총 241개 글 · 원본 블로그 방문 →
AWS 클라우드 아키텍처와 서비스 소식을 한국어로 전하는 공식 블로그
들어가며 아임웹의 서비스 진입 경로는 AWS 계정과 VPC, 클러스터에 걸쳐 확장되어 왔습니다. 그 과정에서 로드밸런서 계층의 한도에 부딪혔는데, 상향 신청으로 해결되는 한도도 있었지만, ECS 서비스당 Target Group 5개 제한처럼 상향 대상이 아닌 것도 섞여 있었습니다. 이를 계기로 마이크로 프론트엔드(Micro-Frontends, MFE) 서빙 경로를 대상으로 서비스 네트워크를 재설계했습니다. 재설계의 골자는 외부 진입점(North
젭(ZEP) 소개 젭은 온라인 메타버스 플랫폼 ZEP을 운영하는 스타트업입니다. ZEP은 사용자들이 온라인 공간에서도 자연스럽게 만나고 소통할 수 있는 경험을 제공하며, 오프라인의 물리적 제약을 넘어 다양한 활동이 이루어질 수 있는 환경을 만들어가고 있습니다. ZEP은 400만 MAU 규모의 서비스 환경에서 WebRTC 기술을 내재화해 안정적인 동시 스트리밍 경험을 제공하고 있으며, 대규모 동시 접속과 상호작용을 처리하는 게임 서버, 웹 […]
본 글은 AWS Summit Seoul 세션 “200개국 삼성 스마트 TV 앱 데이터를 자연어로 묻다: 에이전틱 AI on AWS”의 내용을 기반으로 작성되었습니다. 개요 생성형 AI는 실험적 프로토타입에서 벗어나, 이제 프로덕션 환경에서 대규모로, 실제 성능 제약 속에서 안정적으로 동작할 것을 요구받고 있습니다. Strands Agents SDK, LangGraph, CrewAI, LlamaIndex 같은 오픈소스 프레임워크의 등장으로 누구나
Lambda로 서버리스 워크로드를 설계하다 보면 비슷한 고민을 반복해서 만나게 됩니다. 15분 한도를 넘는 장기 워크 플로우는 어떻게 처리할지, 호출 사이에 실행 환경이 멈추는 freeze(일시 정지) 동작이 상시 트래픽 서비스에 맞는지, 사용자나 AI가 생성한 코드를 어디서 안전하게 실행할지 같은 질문입니다. 지금까지는 이 답을 Lambda 외부에서 찾는 경우가 많았습니다. 워크 플로우는 AWS Step Functions로 옮기고, 상시 워크
이 글은 AWS Frontier Agents 시리즈의 세 번째이자 마지막 편입니다. 1편에서 배포 전 릴리스 리스크를 차단하고, 2편에서 배포 후 보안을 검증했다면, 이번 글은 운영 중인 워크로드의 비용 이상을 자동으로 조사하는 AWS FinOps Agent를 다룹니다. 비용 급증 알림은 받지만 “왜 올랐고 누구 책임인지”를 찾는 데는 며칠이 걸립니다. 이 글에서는 AWS FinOps Agent(Preview)가 AWS Cost Anomaly
AI 코딩 도구의 확산으로 Pull Request가 만들어지는 속도는 폭발적으로 빨라졌지만, 이를 검토하고 테스트하는 속도는 여전히 사람의 손에 머물러 있습니다. 이 글에서는 AWS Frontier Agents의 개념과 구성을 소개하고, AWS DevOps Agent에 새로 추가된 Release Management(Preview) 기능으로 코드 변경이 프로덕션에 도달하기 전에 릴리스 리스크를 자율적으로 검증하는 방법을 단계별로 살펴봅니다. >
이 글은 AWS Frontier Agents 시리즈의 두 번째 편입니다. 1편에서 다룬 배포 전 릴리스 검증에 이어, 이번 글은 배포된 애플리케이션의 보안을 검증하는 AWS Security Agent에 대한 내용을 다룹니다. 일반적으로 연 1~2회 수행하는 외주 침투 테스트만으로는 매일 배포되는 애플리케이션의 보안 변화를 따라가기 어렵습니다. AWS Security Agent는 이 문제를 해결하기 위해 소스 코드와 문서를 사전에 분석한 뒤, [
금융권은 전자금융감독규정에 따라 개발망과 운영망을 분리(망분리)하고, 변경 사항을 하위 환경에서 상위 환경으로만(정방향) 전파하도록 통제합니다. 실제 배포 경로는 연구개발망(RND) → 개발계(Dev) → 검증계(STG) → 운영계(PRD) 한 방향이며, 역방향 배포(예: PRD→STG)나 상위 환경에서의 직접 수정은 허용되지 않습니다. 운영 데이터·설정이 하위로 흘러가는 것을 막고, 모든 변경이 검증 절차를 거치도록 강제하기 위한 통제입니다.
본 블로그는 LG CNS 와 AWS 가 공동 작성하였습니다. 품질보증 담당자가 QMS, LIMS, SAP, EDMS를 오가며 자료를 모으고 APQR 리포트 한 건을 완성하는 데는 약 12시간이 걸렸습니다. 종근당과 LG CNS는 Agentic AI로 이 시간을 약 1시간으로 줄였습니다. LG CNS는 AWS 프리미어 파트너로, 다수의 대규모 엔터프라이즈 고객을 대상으로 SM(운영 유지보수)/AM(현대화)/Migration 서비스를 제공하고 있습
DEEPX는 전력과 발열이 제한된 엣지 환경에서 고성능·저전력 추론을 구현하는 NPU (Neural Processing Unit)를 개발하는 AI 반도체 기업입니다. M.2 형태의 DX-M1 NPU와 자체 개발한 dx_rt 런타임, dx_stream 미디어 파이프라인을 통해 객체 탐지, 얼굴 인식, OCR과 같은 비전 AI 모델을 카메라, 로봇, 산업용 PC 등 다양한 엣지 디바이스에서 실행할 수 있도록 지원하며, 소매, 제조, 물류처럼 자원과
들어가며 수요 예측 시스템을 도입해 본 기업이라면 익숙한 패턴이 있습니다. 도입 첫해, 컨설턴트와 함께 수개월에 걸쳐 데이터를 정비하고 모델과 파라미터를 최적화합니다. 시스템은 그 시점의 비즈니스를 잘 반영하여 정확하게 예측합니다. 문제는 신규 채널에 진출하고, 프로모션 전략이 바뀌고, 신제품이 출시되고, 주력 상품의 라이프사이클이 끝날 때에 발생합니다. 비즈니스는 계속 변화하는데, 시스템은 구축 시점의 스냅샷에 멈춰 있습니다. 시스템의 예측을
Bedrock Mantle 기반 GPT‑5.6 연동부터 cached Web Search, AWS PrivateLink 전용망, 관측성과 비용 운영까지 생성형 AI 코딩 에이전트를 엔터프라이즈 기업 환경에 도입할 때는 모델 성능만큼 인증, 데이터 경로, 네트워크 격리, 비용 배분과 감사 가능성이 중요합니다. Codex는 이제 ChatGPT 데스크톱 앱의 Codex 보기, Codex CLI, IDE 확장, Codex SDK와 codex exec 같
도입: 코딩 어시스턴트 시대의 새로운 데이터 유출 경로 AI 코딩 어시스턴트(GitHub Copilot, OpenAI Codex, Claude Code)의 도입이 가속화되면서, 개발자들은 자연어 프롬프트를 통해 코드 생성, 디버깅, 리팩토링을 일상적으로 수행하고 있습니다. 그러나 이 과정에서 개발자가 프롬프트에 포함시키는 정보, 즉 API 키, 데이터베이스 비밀번호, 고객 개인정보(PII), 사내 미공개 전략 등이 외부 LLM 서비스로 전송되는
많은 팀이 Claude Code로 자체 에이전트를 만들어 사용하고 있습니다. 예를 들어 데이터 분석 팀에서는 Skill로 리포트 형식을 표준화하고, MCP(Model Context Protocol) 서버로 사내 데이터베이스를 연결하고, 웹 검색으로 시장 동향까지 반영해 매출 리포트 작성을 자동화합니다. 이렇게 만든 에이전트는 개인 도구를 넘어 팀 전체가 활용할 수 있는 자산이 됩니다. 그러나 로컬에서 검증한 에이전트를 조직의 서비스로 확장하는
GS Neotek은 AWS 프리미어 파트너로, 다수의 고객에게 클라우드 마이그레이션·현대화·운영 서비스를 제공하며 생성형 AI 도입을 지원하고 있습니다. 이 글은 여러 조직에 코딩 어시스턴트 도입을 지원하며 축적한 경험을 바탕으로, LLM Gateway 없이도 사용자별 비용을 통제하는 경량 아키텍처를 정리한 것입니다. Amazon Bedrock을 통해 Claude Code와 같은 코딩 어시스턴트를 사용하기 위한 기본 조건은 의외로 단순합니다.
개발을 하다 보면 저장소에는 다양한 업무가 조용히 쌓입니다. 리뷰어를 기다리는 PR(Pull Request, 이하 PR), 원인 파악이 필요한 버그 이슈 같은 것들이죠. 중요한 일인 줄 알면서도 개발 흐름을 끊어야 해 자꾸 뒤로 미룹니다. 하루 이틀 지나면 어느새 아무도 손대지 않는 목록이 됩니다. 사람을 한 명 더 뽑기는 어렵지만, 이런 일을 도맡아 줄 팀원이 하나 있다면 어떨까요? […]
AWS Elemental MediaLive의 썸네일 API와 Amazon Rekognition Custom Labels, AWS Step Functions를 결합하여 라이브 방송 화면을 AI가 실시간으로 인식하고, 하프타임 등 브레이크 진입 시 송출되는 필러(Filler) 영상을 감지하여 SCTE-35 광고 신호를 자동으로 삽입하는 아키텍처를 소개합니다. 소개 라이브 스트리밍과 광고 삽입 운영의 과제 라이브 스트리밍(특히 스포츠 중계)에서 SC
실리콘투는 한국의 뷰티 브랜드를 전 세계 고객에게 유통하는 글로벌 플랫폼 기업입니다. 수많은 브랜드와 상품, 국가별 물류가 실시간으로 맞물려 돌아가고, 이 방대한 흐름을 CMS, WMS, OMS를 비롯한 여러 사내 시스템이 나눠 맡습니다. 사업이 커질수록 업무 규칙도 함께 불어났고, 그 규칙은 저장 프로시저(SP, Stored Procedure. 데이터베이스에 넣어 두고 불러 쓰는 SQL 로직 묶음), 소스 코드, 그리고 여기저기 […]
페이지 3 / 14 (총 241개)
