개요
SageMaker Unified Studio를 통해 Amazon Bedrock의 기능에 액세스하여 생성형 AI 애플리케이션을 빠르게 구축하고 사용자 지정할 수 있습니다. 이러한 직관적인 인터페이스를 통해 고성능 파운데이션 모델(FM)로 작업하고 Amazon Bedrock Knowledge Bases, Amazon Bedrock 가드레일, Amazon Bedrock 에이전트, Amazon Bedrock 플로우와 같은 고급 기능을 사용할 수 있습니다. SageMaker Unified Studio의 보안 환경에서 생성형 AI 애플리케이션을 더 빠르게 개발하여 요구 사항 및 책임 있는 AI 지침을 준수할 수 있습니다.
모든 기술 수준에서 손쉬운 생성형 AI 개발을 지원
SageMaker Unified Studio의 Amazon Bedrock을 사용하면 모든 기술 수준의 개발자를 위해 설계된 단순하고 액세스 가능한 환경을 통해 생성형 AI 애플리케이션을 개발할 수 있습니다. 직관적인 인터페이스를 통해 팀은 Amazon Bedrock의 기능을 사용하면서 효과적으로 협업할 수 있습니다. 관리된 데이터에 액세스하고, 비즈니스 요구 사항에 따라 프로덕션에 바로 사용할 수 있는 생성형 AI 앱을 신속하게 프로토타이핑하며, 반복하고, 배포할 수 있습니다.
사용자 지정 생성형 AI 애플리케이션 구축
요구 사항, 데이터, 워크플로 및 책임 있는 AI 표준에 맞게 FM을 사용자 지정합니다. 검색 증강 생성(RAG)을 사용하여 독점 데이터 소스에서 지식 베이스를 생성하고 비즈니스 요구에 맞게 모델 응답을 조정합니다. 기본 서비스를 관리하지 않고도 에이전트를 사용하여 채팅 에이전트 앱을 구축하고, 보호 및 개인 정보 보호를 위한 가드레일을 추가하며, 프롬프트 엔지니어링, 함수, Flows 같은 고급 기능을 활용할 수 있습니다.
이해 관계자 간의 원활한 협업
SageMaker Unified Studio의 Amazon Bedrock을 사용하면 기술 수준에 관계없이 비즈니스 및 기술 팀 간에 원활하게 협업할 수 있습니다. 생성형 AI 애플리케이션을 안전하게 구축, 사용자 지정 및 공유하여 기능 전반에서 신뢰할 수 있는 팀워크를 구현할 수 있습니다. 이를 통해 팀은 회사별 콘텐츠 생성부터 워크플로 자동화 및 소프트웨어 개발에 이르기까지 다양한 솔루션을 생성할 수 있습니다.
고성능 모델을 간편하게 평가 및 채택
생성형 AI 플레이그라운드를 통해 주요 AI 기업의 다양한 고성능 FM을 이용할 수 있습니다. 다양한 모델 및 구성을 비교하여 성능을 쉽게 평가할 수 있습니다. 자동화된 모델 평가를 사용하면 성능, 품질 및 안전 메트릭을 기반으로 사용 사례에 가장 적합한 모델을 식별하고 선택할 수 있습니다.
책임 있는 AI 가드레일 구현
사용자 입력과 모델 응답 모두에 가드레일을 생성하고 콘텐츠 필터를 설정하여 생성형 AI 앱에서 적절한 출력을 얻을 수 있도록 합니다. 범주별로 필터링 수준을 조정하고 거부된 주제를 추가하여 책임 있는 AI 가이드라인 및 원하는 출력에 맞춰 가드레일 동작을 사용자 지정합니다.
고객
-
Adastra
당사는 내장된 데이터 거버넌스와 사용자 친화적인 인터페이스를 통해 복잡한 데이터 분석, ML, 생성형 AI 애플리케이션을 구축합니다. Amazon SageMaker Unified Studio를 사용하기 전에는 고객의 데이터 및 정보 작업자를 위해 여러 도구를 배포하는 작업이 대부분 수작업이어서 시간이 많이 걸렸고 강력한 데이터 아키텍처 프로비저닝을 보장하는 것은 어려운 일이었습니다. 이제는 Amazon SageMaker Unified Studio를 사용하여 데이터 엔지니어와 ML 과학자를 위해 단일 데이터 작업자 도구를 배포할 수 있습니다. 또한 데이터 인프라 배포를 자동화하여 고객의 프로세스를 간소화하고 고객 경험을 개선할 수 있을 것입니다.
Zeeshan Saeed, Adastra Chief Technology and Strategy Officer -
Toyota Motor North America
자동차 사업부 운영 전반에 분산되어 있는 사일로화된 데이터세트를 해결하기 위해 커넥티드 카, 판매, 제조 및 공급망 부서 전반의 데이터를 통합하고 관리할 수 있도록 도와주는 Amazon SageMaker를 구현하고 있습니다. 이러한 접근 방식을 통해 데이터를 손쉽게 검색, 탐색, 공유하여 품질 문제를 사전에 방지하고 고객 만족도를 제고하며 생성형 AI 애플리케이션을 보다 더 쉽게 개발할 수 있는 토대를 마련할 수 있습니다.
Kamal Distell, TMNA VP of Data, Analytics, Platforms, and Data Science