이번에 새롭게 발표된 도구와 개선 기능을 활용하는 고객은 Amazon SageMaker의 대규모 추론용 파운데이션 모델(FM)을 비롯한 기계 학습(ML) 모델 배포 소요 시간을 며칠에서 몇 시간으로 단축할 수 있습니다. 새롭게 발표된 도구로는 SageMaker에서 ML 모델을 패키징 및 배포하는 프로세스를 7단계에서 1단계로 간소화(로컬 추론 수행 옵션 사용)할 수 있는 신규 Python SDK 라이브러리가 포함됩니다. Amazon SageMaker의 Amazon SageMaker Studio에서는 새로운 대화형 UI 환경도 제공됩니다. 고객은 이 환경에서 클릭 세 번 만으로 성능과 비용이 최적화된 구성을 사용해 훈련시킨 ML 모델이나 FM을 빠르게 배포할 수 있습니다.

오늘 AWS는 Amazon OpenSearch Serverless 벡터 엔진의 정식 출시를 발표했습니다. OpenSearch Serverless 벡터 엔진은 간단하고 확장 가능한 고성능 벡터 데이터베이스로, 개발자가 기본 벡터 데이터베이스 인프라를 관리할 필요 없이 기계 학습(ML)으로 강화된 검색 경험 및 생성형 인공 지능(AI) 애플리케이션을 손쉽게 구축할 수 있도록 지원합니다. 개발자는 벡터 엔진의 비용 효율적이고 안전하며 성숙한 서버리스 플랫폼을 사용하여 애플리케이션 프로토타입 제작에서 프로덕션까지 원활하게 전환할 수 있습니다. 

Amazon SageMaker Canvas는 기계 학습(ML) 모델을 구축하고 ML 예측을 생성할 수 있는 노코드 도구입니다. 10월 5일에 발표된 바와 같이, 고객은 Amazon Bedrock 및 SageMaker JumpStart에서 파운데이션 모델(FM)에 액세스한 후 모델을 평가하여 콘텐츠를 생성하고 요약할 수 있습니다. 

Amazon Redshift Serverless용 향상된 관리 효율성 및 사용 편의성 기능이 오늘 발표되었습니다. 이러한 기능에는 크로스 계정/크로스 VPC, 사용자 지정 도메인 이름(CNAME), 스냅샷 예약, 크로스 리전 복사(CRC), Redshift 콘솔에서 서버리스 과금 정보를 더욱 쉽게 확인하는 기능, 버전 추적 등이 포함됩니다. 이러한 기능을 활용하면 데이터를 원활하게 액세스하고 철저하게 보호할 수 있으며 운영 비용 효율성도 높일 수 있습니다.

이제 AWS Marketplace에서 판매자용 신규 API가 제공되므로 독립 소프트웨어 개발 판매 회사(ISV) 및 채널 파트너가 AMI, SaaS, 컨테이너 제품용으로 AWS Marketplace에서 활용할 워크플로 통합 기능을 구축할 수 있습니다. 판매자는 카탈로그 API를 사용하여 제품 목록, 오퍼 및 재판매 승인을 관리(생성, 업데이트, 확인)할 수 있습니다. 그리고 계약 API를 사용하여 계약서를 검색 및 확인할 수 있습니다. 즉, 판매자는 이러한 API를 사용해 AWS Marketplace에서 대량의 복잡한 비즈니스 크리티컬 트랜잭션을 자동화함으로써 시간과 비용을 절약할 수 있습니다.

Amazon Redshift는 행 수준 보안(RLS) 정책에 대한 CONNCTION TYPE 지원과 표준 뷰 및 늦은 바인딩 뷰에 대한 RLS 지원을 제공한다고 발표했습니다. 이에 따라 고객은 세분화된 액세스 제어를 적용하고, 기본 데이터가 진화하거나 사용자 권한이 변경되는 경우에도 사용자가 볼 권한이 있는 행에만 액세스하도록 할 수 있습니다. 

오늘 AWS는 새로운 분석 데이터베이스 엔진인 Amazon Neptune Analytics의 정식 버전을 발표했습니다. Neptune Analytics를 사용하면 데이터 사이언티스트와 애플리케이션 개발자가 수백억 개의 연결이 있는 그래프 데이터를 몇 초 만에 분석하여 더 빠르게 인사이트를 확보하고 추세를 발견할 수 있습니다. Neptune Analytics는 Amazon Neptune 데이터베이스, Amazon Neptune ML, 시각화 도구 등의 기존 Neptune 도구와 서비스에 추가됩니다. Neptune은 지식 그래프, 사기 그래프, 자격 증명 그래프, 보안 그래프와 같이 고도로 연결된 데이터 세트를 활용하는 애플리케이션을 구축 및 실행하기 위한 빠르고 안정적인 완전관리형 그래프 데이터베이스 서비스입니다. Neptune Analytics를 사용하면 기존 Neptune 그래프 데이터베이스 또는 Amazon S3와 같은 데이터 레이크의 그래프 데이터를 분석하

이제 Amazon SageMaker Canvas에서 기계 학습(ML) 모델 구축을 위한 데이터 탐색, 시각화 및 준비에 자연어 지침이 지원됩니다. Amazon SageMaker Canvas는 고객이 코드를 전혀 작성하지 않고도 매우 정확한 ML 모델을 쉽게 생성할 수 있는 노코드 도구입니다. 오늘부터 Amazon Bedrock을 통해 지원되는 FM 기반 자연어 지침을 데이터 준비에 사용할 수 있습니다. 새롭게 제공되는 이 기능을 활용하면 자연어 쿼리를 사용하여 데이터 상호 작용, 질문 제시, 특성 분포와 상관 관계 시각화, 비즈니스 문제를 해결하는 데 적합한 구조로 데이터 변환 등의 작업을 수행할 수 있습니다.

콘텐츠 생성자는 Amazon Titan Image Generator를 사용해 아이디어 구상과 반복 작업을 빠르게 진행하여 이미지 생성 효율성을 높일 수 있습니다. 이제 Amazon Bedrock의 Amazon Titan Image Generator 파운데이션 모델(평가판)을 이용할 수 있으므로 새로운 이미지 생성 및 이미지 편집 기능을 사용하여 생성형 AI 애플리케이션을 쉽게 구축하고 규모를 조정할 수 있습니다.

Amazon Titan Multimodal Embeddings를 활용하는 고객은 더욱 정확하며 상황에 맞는 다중 모달 검색을 수행하여 최종 사용자에게 적절한 권장 사항과 개인화 경험을 제공할 수 있습니다. 이제 Amazon Bedrock에서 Amazon Titan Multimodal Embeddings 파운데이션 모델에 액세스할 수 있습니다.

오늘 Amazon SageMaker HyperPod의 정식 출시가 발표되었습니다. HyperPod에서 제공되는 대규모 분산 훈련용 목적별 인프라를 사용하면 파운데이션 모델(FM) 훈련 시간을 40%까지 단축할 수 있습니다. 

즉시 사용 가능한 Amazon Redshift용 웹 기반 SQL 편집기인 Amazon Redshift 쿼리 에디터에 Amazon Q 생성형 SQL이 도입되었습니다. 이에 따라 이제는 자연어 쿼리를 입력하면 추천 SQL 코드가 결과로 제공되므로 쿼리를 간편하게 작성하고 생산성을 높일 수 있습니다. 또한 조직의 복잡한 데이터베이스 메타데이터를 포괄적으로 파악하지 않고도 인사이트를 더욱 빠르게 수집할 수 있습니다.

이제 Amazon MemoryDB for Redis에서 벡터 검색 기능(평가판)이 지원됩니다. 벡터 검색은 벡터 저장/인덱싱/검색에 사용 가능한 새로운 기능입니다. MemoryDB는 우수한 인 메모리 성능과 다중 AZ 방식의 높은 내구성을 겸비한 데이터베이스입니다. MemoryDB용 벡터 검색 기능을 사용하면 널리 사용되는 오픈 소스 Redis API를 통해 성능 요건이 매우 높은 실시간 기계 학습(ML) 및 생성형 AI 애플리케이션을 개발할 수 있습니다. MemoryDB용 벡터 검색 기능 사용 시에는 벡터 수백만 개를 저장할 수 있습니다. 쿼리 및 업데이트 응답 시간은 10밀리초 미만이고 실행 가능한 초당 쿼리 수(QPS)도 수만 개에 달하며, 재현율도 99% 이상입니다. Amazon Bedrock 및 SageMaker와 같은 AI/ML 서비스를 사용하여 벡터 임베딩을 생성한 후 MemoryDB에 저장할

Amazon Redshift와의 Amazon Aurora 제로 ETL 통합을 사용하면 Amazon Aurora의 페타바이트 규모의 트랜잭션 데이터에 Amazon Redshift를 사용하여 실시간에 가까운 분석 및 기계 학습(ML)을 지원할 수 있습니다. Amazon Aurora PostgreSQL 호환 에디션 데이터베이스 클러스터를 이제 제로 ETL 통합을 위한 소스로 사용할 수 있습니다(공개 평가판). 트랜잭션 데이터가 Aurora에 기록되고 몇 초 내에 Amazon Redshift에서 해당 데이터를 사용할 수 있습니다. 추출, 전환, 적재(ETL) 작업을 수행하기 위해 복잡한 데이터 파이프라인을 구축하고 관리할 필요가 없습니다.

이제 Amazon Connect Contact Lens는 Amazon Connect Chat에 대해 실시간 대화형 분석 기능을 제공하여 기계 학습 기반인 상담 후 분석(예: 감정 분석, 자동 연락처 분류 등)을 실시간 상담 시나리오로 확장합니다. 이러한 기능을 통해 고객 센터 관리자는 진행 중인 채팅 상담 중에 고객 문제를 감지하고 고객의 문제를 더 빠르게 해결할 수 있습니다. 그 예로 이제 관리자는 채팅 상담 중 고객 감정이 부정적으로 바뀌면 실시간 이메일 알림을 받아 진행 중인 상담에 참여하여 고객 문제를 해결하는 데 도움을 줄 수 있습니다.

맞춤 설계된 최신 세대 AWS Graviton4 프로세서로 구동되는 새로운 메모리 최적화 Amazon Elastic Compute Cloud(Amazon EC2) R8g 인스턴스가 오늘부터 평가판으로 제공됩니다. R8g 인스턴스는 AWS가 설계한 하드웨어 및 소프트웨어 혁신 기능 모음인 AWS Nitro System을 기반으로 구축됩니다. AWS Nitro System은 격리된 멀티테넌시, 프라이빗 네트워킹 및 빠른 로컬 스토리지를 통해 효율적이고 유연하며 안전한 클라우드 서비스를 제공할 수 있습니다. R8g 인스턴스는 R7g 인스턴스보다 최대 3배 더 많은 vCPU 및 메모리를 갖춘 더 큰 인스턴스를 제공합니다. Amazon EC2 R8g 인스턴스는 데이터베이스, 인 메모리 캐시, 실시간 빅 데이터 분석과 같은 메모리 집약적 워크로드에 적합합니다.

Amazon Connect Contact Lens가 이제 생성형 AI 기반 상담 후 요약 기능을 제공함에 따라 고객 센터 관리자가 문의 품질 및 에이전트 성과를 보다 효율적으로 모니터링하고 개선할 수 있게 되었습니다. 

오늘 Amazon CodeCatalyst에서 Amazon Q의 특성 개발 기능을 평가판으로 출시했음을 발표했습니다. 개발자는 이번 새로운 기능을 통해 CodeCatalyst 문제를 Amazon Q에 할당할 수 있으며, Q는 인적 프롬프트를 실행 가능한 플랜으로 변환하는 복잡한 작업을 수행한 다음 코드 변경과 요청자에게 할당되는 풀 요청을 완료합니다. 그런 다음 Q는 연결된 모든 워크플로를 모니터링하고 문제를 해결하려고 시도합니다. 사용자는 코드 변경 사항을 미리 보고 풀 요청을 병합할 수 있습니다. 개발 팀은 IDE에 들어가지 않고도 Amazon CodeCatalyst 내에서 이 새로운 기능을 사용하여 간소화된 엔드 투 엔드 환경으로 활용할 수 있습니다.

업무용으로 특별히 설계되고 비즈니스에 맞춰진 생성형 AI 기반 도우미인 Amazon Q를 Amazon Connect에서 사용할 수 있게 되었습니다. Amazon Q in Connect는 고객 센터 에이전트가 고객 문제를 빠르고 정확하게 해결하는 데 도움이 되는 실시간 권장 사항을 제공하여 에이전트의 생산성과 고객 만족도를 모두 개선할 수 있습니다. 이전에 Amazon Connect Wisdom으로 제공되었던 기능을 포함하는 이 생성형 AI 도우미는 에이전트가 대화 분석 및 자연어 이해(NLU)를 사용하여 통화 및 채팅 상담 중에 고객의 의도를 감지하도록 도와주고, 에이전트에게 관련 문서 및 도움말에 대한 링크와 함께 생성된 응답 및 제안된 조치를 제공합니다. 그 예로 Amazon Q는 고객이 렌터카 회사에 연락하여 예약을 변경하는 것을 감지하고, 에이전트가 해당 고객에게 회사의 변경 수수료 정책이

Amazon S3 Express One Zone 스토리지 클래스는 10밀리초 미만의 일관된 요청 지연 시간이 필요한 성능 크리티컬 애플리케이션을 위해 가장 빠른 클라우드 객체 스토리지를 제공하도록 특별히 구축되었습니다. S3 Express One Zone은 S3 Standard에 비해 데이터 액세스 속도가 10배 빠르고 요청 비용을 50% 절감할 수 있습니다. 이를 통해 기계 학습 훈련, 대화형 분석, 미디어 콘텐츠 제작과 같은 워크로드에서 높은 내구성과 가용성으로 10밀리초 미만의 데이터 액세스 속도를 달성할 수 있습니다.