AWS 생성형 AI 자격증 학습요약본원본·요약본 목록은 자료실 페이지에서

14 · [영상] Amazon Bedrock과 함께하는 생성형 AI의 활용과 접근 방향

한 문장 요약: 이 세션은 생성형 AI의 기업 활용 4유형과 국내외 사례를 짚고, "모델만 보던 작년에서 프로덕션·가성비·데이터로 넘어온 올해"의 관찰을 바탕으로 AWS 3계층 스택의 가운데인 Bedrock(서울 리전 출시 포함)의 기능과 강화 방향 4축을 소개하는 입문 강연이다.

개요 — 타임라인

구간내용
0:14~1:00발표자(AWS 한국 AI·데이터 사업개발 담당) 소개·목차 4꼭지
1:00~6:26기업 활용 4유형 + Amazon·LG유플러스·Fox·Twelvelabs 사례
6:35~10:30RAG 기법 — 두산데이터이노베이션·스타벅스 사례
10:32~14:50디지털 휴먼·쇼핑 어시스턴트(Rufus)·미리디 사례
15:06~18:44"우리 회사만의 자비스" 기대 4종 + 접근 스펙트럼
18:50~22:37작년 vs 올해 관찰·내년 전망 4
22:37~29:31AWS 3계층 스택·Bedrock 소개·서울 리전 출시·모델 라인업
30:38~34:48Bedrock 강화 4축(파인튜닝·데이터 커넥터·가드레일·에이전트)
35:03~39:50멀티모달 — Claude 3.5 Sonnet 이미지 인식 체험·GS리테일 사례
39:54~41:26AWS 지원 프로그램·마무리

핵심 메시지 3

1. 활용은 4유형으로 수렴한다 — 생산성 강화·운영 개선(내부) vs 창의적 창조·고객 경험 강화(외부). 사례: Amazon 셀러 상품설명/이미지/광고 영상 생성, LG유플러스 코드 리뷰 보안 자동 체크(Claude), 스타벅스 전국 2만여 명 직원 대상 사내 지원 포털(RAG — "관련 문서만 잘 정리하면 정확한 답변")**

2. 고객 니즈는 "우리 회사만의 자비스" 4능력 — ①우리 용어 이해 ②정보 연결(답변 근거) ③분석 ④실행. 구현은 극단(모델 그대로 ↔ 직접 제작)이 아니라 중간의 RAG·튜닝이 대부분 (18:44)

3. Bedrock은 "가장 쉬운 구축·확산"을 목표로 하는 가운데 계층 — RAG 네이티브·다양한 FM API·파인튜닝·에이전트 네이티브 + 서울 리전 출시로 국내 데이터 레지던시 요건 충족 (25:25~27:12)

주제별 심화

AWS 3계층 스택 (22:37~25:02)

계층서비스적합 주체
인프라GPU 인스턴스·SageMakerFM 직접 개발·유지하는 회사
도구Bedrock — FM 선택·연계·튜닝·에이전트범용 기업 (오늘 세션의 초점)
애플리케이션생성형 AI 기반 SaaS형 서비스개발 부담 최소화

Bedrock 모델·기능 (27:12~34:48, 발표 시점 11월 초 기준)

관찰·전망 (18:50~22:37)

멀티모달 체험 (36:39~38:58)

발표자가 직접 촬영한 행사 사진을 Claude 3.5 Sonnet에 설명 요청 → 행사 목적·세션 내용·스크린 QR·조명 컨셉(보라색 톤)까지 정확히 복기 — "기획자가 아니라 할 수 없는 수준"의 맥락 이해. GS리테일/GS샵은 이 능력으로 상품 이미지 태깅 자동 생성→패션 검색 고도화.

적용 체크리스트 (시험·실습 관점)

최종 정리

1주차 첫 영상으로 적격 — 기술 깊이보다 지형도(왜 생성형 AI인가→어디에 쓰나→AWS에서 무엇으로)를 40분 안에 그려준다. 2주차(요약본 15)의 RAG 심화와 3주차(요약본 16)의 Tool Use로 이어지는 입구이자, 스타벅스 사내 포털 사례가 "문서만 정리하면 RAG가 정확해진다"는 실무 제1원칙을 보여준다.


Provenance: 전사 원문 보관(세그먼트 표·타임스탬프). 인용 문구는 ASR 오인식를 문맥 보정해 옮김(생선형AIM→생성형 AI·배달하기→Bedrock 외) — 원문 대조는 전사 md로. 강연 발표 시점 정보(모델 라인업·리전 출시일)는 수집일 아닌 발표일 기준임.