아잇팅 우리의 IT는 진행 중 IT+ing

ITing’s P!CK 추천 콘텐츠

[reinvent 2025] AWS Graviton Savings를 활용해 클라우드 비용 효율성을 한 단계 끌어올리세요

이번 세션은 AWS Graviton 프로세서와 Graviton Savings Dashboard가 제공하는 비용 최적화 인사이트를 중심으로, 조직이 Graviton 채택률을 높이고 실제 절감 효과를 극대화하는 방법을 다룹니다. Graviton은 최대 40% 더 나은 가격 대비 성능, 최대 60% 높은 에너지 효율을 제공하며, 이는 단순한 인프라 업그레이드가 아닌 비용·성능·지속가능성(Sustainability) 모두를 개선하는 전략적 선택임을 강조합니다.

AI/ML Analytics Compute

[reinvent 2025] GenAI 스토리보딩: GenAI on AWS를 이용한 스케치에서 3D 장면까지

이 세션은 아티스트가 창의적 통제력을 유지하면서 Amazon Bedrock의 생성형 AI 기능을 활용하여 초기 스케치를 콘셉트 준비가 완료된 스토리보드로 변환하는 워크플로우를 소개합니다. 통합된 파이프라인을 통해 스케치 구성, 스타일 일관성을 유지하는 2D 에셋 생성, 이미지를 3D 모델로 변환하는 방법을 보여주며, 이는 필름 프리비주얼라이제이션(pre-visualization), 게임 레벨 디자인, UI 프로토타이핑을 위한 빠른 반복을 가능하게 합니다.

AI/ML Serverless Compute & Containers

[reinvent 2025] Amazon Nova를 활용한 AI 기반 폐기물 분류 시스템 구축

이번 세션은 AWS 서비스만으로 구축된 AI 구동형 폐기물 분류 시스템의 실제 운영 사례를 통해, 생성형 AI와 서버리스 기술이 기업의 지속가능경영(Sustainability)과 운영 효율 개선에 어떤 가치를 제공하는지 설명합니다. AWS IoT Greengrass, Amazon Bedrock Nova, Step Functions, DynamoDB 등 AWS의 핵심 AI·서버리스 서비스를 결합한 아키텍처는 높은 정확도(95%)와 의미 있는 재활용 효율 개선(52%)을 달성했습니다. 이 사례는 AI 기반 자동화가 실제 업무 환경에서 혁신을 촉진하는 방식을 잘 보여줍니다.

AI/ML Cloud Operations Serverless Compute & Containers

[reinvent 2025] 상태 저장(스테이트풀) Amazon EKS 워크로드의 백업을 간소화하세요

이 세션에서는 AWS Backup이 Amazon EKS 클러스터와 Kubernetes 오브젝트, 그리고 그에 연동된 Persistent Volume(EBS, EFS, S3 기반)을 어떻게 네이티브 방식으로 보호할 수 있는지 소개했습니다. AWS Backup은 단순한 백업 서비스가 아니라, 재해 복구(DR), 랜섬웨어 복원력, 불변(Immutable) 백업, 멀티 계정·멀티 리전 아키텍처까지 지원하는 강력한 데이터 보호 플랫폼입니다. 이번 발표는 EKS 클러스터 운영자, DevOps 엔지니어, 플랫폼 팀이 안정적인 클러스터 환경을 유지하기 위해 반드시 알아야 하는 핵심 기능을 다루고 있습니다.

Keynote 🔑

[reinvent 2025] Keynote_Infrastructure Innovations

Amazon Aurora의 고가용성(HA)과 재해 복구(DR) 설계 패턴을 기반으로, Multi-AZ 및 Multi-Region 환경에서 안정적인 서비스를 구축하는 방법을 다루는 강의형 세션입니다.

AI/ML

[reinvent 2025] 차세대 데이터 관리 – 제약 분야에서 에이전트 AI를 활용한 대규모 인사이트

Agentic AI가 제약 데이터 및 분석을 어떻게 혁신하고 있는지 살펴봅니다.

전체보기

IT 인사이트와 트렌드를 한눈에

테크

[AI 프로젝트 성공 전략 2부] : AI 시대 기업이 선택해야 하는 것은 모델이 아니라 AI 운영 체계다

많은 기업이 AI를 도입하고 있지만, 실제 업무 현장에서 전사적으로 확산해 지속적으로 운영하는 비율은 3분의 1 수준에 불과합니다. AI 프로젝트가 PoC 단계에 머물거나 성과를 내지 못하는 주요 원인은 ‘어떤 모델을 선택할 것인가’가 아니라 보안, 비용, 권한 관리 등 ‘어떻게 운영할 것인가’의 문제에 있습니다.

업무별로 필요한 모델 성능이 다르고 최신 모델이 계속 등장하는 환경에서 특정 모델에 종속되면 관리의 복잡성과 비용이 급격히 증가합니다. 따라서 AI 시대의 지속 가능한 경쟁력은 최고의 모델 하나를 고르는 데 있지 않고, 다양한 멀티 LLM을 유연하게 연동하고 통합 거버넌스를 제공하는 ‘AI 플랫폼(운영 체계)’을 먼저 구축하는 데 있습니다.