 때
12:4812:502.0여기에 대해서 제품의 정보과
12:5012:511.0확보기 정보들을 기반으로
12:5112:531.8해서 답변을 하는 걸 보시실 수 있습니다
12:5312:573.6결국에는 아마존 답검에서 원하는 거는
12:5713:003.0이 고객이 더 빨리 쉽게 그들이
13:0013:033.0원하는 제품을 찾게끔 도와주고
13:0313:052.0그리고 결국에는 그가 원하는
13:0513:083.0그 분이 원하는 제품을 구매하기
13:0813:102.4좀 도와주는 그런 역할을
13:1013:133.0이 쇼핑 어시스탄트를 통해서
13:1313:151.6했다고 보시면 될 것 같아요
13:1513:161.4아마존 답검 쓰시는 분들은
13:1613:181.6한번 이제 앱을 들어가 보시면은
13:1813:191.6롤퍼스 로고가 있거든요
13:1913:211.7그걸 통해서 늘러보면은
13:2113:231.8한국어도 지원이 되고 있고
13:2313:252.0여러 가지 형태로 답을 굉장히 자연스럽게
13:2513:272.7하는 것을 보실 수가 있습니다
13:2713:291.8그리고 저희 고객사인데요
13:2913:322.7미리디라는 회사의 사례를 좀
13:3213:331.1말씀을 드리려고 해요
13:3313:352.2그래서 AI 프리젠테이션을
13:3513:361.2센성하는 수업이 있습니다
13:3613:392.4그래서 잠깐 대모를 통해서
13:3913:434.2보시면은 이렇게 새로운 AI 프리젠테이션
13:4313:452.0를 만든다고 했을 때
13:4513:472.5일들서 완벽한 세계 여행을 위한 가이드
13:4813:502.1그런 제목으로 글을
13:5013:522.0프리젠테이션을 만들고 싶어 하세요
13:5213:541.9그러면 여기에 막 그 끔
13:5413:573.0이 목차도 만들어 주고
13:5713:581.4그다음에 일들어서
13:5814:002.0루캔피를
14:0014:021.6톤앤매너와 루캔피를
14:0214:031.3설정하는 작업들이죠
14:0314:041.2그래서 어떤 탭플릿들을
14:0414:061.5이런 컨셉을 좀 쓰고 싶어
14:0614:071.1여러 가지가 나올 수 있습니다
14:0714:091.9그걸 선택을 하게 되면은
14:0914:101.3거기에 맞춰서
14:1014:132.9이제 아까 제목을 통해서 생선된
14:1314:152.1그 목차를 통해서 생선되는 내용들과
14:1514:172.2그 흐름에 맞는 글을 작성해서
14:1714:191.9이 프리젠테이션에 자연스럽게
14:1914:211.9넣어 주는 작업들을 하게 되는 겁니다
14:2114:221.5그래서 지금 나온 부분들은
14:2214:252.6일들서 완벽한 세계 여행을 위한 가이드
14:2514:272.0라는 그런 슬라이드가
14:2714:291.8아예 예시로 만들어진 거죠
14:2914:301.7이걸 조금만 수정하거나 아니면
14:3014:322.0본인이 막 그 원하는 만큼
14:3214:341.5조금 더 커스토발링 하면은
14:3414:351.2여러 가지 형태로
14:3514:382.5굉장히 업무의 효율성을 강화시킬 수 있는 형태로
14:3814:402.2활용이 될 거라고 예상하고 있습니다
14:4014:411.6여기는 이제 저희 아마 좀
14:4114:420.8배드락에
14:4214:452.3엔트로픽 클로드 모델이
14:4514:461.1사용이 되기도 했고
14:4614:482.0그 외에도 네이드베스 발렸네 서비스들을
14:4814:502.4연계해서 이런 형태의 서비스들을
14:5014:533.1제공하고 계시는 것을 아실 수가 있습니다
14:5514:561.8제가 좀 시간이 혹시 부작각
14:5614:592.4부족각각과 경제안에서 지금 바쁘게
14:5915:011.7지금 얘기를 드리고 있었는데
15:0115:032.0시간이 약간 녹놓은 것 같아서
15:0315:063.5그래서 조금 천천히 말씀드리도록 하겠습니다
15:0615:082.0제가 그 아택까지 말씀드린 거는
15:0815:091.0전반적인 그런
15:1115:143.1저희 고객들이 어떻게 이 생선여의 예의를
15:1415:151.0적고나고 있고
15:1515:172.2활용을 하고 트렌드를 말씀을 드린 거고요
15:1715:191.6이 다음 내용은
15:1915:212.0그럼 이제 고객이 어떤 디즈가 있고
15:2115:232.0어떤 형태로 지금 이 기술들을 바라보고 있는지
15:2315:241.6잠깐 말씀드리려고 해요
15:2415:273.1그래서 제가 지금 작년부터
15:2715:291.8아무래도 AI 관련되서
15:2915:300.8확격을 하다보니까
15:3015:311.4굉장히 여러 회사들
15:3115:331.6그 고객사들도 만나고
15:3315:352.0파트넛사들도 만나고 논의를
15:3515:371.8하는 그런 미팅들이 많습니다
15:3715:392.5그런데 뭐 정말 신기하게도
15:3915:411.9항상 똑같은 말을 듣습니다
15:4115:442.6정말 그 회사들이 다 같이 모여서
15:4415:462.0한 대 모여서 서로 뭔가
15:4615:482.0우리 이렇게 얘기하자 하신 것도 아닐 건데
15:4815:491.5똑같은 얘기를 하시거든요
15:4915:511.5그게 뭐냐면
15:5115:532.0우리 회사만의 자비스를 만들고 싶어요
15:5315:541.7우리 사는 만에 자비스를 만들고 싶어요
15:5415:561.9이런 얘기를 굉장히 많이 하세요
15:5615:592.9그리고 정말 신기하게 그 얘기를 굉장히 많이 하시는데
16:0016:011.1그래서 이거를 좀
16:0116:021.0궁금히 생각을 해봤습니다
16:0216:041.8이게 왜 자비스라는 얘기를
16:0416:051.4다들 똑같은 얘기를 하실까
16:0516:071.8자비스의 어떤 면에 이끌려서
16:0716:091.8그 자비스의 어떤 면들을
16:0916:111.6도입을 하고 싶으셔서
16:1116:132.3자비스라는 얘기를 하실까라는 얘기를 좀
16:1316:162.7생각을 하고 그 내용을 좀 요술 한번
16:1616:171.8좀 뽑아 봉계 이겁니다
16:1716:191.1첫번째는
16:1916:212.0자비스에 기대하는 거는
16:2116:232.6그리고 이제 생선유의 AI에 기대하는 거는
16:2316:241.0우리의 만의 영워나
16:2416:262.2우리가 얘기하는 모든 영워들을
16:2616:281.9어떤 리앙스는 다 알아 듣고
16:2816:291.2자연스럽게 표현을 하고
16:2916:311.8자연스럽게 이해하고
16:3116:321.1또 그거에 맞는
16:3216:352.7우리의 맞는 영워문장과 방식에 따라서
16:3516:361.2밥을 주고 받을 수 있는
16:3616:381.9그런 걸 원하는 것 같아요
16:3816:391.0그리고 두 번째는
16:3916:400.8제가 물어볼 때
16:4016:410.9그 정보가
16:4116:421.1다 있어야 돼요
16:4216:453.0그러면 내가 어떤 거에 대해서 확인해줘
16:4516:460.7어떤 거는
16:4616:482.4뭐야 라고 했을 때 그 정보들을 확인해서
16:4816:491.1답변 줄 수 있는
16:4916:511.5그런 정보가 연결된
16:5116:532.2그런 시스템이 필요하다는 인 것 겁니다
16:5316:541.2그리고 세 번째는
16:5416:551.0제가 이제 예를 들어서
16:5516:571.8이거는 지금 몇 프로야 아니면
16:5717:002.8이거는 어느 범주야
17:0017:011.1위험한 거야 아니면 뭐
17:0117:010.7이험하지 않은 거야
17:0117:031.9이런 분석이 필요한 경우에도
17:0317:051.5분석을 해줘서 답을 주는
17:0517:071.7그런 시스템으로 원하시는 것 같고요
17:0717:081.5그리고 마지막으로는
17:0817:090.8이 다음은
17:0917:112.2얘는 이제 결국에는 실행을 해야 하는 거죠
17:1117:131.9제가 뭐 예를 들어서 이 시스템은
17:1317:140.9막아줘 아니면
17:1417:151.1이거는 이렇게 수행해줘
17:1517:172.1이거는 이렇게 뭔가 신호를 보내서
17:1717:191.8이걸 막아줘 라고 한다면
17:1917:211.6그거에 대해서 실행을 하고
17:2117:221.5액션을 취할 수 있는
17:2217:241.8그 실행 용량이 필요하다고
17:2417:251.2생각을 하는 것 같아요
17:2517:272.2그래서 이 네 가지를 기대를 하는 것 같다고
17:2717:291.3저는 결론이 되었고
17:2917:301.5이 네 가지로 생각이 되는데
17:3017:310.8그럼 과연
17:3117:321.0제 AI
17:3217:352.9AI 속에서 많은 기업들이 그 다음 단계
17:3517:372.0멀로 발전될 거라고 얘기를 하실 건가
17:3717:381.0라고 했을 때
17:3817:391.2실제로 이 네 가지로
17:3917:401.3지금 많은 기업들이
17:4017:432.6다음 단계의 기술들을 준비를 하고 있는 것을
17:4317:452.0아실 수가 있습니다
17:4517:461.3그리고 저희가
17:4617:492.5이 생선의 AI를 접근할 때
17:4917:512.0식검 말에서 이거를
17:5117:510.8모델이 있을 때
17:5117:532.0그걸 모델 그대로 사용하는 경우에 있고
17:5317:551.4아니면 이 모델은
17:5517:561.5우리한테 맞지 않기 때문에
17:5617:571.1마음에 아틀지 않기 때문에
17:5717:592.0이 모델을 우리 회사에 맞게끔
17:5918:011.9처음부터 끝까지 다 만들뒀다고 하는
18:0118:031.4굉장히 극과 극이 있죠
18:0318:041.0이걸 그대로 사용하겠다
18:0418:062.3아니면 이거를 다 만들겠다
18:0618:082.0사실은 이 극과 극은 쉽지 않습니다
18:0818:101.8왜냐하면 이제 그대로 사용하는 경우도
18:1018:111.1사실 쉽지 않고
18:1118:131.9이걸 다 처음부터 끝까지 만든다는 건
18:1318:141.4굉장히 많은 리소스와
18:1418:172.3식감과 노력과 돈이 들기 때문이죠
18:1718:181.2그래서 대부분의 기업들은
18:1818:202.1이 가운데 영역에서
18:2018:210.8검은 아까 봤으면
18:2118:221.4있던 검색 증가 생성을
18:2218:242.0도입을 해서 구현을 해서
18:2418:261.8사용을 하시거나 또는
18:2618:282.5이 기본적인 파운데이션 모델을
18:2818:301.3가져와서
18:3018:311.6또는 눈가가 협력을 해서
18:3118:331.6트위닝을 해서 사용하시는 경우가
18:3318:341.3대부분이라는 거예요
18:3418:351.1그래서 저희가 만나는
18:3518:382.5저희가 대화하고 있는 대부분의 기업들은
18:3818:402.3이 두 가지의 어느 영역 사이에서
18:4018:422.0또는 이제 두 번째 단계에서
18:4218:442.2활용을 해서 굉장히 잘 구현을 하고 계시고
18:4418:505.6운영을 하고 계시는 경우들을 계속 보고 있습니다
18:5018:532.9그러면 이제 이걸 어떻게 적건하면 좋을 것인지
18:5318:551.7이 부분에는 이제 저희
18:5518:561.2오늘 이제 5회 계속
18:5618:571.5테크 세션에서 말씀드릴
18:5718:580.8그 남아준 배드락도
18:5819:002.2표현이 더 마음에 들 건데요
19:0119:053.3저희가 생수교 AI 관련된 체계를 보시면은
19:0519:072.0왼쪽은 대 분류 체계이고
19:0719:091.9오른쪽은 약간 조금 더 들어간
19:0919:112.3그 3부 분류 예시인데
19:1119:143.1작년까지만 해도 많은 기업들이
19:1419:161.6이 가운데에 있는
19:1619:171.8쓴 파운데이션 모델에 굉장히
19:1719:181.0집중을 많이 하셨어요
19:1819:201.2어느 모델, 특히 어느 모델에
19:2019:200.8모델이죠
19:2019:221.5거기에 집중을 많이 하셨고
19:2219:241.7그 위단에 있는 서비스 단일하든지
19:2419:251.9아니면 그 밑에 있는 인프라라든지
19:2519:271.1클라우드라든지
19:2719:270.6칩에 걸렸는데
19:2719:292.0부분들은 많이 신경 안 쓰셨어요
19:2919:323.0그래서 사실은 이제 생수교 AI가 구현이 들려면
19:3219:341.8이 N2N들로 굉장히 많은 것들이
19:3419:351.2이 기조로 엮겨서
19:3519:372.0구현이 되어야 제대로 쓸 수가 있는 건데
19:3719:402.7이 부분들을 많이 고민 안 하신 거죠
19:4019:422.2그런데 이제 비로서 오래되니까
19:4219:452.9작년 후 and 후, 한 부터 그런 현상들이 나타나기 시작하는데
19:4519:471.9이 모델만 보면 안 되는구나
19:4719:491.8이 모델을 어떻게 연계해서
19:4919:511.9그연을 해야 될지에 대해서
19:5119:532.0이제 많이 고민을 하기 시작하셨고
19:5319:551.9트렌드가 조금씩 조금씩 바뀌고 있는 걸
19:5519:561.1볼 수가 있습니다
19:5619:571.7그래서 저희가
19:5719:591.5관찰사항과 전망을 잠깐
19:5920:001.3말씀드릴 건데요
20:0020:043.9이것도 물론 정답은 아니지만 저희가 바라보는 귀를 말씀을 드리려고 하는 겁니다.
20:0420:084.1작년 같은 경우에는 많은 기업들이 파운데이션 모델에 굉장히 포커스가 많이 돼 있었어요.
20:0820:134.7그래서 그 파운데이션의 모델이 최집피티가 좋냐 아니면 라마가 좋냐
20:1220:131.0뭐 라마가 좋냐
20:1320:196.0아니면 어떤 다른 옥선수와 존냐 이런 부분들에서 굉장히 어떤 게 더 성능이 좋아 라는
20:1820:190.5라는
20:1920:256.5어떤 게 더 유명해 어떤 걸 더 많이 쓰고 있어 이런 얘기들이 조금 더 많이 집중이 돼 있었던 부분이 있었고요.
20:2520:282.6그리고 아무래도 새로운 기술이 처음에 나왔을 때
20:2820:313.5드러나는 나타나는 굉장히 대표적인 현상인데 포모라고 하죠.
20:3120:386.3포모도 있고 그다음에 이거를 가지고 정말 이게 필요해 아니면 이게 가성비가 좋아 이런 부분들보다는
20:3820:435.1새로운 결과가 있어 이게 정말 신기해 이런 거에 좀 집중을 많이 하셨던 한의인 것 같아요.
20:4320:463.7올해를 보면 올해 초부터는 조금 상황이 다릅니다.
20:4620:525.2그래서 이게 프로덕션의 전환하는 케이스가 계속 저희 고기사저도 생기고 있고
20:5220:531.9그리고 가성비를 타드기 시작합니다.
20:5320:573.8이게 정말 이 모델이 우리한테 맞는 가성비가 좋은 모델이야
20:5721:013.8아니면 이 모델이 정말 우리한테는 효과된 거야 이런 얘기를 한기 시작하시고
21:0121:064.7튜닝을 하거나 검색증간생성은 굉장히 디테일하게 세밀하게
21:0621:104.0안기타지 구성해서 챙기시거나 이런 부분들에 대한 노력이 굉장히 심해
21:1021:111.6가속화되고 있는 거고요.
21:1121:164.2그리고 우리가 가지고는 데이터를 잘 정지하고 이걸 붙여서
21:1621:215.4이걸 계속 업데이트해 한다라는 이게 굉장히 중요한다라는 거 다시 한번 느끼는 한 해가 되시는 것 같습니다.
21:2121:253.7그래서 다 그래서 내년은 어떻게 됐 거냐 라는 부분에 있어서
21:2521:293.9내년은 저희는 이렇게 일단 내부적으로 좀 전망을 하고 있어요.
21:2921:323.6첫 번째는 생성년 AR를 기반을 해서
21:3221:374.9프로덕션에 전환하는 케이스가 하나씩 생기고 있는데 내년에는 본격적으로 이걸 통해서
21:3721:392.4본인들의 디지니스를 차별화해서 이거 성공하는
21:3921:444.5그리고 약간 좀 더 앞서가는 그런 사례들이 본격적인 레이스가 되지 않을까
21:4421:461.5라고 저희는 예상을 하고 있고
21:4621:526.6그리고 지금까지는 텍스트 모델이든지 이런 부분들 일부 이미지 모델 이런 부분들에 대해서
21:5221:553.1굉장히 집중적으로 활용이 되고 있고 검토가 되어 있었는데
21:5521:593.5내년부터는 오히려 이미지를 해석하는 거라든지 영상이라든지
21:5922:055.8관련된 그 멀티모다을 관련된 부분들에 굉장히 적용하는 범위가 확대될 거라고 예상을 하고 있습니다.
22:0522:072.9그리고 에이전팅 AI 기술 관련된 기술들이
22:0722:135.1새롭게 등장하고 있고 과제가 확 이제 활발하게 진행이 될 거라고 예상을 하고 있고요.
22:1322:174.7마지막으로는 지금 많은 기업들이 그리고 리스판스 볼 AI 책임감인 AI 모델에 대해서
22:1722:224.6문상이 많은 챌린지와 점검과 그리고 정책들이 쏟아지고 있습니다.
22:2222:286.1그래서 이런 부분들에 대해서 여러 가지 쏟아지고 있는 그리고 앞으로 계속 예상이 되는 그런 챌린지에 대해서
22:2822:345.9문제가 없게끔 그 회사 그 기술 그리고 그 솔루션 들 재응을 하고 있냐 이런 부분들은 굉장히 집중적으로
22:3422:372.9바라볼 거라고 저희는 전망을 하고 있습니다.
22:3722:403.1자 이제 생선야 AI를 보시면 플리케이션을 저희가 보거든요.
22:4022:443.7그 애플리케이션을 볼 때 굉장히 활용하고 높고 멋져 보이는데
22:4422:506.2사실 그 이변에는 그 밑에는 잘 보시는 것처럼 데이터 파운데이션이 굉장히 중간 역할을 하고 계세요.
22:5022:511.4하고 있어요.
22:5122:597.7그래서 데이터를 기반으로 우리의 맞는 우리가 우리 고객에 맞는 생선의 AI의 애플리케션들이 구현이 가능해지는데
22:5923:066.8여기 A.W.B.S 같은 경우에는 이렇게 세 가지 스테이크로 지금 제공을 하고 있습니다.
23:0623:115.2그래서 자장 그테인된 부분들은 파운데이션 모델을 학습하고 출연을 하기 위한
23:1123:132.0인프라스 트럭트라고 보시면 될 것 같고요.
23:1323:229.2가운데 부분은 이 파운데이션 모델을 활용해서 뭔가 우리가 우리의 맞는 형태로 구축할 수 있는 그런 도구라고 보시면 될 것 같아요.
23:2223:307.8그리고 가장 위에 있는 부분은 이 파운데이션 모델을 활용해서 애플리케이션 형태로 제공하고 있는 서비스라고 보시면 될 것 같습니다.
23:3023:399.1그래서 가장 밑에 있는 부분은 GPU, 인스턴스 그리고 세이샤 메이커러 같은 멋있는 이 플랫봄 이런 서비스들이 있기 때문에
23:3923:489.5어떻게 보면 파운데이션 모델을 직접 개발하고 유지하고 관리하는 회사들이 좀 더 집중적으로 활용을 하고 계시는 분야에 가깝고요.
23:4823:557.0그리고 두 번째는 그 배트락 같은 경우에는 여러 가지 형태로 파운데이션 모델을 가져다 놓고
23:5524:059.7그걸 연기해서 활용할 수 있는 여러 도구 형태로 연기해서 우리에게 맞는 그런 애플리케션들을 개발할 수 있는 형태로 이런 서비스는 제공하고 있기 때문에
24:0524:137.8파운데이션 모델을 튜닝하거나 사용하는 그런 많은 기업들이 범용적으로 쓸 수 있는 그런 형탸에서비스라고 보시면 될 것 같습니다.
24:1324:3622.8그리고 가장 위에 있는 그 달에는 사실 저희 이제 우리 회사에 있는 애플리케이션이나 시스템이나 기존에 있는 데이터라는 이런 부분들에 대해서 쉽게 연결해서 굉장히 많은 그런 개발이 들지 않은 상태에서 활용할 수 있는 생선용 AI기반의 애플리케이션 서비스라고 보시면 될 것 같습니다.
24:3624:447.8그래서 저희가 오늘은 집중적으로 볼 부분은 방금 전에 말씀드렸던 이 세 가지 스테게에서 가운데 부분입니다.
24:4424:5511.0그래서 가운데 부분이고 파운데이션 모델 언어 모델을 선택해서 굉장히 다양한 형태로 다양한 목적으로 활용할 수 있는 도구 측면이고요.
24:5525:027.2도구 측면에서 저희가 아마 좀 배트락이라는 서비스를 집중적으로 오늘 택그세션을 통해서 소개를 드릴 예정인데요.
25:0225:2523.6아마 좀 배트락 같은 경우는 파운데이션 모델을 사용해서 이 고개사 사용자 회사가 애플리케이션 생선용 AI기반의 애플리케이션을 구축하고 확산하기 위한 가장 쉬운 방법을 제공하는 쉬운 방법을 제공하는 것으로 목표로 계속 저희가 새로운 기능을 추가하고 있는 대표적인 그런 서비스라고 보시면 될 것 같습니다.
25:2525:337.6아마 좀 배트락을 통해서 아까 말씀드렸던 대로 검색증한 생선 일에 네이티브로 지원을 하고 있고요.
25:3325:406.8그리고 여러 가지 파운데이션 모델들을 반년에 APR 통해서 지금 선택해서 쓰실 수가 있습니다.
25:4025:487.8그리고 그 모델에 대해서 일부 모델에 대해서는 최적하고 우리 회사에 맞게끔 커스타말 증회해서 사용할 수 있는 기능을 제공하고 있고요.
25:4825:502.2그리고 아까 제가 말씀드렸죠.
25:5025:577.4에이전트 기능 굉장히 중요해집이 있다고 해서 에이전트 여러 단계의 작업을 실행하는 에이전트 기능과 네이티브로 연결되어 있습니다.
25:5726:1214.8예스 있는 부분들 그리고 각 그 거점들 각 지역에 있는 어떤 데이터, 어버넘스, 프라이버스 데이터 규제 그리고 IT 규제 관련된 분들은 충적을 하고 있는 그런 부분들이 갖춰진 서비스라고 보시면 될 것 같습니다.
26:1326:184.7그리고 저희가 중요한 게 이제 시월 2일 날 얼마 안 됐죠.
26:1826:191.5이제 한 달 조금 넘었습니다.
26:1926:234.2아마 좀 배달하기라는 아까 말씀드렸던 그 서비스가 서울위전에 출시를 했습니다.
26:2326:296.1그래서 서울위전에 출시를 함으로써 온전히 해외 리전을 쓰지 않고 국내에서
26:3026:377.6에이터블레스 데이터 센터를 통해서 우리 회사 만을 위한 댄서니의 AI 애플리케션을 구현하고 운영하고
26:3726:402.2유지 말전을 할 수 있는 그런 길이 열렸어요.
26:4026:477.8그래서 많은 기업들에 사실 해외에 대점도 많이 활발히 쓰고 계시지만 여러 가지의 이유로 국내리전을 써야 하는 그런 귀엽들이
26:4726:547.1그리고 열릴로서 데이터 관련 규제 또는 기업에 내고 정책에 따라 아니면 특정 아깨 택처를 구현할 때
26:5427:016.4그게 꼭 서울위전을 써야 하는 서울에 있는 데이터, 국내에 있는 데이터 센터를 써야 하는 경우가 있을 수 있다면
27:0127:086.8이런 부분들로 인해서 만약에 해외 리전을 못 썼다면 지금은 이제 에이터블레스 서울위전을 통해서
27:0827:124.6아마 좀 배달하고 쉽게 쓰실 수가 있습니다.
27:1227:185.5아마 좀 배달하게는 지금 보시는 것처럼 이거는 지금 11월 초 기준이에요.
27:1827:257.4그래서 저희가 제가 이제 11월 초 기준이라고 말씀드린 이유가 뭐냐면 이게 처음 저희 아마 좀 배달하게
27:2527:293.9파운데이션 모델을 발표됐을 때는 다섯 개 세 개 뭐 네 개 이렇게 시작을 했어요.
27:2927:311.6이제 계속 늘어나고 있습니다.
27:3127:376.6그래서 경제 인력 있는 모델들이 협률하고 있고 이 모델들의 굉장히 다양한 같은 회사에도
27:3727:479.9다양한 형태의 모델들이 있었으니까 그런 모델들이 최신 모델들이 빠르게 여기 배달하기 위해서 쓰실 수 있는 형태로 올라오고 있기 때문에 제가 11월 초 라는 걸 강조를 드리고 있고요.
27:4727:579.3지금 계속 확대가 되고 있고 많은 그런 글로벌 사용자들이 잘 아시나 엔트로픽에 클로드모델 그리고 코이어 메타의 라마 모델들.
27:5727:592.4라마도 최근에 이제 삼점이가 나왔죠.
27:5928:056.1그리고 미스트라 레이아이 그리고 유럽에서 많이 잊은 그 유명한 미스트라 레이아의 모델들도 올라가 있고요.
28:0528:105.4스텝을 렛에 에이 그리고 아마존 모델들이 올라가 있습니다.
28:1028:2111.0그래서 이 모델들을 선택적으로 쉽게 사용할 수 있다는 부분이 가장 큰 특성이나 보시면 될 것 같습니다.
28:2128:319.4그래서 그 배달하게 지금 클로드모델이 아마 국내 기업들 기업 보기 분들이 클로드모델을 굉장히 관심들이 많으세요.
28:3128:398.6엔트로픽 클로드모델의 성능도 굉장히 뛰어나고 범용적으로 많이 쓰이는 부분들이 있어서 많이 물어보시고 또 사용을 하고 계시는데요.
28:3928:477.7최근에 이제 가장 최근에 나오는 이제 모델들은 클로드�35 쏘넷과 글로드�35 하이크 모델이 있습니다.
28:4728:503.3그래서 이게 다 컨택스트나 200K까지 재 지원이 되고 있고요.
28:5028:565.1그리고 이전에 나왔던 클로드�35 하이크나 쏘넷과 오포스터들도 있는데
28:5629:037.9지금 이제 저희가 배달하기 위해서 이제 그 클로드모델을 파인틴이 가는 기능을 하나씩 내놓고 있는데
29:0429:106.0클로드�333 쏘넷과 하이크 같은 경우에는 지금 배달하기 위해서 파인틴이 되게 시작합니다.
29:1029:155.5그래서 이것도 물론 제가 말씀드리는 게 2014년도 11월 초라고 말씀 드리고 있고
29:1529:205.3이 부분에 대해서는 새로운 모델과 새로운 기능들은 계속 확대가 될 예정이라고 보시는 데까지
29:2029:3110.6이 배달하게는 여러 경제능 있는 모델들을 쉽게 쓸 수 있는 형태로 계속 제공이 될 예정이다라고 봐주시면 좋을 것 같습니다.
29:3129:364.9타이틀한 같은 경우에는 저희 아마돈에서 만든 이제 그 파운데이션 모델이에요.
29:3629:448.1여기에는 텍스트 인베팅 그리고 텍스트 모델 그리고 또 이미지를 생성하는 모델과 멀티모델 인베팅 모델을
29:4429:506.0같은 등 여러 가지 형태의 이제 모델들을 저희가 계속 지금 제공을 하고 있고요.
29:5029:587.6타이틀한 모델 같은 경우에는 아직은 한국어는 공수로 지원하지 않는데 텍스트 모델 같은 경우에는 정우연료.
29:5830:035.1그런데 이미지레네라이더라든지 지금 멀티모델 그리고 이 인베팅 기능 같은 경우는 굉장히 지금
30:0330:107.4성폭폭버스트가 또 괜찮다는 평들이 많으셔가지고 지금 국내 기업들도 특히 이미지레네라이터 부분들은
30:1030:176.7많이 테스트도 하고 계시고 활용을 하고 계시는 걸로 좀 알고 있습니다.
30:1730:247.4그리고 배달하게 돼서 이제 저희가 계속 지원을 강화하고 있고 아까 제가 말씀드렸던 고기사들이
30:2530:294.0자비스에 대해서 기대하는 부분과 약간 좀 온라인이 돼요.
30:2930:301.0그러한 부분과 비슷한
30:2930:312.1그런 부분과 비슷한 부분이 있습니다.
30:3130:353.3그래서 이 배드라게 돼서 어떻게 우리가 계속 강화하고 있는지를
30:3530:383.4발표했던 최근 메시지를 잠깐 말씀을 드리려고 해요.
30:3830:413.5그래서 배드라 같은 경우에는 저희 올해 7월달에 있었던
30:4130:453.3썸이 돼서 발표를 했을 때 이 4가지 측면을 강화했습니다.
30:4530:494.0첫 번째는 오제를 최적한 하는 부분들을 지원을 계속 가겠다.
30:4930:523.5그리고 두 번째는 데이터 연결 성능을 강화시키겠다.
30:5230:552.6그리고 세 번째는 책임감 있는 AI 기능 강화.
30:5530:561.6그리고 네 번째는 실행 능력 강화.
30:5630:592.4이 4가지가 심인데요.
30:5931:055.9하나씩 좀 말씀을 드리면 여러 가지 그런 디테일한 부분들도
31:0531:104.8발표가 많이 됐는데 몇 가지 주요 유점만 설명을 드리려고 합니다.
31:1031:100.9일들면 이런 거예요.
31:1031:143.3엔특픽, 클로이드 모델 같은 경우에는 굉장히 유명한 모델이고
31:1431:184.2많이 글로벌 회사들도 찾을 수 있는 모델인데
31:1831:201.8예전에는 파인투링이 안 됐습니다.
31:2031:243.8그리고 있는 그대로 쓰시고 거기다가 검색 증가 생성형태로
31:2431:284.7악대 축위원회에서 쓰시는 경우가 일반적인 경우였는데
31:2831:301.3죄송합니다.
31:3031:344.4저희가 이제부터는 이제 클로이드 3 하이크 모델부터 파인투링이 가능하게
31:3431:384.4끔 그 기능들을 제공을 하신다고 한다고 보시면 될 것 같아요.
31:3831:434.3그래서 이런 부분들은 시작이기 때문에 앞으로도 계속 여러 가지
31:4331:474.4좋은 사용화된 섭 그 모델 들에 대해서 파인투링들이 길들이 열릴 거라고
31:4731:513.7좀 기대를 해주셔도 좋을 것 같습니다.
31:5131:521.7그리고 데이터 연결 부분이에요.
31:5231:585.4그래서 지금 아까 말씀드렸던 검색 증가한 생성 같은 경우 특히
31:5832:013.5저희의 우리만의 데이터를 얼마나 잘 연결을 하냐가 굉장히 중요한
32:0132:021.0요건입니다.
32:0232:074.6그랬을 때 우리만의 데이터가 사실 여러 가지 형태로 이뤄져 있죠.
32:0732:102.8어떤 회사는 세일지 프로슬로 굉장히 많이 쓰시는 회사가 있고 어떤
32:1032:144.1회사는 컨플런스의 위키 형태로 많이 쓰시는 경우가 있고 어떤 회사는
32:1432:205.8어떤 특정 데이터를 쓰시는 경우가 있고 어느 회사는 다른 형태로
32:2032:233.0데이터를 저장하고 관리하는 여러 가지 형태들이 있습니다.
32:2332:296.2그래서 저희가 이 날레즈베이스 라고 지식을 연결하는 그 날레즈베이스를
32:2932:345.4생존에 AI와 연결해서 잘 활용할 수 있게끔 도와주는 데이터
32:3432:361.0헌액터.
32:3632:393.8좀 더 쉽게 이 데이터를 연결할 수 있게끔 하는 데이터 헌액터 기능을
32:3932:411.2계속 강화를 하고 있더라고요.
32:4132:432.6보시면 될 것 같습니다.
32:4332:451.9그리고 세 번째 영역이에요.
32:4532:516.4그래서 가드로이4 아마 좀 배드락이라는 기능은 기본적으로 배드락을 통해서
32:5132:564.8생슬료레 AI에 대해서 데이터 애플리케이션에 대한 안정과 개인정보
32:5633:014.7보고 좋지 또는 어떤 문제가 될 만 소지가 있는 특정 주제에
33:0133:042.6들을 차단하는 기능을 얘기를 합니다.
33:0433:095.6그래서 이 가드레이를 쓰게 되면 아까 이제 LG EPLUS 사이에서는 LG EPLUS
33:0933:133.6같은 있는 코드 리뷰를 할 때 뭔가 개인정보 해당되는 거라든지
33:1333:174.2보안의 문제가 되는 정보들을 필터링하는 부분으로 활용하고 있었는데
33:1733:236.2그처럼 이제는 특정 개인정보 해당되는 부분들, 보안 그리고 그
33:2333:295.6외에 민감한 정보들은 자동으로 걸러주는 건 기능이 포함이 되어
33:2933:301.0있고요.
33:3033:343.8특히 이 부분 외에도 어떤 특정 주제를 설정해서 필터링을 하거나
33:3433:395.3특정 단어 아니면 뭔가 범죄에 해닿을 수 있는 유의한 컨텐츠 이런
33:3933:423.6부분들을 자동으로 필터링하는 부분을 포함을 하고 있습니다.
33:4233:463.8그래서 가드레이라는 기능이 중요하고 앞으로 계속 저희도 발전을 하고
33:4633:504.1있는데 특히 이제 가드레이를 같은 경우에는 몇 가지 기능들 또 추가로
33:5033:511.0발표를 했어요.
33:5133:564.9그래서 컨테스트 트럭, 브로우닝, 체크, 캐스 같은 경우에는 이 할레시
33:5634:003.3메이션에 대한 부분을 대해서 위험을 계속 간질을 하고 차단하는 그런
34:0034:022.7기능들을 저희가 강화한다는 부분입니다.
34:0234:063.6그래서 결과가 나왔을 때 이 결과가 과연 레포션에 있었던 것인지
34:0634:114.8그러면 그 코리깃, 지대했던 것과 관련이 있었던 것인지를 한 번 더
34:1134:143.4더블체가 수 있고 이런 부분을 통해서 훨씬 더 정확한 답변을 이
34:1434:184.3그런 기능들을 발표를 하고 있는 거죠.
34:1834:223.3그리고 가드레이래이 폐하기도 저희가 발표를 했었고 이 가드레이래이
34:2234:253.8폐하이 같은 경우에는 아마 좀 배드락 외에도, 아마 좀 배드락에서
34:2534:304.7지원하지 않는 모델까지 포함을 해서 이제 그 고객이 여러 가지
34:3034:343.5그 포함드션 모델을 활용할 때 이 가드레에 API 기능을 통해 해서
34:3434:384.1아까 말씀드렸던 어떤 특정 주제를 필터링하거나 문제가 될 만한 소재
34:3834:445.9있는 그런 내용들을 필터링하는 그런 위스판스블 AI를 위한 형태의
34:4434:451.5기능이라고 보시면 될 것 같습니다.
34:4534:482.6그래서 이런 부분들을 저희가 A.T.B.L.S.는 굉장히 지금 강화를 많이 하고
34:4834:501.7있고 챙기고 있어요.
34:5034:544.5그래서 이런 부분들이 앞으로는 굉장히 중요해지고 있고 그 기업에서
34:5434:573.0실제로 프로듀션은 더 경험을 하기 위해서는 이런 부분들을 계속
34:5735:013.6신경 쓸 수 밖에 없다라는 걸 저희가 잘 인지를 하고 있고 신경을
35:0135:032.8쓰고 있다는 것입니다.
35:0335:084.3그리고 이제 그럼 펜션의 AI는 과연 어떻게 될 것인가라고 봤을 때
35:0835:112.6사실 이렇게 네 가지 측면으로 많이 얘기를 하세요.
35:1135:142.8A.T.B.L.A.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.E.'
35:1435:184.8특이능 그리고 멀티모�달 기능 그리고 다양한 모델을 쓰여야 한다라는
35:1835:234.9부분과 AI 정책과 표준에 대한 부분이 굉장히 강화되고 다양한 형태로
35:2335:251.3설렘지가 있을 것이다.
35:2535:294.3라고 하는데 이 중에서 잠깐 멀티모�달을 관련된 얘기를 한 번 더
35:2935:301.6드리도록 하겠습니다.
35:3035:344.0멀티모�달 같은 경우에는 예를 들어서 저희가 작년에 생선유의 AI가
35:3435:372.8굉장히 떴슬 때는 대부분 이런 거죠.
35:3735:392.1텍스텔러스트 텍스트가 나왔던 경우죠.
35:3935:455.3그래서 예를 들면 최집히 지된 남아 등 엔트리픽 클로즈 등 누가 누구
35:4535:461.0야.
35:4635:481.8김선수가 누가 그럼 김선수 누구 누구고요.
35:4835:535.6텍스텔러스트 텍스텔러는 그런 경우는 대부분 다 일반적으로 텍스텔러스트
35:5335:574.2텍스텔러는 입력과 출력이 다 텍스텔러의 L&M를 지금 언어 모델을
35:5735:591.3얘기하는 겁니다.
35:5936:034.5그런데 이제는 모델이 굉장히 달라지고 있어요.
36:0336:073.7예를 들어서 입력이 글만들어가는 게 아니라 이미지가 들어갈 수도 있고
36:0736:092.5음성이 들어갈 수도 있고 영상이 들어갈 수도 있습니다.
36:0936:144.3그랬을 때 출력이 또 글린 것을 때 글린 만 나온 게 아니라 글러스트
36:1436:173.7이미지가 나오기다고 글러스트 음성이 나오기다고 영상이 나오기다고
36:1736:213.6또 이미지를 넣었을 때 글린 나오기다고 이미지를 넣었을 때 다른 형태에
36:2136:253.9음성이 나오기다고 여러 가지 형태로 조합이 될 수가 있는 거죠.
36:2536:283.3그랬을 때 이거를 저희가 일반적으로 멀티모드 할 파운데이션 모드라고 부르고
36:2836:291.0있어요.
36:2936:323.0그래서 여러 가지 형태의 입력과 출력이 조합이 될 수 있다는 부분이 굉장히
36:3236:374.8중요한 부분이고 이제 앞으로 중요한 경우가 될 거라고 보고 있는데요.
36:3736:391.7예를 들면 이런 겁니다.
36:3936:434.4사실은 이게 클로즈 3.5 Sonya 모델을 제가 한번 테스트 해봤습니다.
36:4336:463.2왼쪽 사진은 제가 찍은 사진이거든요. 저희 행사에서.
36:4636:536.9저희 행사에서 찍은 사진을 인프를 넣고 행사에서 있었던 그 사진을
36:5336:562.63.5 Sonya에다가 제가 그대로 물어봤어요.
36:5636:581.7이 이미지에 대해서 설명을 해줘.
36:5837:024.2물어봤더니 이 오른쪽 아래와 같은 경우에 따뜻해 줍니다.
37:0237:042.0저는 사실 이걸 보고 굉장히 깜짝 놀랐습니다.
37:0437:117.7왜냐하면 제가 사실 이 행사의 커미티 이뤄이고 저희가 주도적으로 기획을 했던
37:1137:131.1사람들 중에 한 명이거든요.
37:1337:174.4그래서 그때 에이더를 세 AI대의 이너베이션이라는 행사가 정확했고
37:1737:224.9이 행사의 장면인데 신호세션 중에서 특히 지금 중요한 메세지를 전달
37:2237:231.1하고 있는 부분이었어요.
37:2337:284.8AIU SKC EXPLORE 라는 내용을 설명을 하고 있었고 또 정정 살인을 하고 있는
37:2837:324.3부분도 딱 설명을 하고 있고 Sonya의 설명을 하고 있죠.
37:3237:353.1그리고 심지어 이런 내용도 포함됩니다.
37:3537:415.6스크린에는 F-SIGHT 스크린샷과 스크린샷도 있고 그리고 QR-Code
37:4137:432.6한국어로 되는 설명이 포함됐다 이렇게 얘기를 하고요.
37:4337:484.1그리고 이 사람이 청중을 향해서 말하고 있는데 청중에는 노트북을 하고
37:4837:502.4노트북을 보고 있는 사람도 있다고 얘기를 하고 있어.
37:5037:544.1그리고 전체적으로 조명은 보라색 열이고 차분하면서 더 미래지향적인
37:5437:561.7분위기를 잘 안 하고 있다.
37:5637:582.1저희가 컨셉으로 잡았던 거거든요.
37:5838:013.1그리고 또 보시면 천장의 창줄리에가 있고 고급스러운 행사장이면
38:0138:021.5할 수 있다.
38:0238:042.2여기가 고급스러운 행사장은 맞아요.
38:0438:083.0왜냐하면 저희가 잠시라에 있는 큰 호텔에서 했기 때문에.
38:0838:102.8그리고 마지막에 정말 유약적으로 잘 설맘했습니다.
38:1038:154.4이 드러블스가 주치한 AI 관련 컴플러스나 세미나의 한 장면을 포착한
38:1538:193.8것으로 보이면 최신 AI 기술과 그 활용사래에 대해서 소개를 하고
38:1938:201.2있는 것 같습니다.
38:2038:222.6라고 하는데 사실 이게 맞아요.
38:2238:252.2저희가 원하는 딱 그 컨셉이에요.
38:2538:283.5저희가 사실 이 행사를 이런 목적으로 했어요.
38:2838:345.6그런데 이거를 사실 3.5-4이라는 이 모델이 멀티 모델 기능을 통해서
38:3438:372.9이걸 사진을 인식하고 설명을 이렇게 하는 겁니다.
38:3738:403.0굉장히 여러 형태로 활용이 되지 않겠어요.
38:4038:444.5저는 사실 굉장히 깜짝 놀랐는데 이게 저희가 또 조금 더 생각을 해봐야
38:4438:472.4하는 게 작년 것 같으면 이런 기능이 없었다는 거예요.
38:4738:482.0오래부터 이런 기능들이 나오기 시작하는 거잖아요.
38:4838:523.4그러면 오래부터는 새로운 영향의 애플에 키션들이 만들 수 있다라고
38:5238:564.3생각하시는 게 사실의 빌리스나 태크 관점에도 자연스러운 그런 상황이
38:5638:592.5아닐까라고 생각을 하고 있습니다.
38:5939:022.8그래서 또 빨리 움직이는 저희 고기사들이 있습니다.
39:0239:064.4GS 리테일, GS 샵 같은 경우에는 멀티모나 기능을 활용해서 패션
39:0639:114.8검색시스템을 좀 더 고두하는 그런 서비스들을 개발하고 운영을 하고
39:1139:121.0계세요.
39:1239:164.5이렇게가 넘는 그런 상품 TV가 이미 있는데 여기 있는 여러 가지 형태의
39:1639:225.3그 상품 TV의 이미지에 해당되는 그런 정보들을 가지고 이전에는
39:2239:253.8사람이 하거나 아니면 솔루션스가나 외주를 썼다는 그런 작업들을
39:2539:304.8이 이미지에 대한 관련 설명과 태긴 관련된 정보들을 자의 멀티모델
39:3039:354.5기능통에서 자동으로 생생하는 그런 부분들, 자동으로 생성해서 이걸
39:3539:383.4기반으로 진행형 검색이 가능하기큼 도와준다라는 거예요.
39:3839:402.1이런 부분들을 도입을 하기 시작했다.
39:4039:454.8그래서 이게 굉장히 사실은 새로운 트렌드가 될 것이고 앞으로 이런
39:4539:483.2유사한 기능들을 활용해서 굉장히 발전이 많이 될 것이다 라고
39:4839:502.2저희는 예상을 하고 있습니다.
39:5039:544.0여기까지 설명을 좀 드렸는데 그러면 에이드 를 쓰 같은 경우에는
39:5439:583.5그럼 어떻게 도움을 줄 수 있어요.
39:5840:024.1라는 지문을 좀 하신다면 저희가 잠깐 이 어필을 드리고 싶은 건 사실
40:0240:064.4생성의 AI를 이걸 왜 하는지 그리고 무엇을 어떻게 개발할 것
40:0640:103.7이 뒤에 대해서 각 기업과 유저들 마당 상황이 다 달라요.
40:1040:154.8그래서 저희가 미팅 가보면 어느 회사 같은 경우는 이걸 왜 해야 하는지 모르겠어요.
40:1440:151.0해야 하는지 모르겠어요.
40:1540:237.9우리는 어디에다 활용해야 할지 잘 모르겠어요. 이렇게 하시는 회사도 있고 어느 회사는 어떤 이걸 좀 이렇게 하고 싶은데 어떤 제로를 써야지 모르겠어요.
40:2340:241.3이렇게 얘기하시는 경우가 있어요.
40:2440:339.2그리고 또 어떤 회사 같은 경우에는 이거 우리가 이렇게 이러한 애플릭에서는 부연하고 싶고 무조건 해야 되는 건데 어떻게 개발할지 모르겠어요.
40:3340:373.6어떤 계획을 부연해야 할지 전혀 모르겠어요. 이렇게 얘기하시는 회사가 있습니다.
40:3740:5417.1그래서 각각의 그런 고객사 그리고 유저마다 상황이 다르기 때문에 거기에 맞는 저희가 굉장히 에트브스네 다양한 프로그램들이 있고 지원 조시들이 있기 때문에 그런 부분들은 저희가 에트브스 있는 관련이 팀들에서 잘 도움을 주시 거라고 생각합니다.
40:5441:0713.3그래서 저희한테 연락주시면 관련된 각 그 기업에 현악에 따라서 맞춰서 이런 프로그램들을 지원 드리고 생선의 AI의 여정에 도움이 될 수 있는 형태로 지원을 드리도록 하겠습니다.
41:0741:1710.0제가 준비한 부분 여기까지고요. 제가 앞에는 시간이 좀 부족할까봐 굉장히 달렸는데 뒤에는 그래도 조금 설명을 더 길게 하니까 시간은 대회장 맞은 것 같습니다.
41:1741:246.5그래서 제가 준비한 부분 여기까지고 10분 정도 쓰는 시간을 가지고 알고 있습니다.
41:2441:262.8네. 경청해주셔서 감사합니다.

Provenance: 원문 6a35b963a15_transcript.md / .json (downloads 폴더 14-영상오디오) · 원본 영상 aws.amazon.com/ko/video/watch/6a35b963a15/ · 변환 방식 audio_to_mark (D44 STT) · 길이 41:29 (2489.1s) · 전사 2026-11-18 · 본 HTML은 열람용 렌더(빌드: mktranscript-html.py)