Tech Insights

AWS•2026년 4월 17일

티오더의 Text2SQL 에이전트 티스푼 구현 사례

티오더는 Amazon Bedrock과 LangGraph를 활용하여 자연어 질의로 사내 데이터를 조회하는 Text2SQL 에이전트 '티스푼'을 구현했습니다. 이 에이전트는 HITL 이중 승인, RAG 기반 컨텍스트 보강, 4-Stage 검색 파이프라인 등의 기술을 통해 안전하고 정확한 데이터 조회를 지원합니다.

BackEndAIBigData

AWS•2026년 4월 14일

Amazon Aurora PostgreSQL에서 pgvector 0.8.0을 통한 벡터 검색 성능 및 관련성 향상

Amazon Aurora PostgreSQL이 pgvector 0.8.0을 지원하며 벡터 검색 성능과 관련성이 대폭 향상되었습니다. 최대 9배 빠른 쿼리 처리와 100배 더 정확한 검색 결과를 제공하며, 오버필터링 문제를 해결하는 `iterative_scan` 기능이 도입되었습니다.

InfraAIBigData

AWS•2026년 4월 7일

Config의 Amazon EKS Spot 기반 대규모 RFM 데이터 파이프라인 구축

Config는 Amazon EKS, EC2 Spot Instances, RabbitMQ, KEDA, Karpenter를 활용하여 대규모 RFM 데이터 전처리 파이프라인을 구축했습니다. 기존 SQS + Lambda 기반의 단일 큐 순차 처리에서 Job별 동적 큐를 통한 완전 병렬 처리로 전환하여, 비용을 70~90% 절감하고 처리 시간을 수일에서 수 시간으로 단축했으며, Spot 인스턴스 중단 시에도 데이터 손실 없이 안정적인 작업 완료를 보장합니다.

ArchitectureBigDataInfra

AWS•2026년 4월 1일

분산 트레이닝 관점에서의 AWS 인터커넥트 기술 소개 – AWS는 왜 인터커넥트 기술로 EFA를 사용하는가?

AWS는 대규모 AI 모델 학습의 병목 현상을 해결하기 위해 고성능 인터커넥트 기술로 EFA(Elastic Fabric Adapter)를 채택했습니다. 이 글은 인피니밴드와 EFA의 기술적 원리를 비교하고, AWS가 클라우드 환경에 최적화된 EFA를 선택한 이유와 그 장점을 설명합니다.

InfraAIBigData

AWS•2026년 3월 31일

NVIDIA와 함께 AWS에서 자율주행 3.0을 위한 End-to-End Physical AI 데이터 파이프라인 구축하기

AWS와 NVIDIA는 자율주행 3.0 시대를 위한 End-to-End Physical AI 데이터 파이프라인 구축 방안을 제시합니다. 이 파이프라인은 데이터 수집부터 AI 기반 큐레이션, 3D 장면 복원, Reasoning VLA 모델 학습, Closed-loop 시뮬레이션 검증까지 전 과정을 아우르며, AWS 관리형 서비스와 NVIDIA AV 기술을 결합합니다.

ArchitectureAIBigData

AWS•2026년 3월 31일

Neptune GraphRAG Toolkit을 활용하여 정교한 비정형 데이터 검색하기

GraphRAG Toolkit은 Amazon Neptune과 OpenSearch Serverless를 활용하여 비정형 데이터에서 그래프와 벡터 임베딩을 자동으로 구축하고, 복잡한 관계를 탐색하여 기존 RAG 애플리케이션의 검색 능력을 강화하는 오픈 소스 Python 라이브러리입니다.

InfraBackEndAI

AWS•2026년 3월 30일

클라우드 환경에서의 비디오 인텔리전스 구현: TwelveLabs로 시작하는 AI 영상 분석 2부 – 준실시간 환경에서 AWS 미디어 서비스를 활용한 분석 파이프라인 구축하기

TwelveLabs 비디오 AI 모델을 AWS에서 준실시간으로 분석하는 파이프라인 구축 방법을 다룹니다. AWS Elemental 서비스(MediaLive, MediaPackage, MediaConnect)와 Amazon Kinesis Video Streams를 활용한 라이브 스트림 및 CCTV 영상 분석 시나리오를 설명합니다.

InfraAIBigData

AWS•2026년 3월 30일

클라우드 환경에서의 비디오 인텔리전스 구현 : TwelveLabs로 시작하는 AI 영상 분석 5부 – 비디오 임베딩을 위한 Vector DB 비교

TwelveLabs 비디오 임베딩을 AWS의 Amazon OpenSearch Serverless와 S3 Vectors에 저장 및 검색하는 과정을 비교합니다. 두 서비스의 설정, 성능, 비용, 기능적 특성을 분석하여 최적의 Vector DB 선택 가이드를 제공합니다.

InfraAIBigData

AWS•2026년 3월 30일

클라우드 환경에서의 비디오 인텔리전스 구현: TwelveLabs로 시작하는 AI 영상 분석 4부 – TwelveLabs Marengo 3.0 임베딩 및 검색 전략과 구현 가이드

TwelveLabs Marengo 3.0 모델의 멀티모달 임베딩을 활용한 비디오 검색 전략 세 가지(Fused Embeddings, Multi-Vector, Intent-based Dynamic Routing)를 비교 설명합니다. 각 전략의 장단점과 구현 가이드를 제공하여 효과적인 비디오 검색 시스템 구축 방안을 제시합니다.

AIBigData