AWS TechCamp 4. 기본 과정 : Amazon bedrock을 활용한 상품리뷰 요약과 숏폼 만들기

Bedrock에서 AI 모델을 선택하고, 

Bedrock 콘솔 내 플레이그라운드에서, 테스트를 해보았다.

프롬프트를 입력하여, 모델 별 아웃풋을 빠르게 검토하면서

어떤 모델이 가장 적합할지, 혹은 나의 프롬프트에 개선점이 무엇일지 피드백 관점을 획득할 수 있었다. 

이후, Bedrock에 API를 호출하는 람다 함수와 ALB를 구성하여

퍼블릭 망에서, 원하는 프롬프트 대로 작동하는 웹 서비스를 구축하였다. 

 

구체적인 웹 개발 쪽은, AWS 측에서 준비해주어 빠르게 구축이 가능했다. 

streamlit이라는 파이썬 패키지를 제공해주었는데, 

AWS Cloud9 (클라우드 기반 웹 IDE)에서 빠르게 전개가 가능하여 상당히 간편하였다. 

 

 

 

1.

AI 어플리케이션 관점의 기초 모델을 구축함으로써,

빠르게 피드백해볼 수 있다는 아이디어를 얻었다. 

AI 프로덕트의 개발 과정 문제점 중 하나는, 필요 개발 역량이 다원화 되기에,

애자일 프로세스를 구성하기에 병목지점이 다원하게 발생할 수 밖에 없겠다라는 게 기존까지 내 생각이었다. 

한편, 워터폴 방식의 개발에서는 이런 어플리케이션 개발 과정의 피드백을 반영하기 쉽지가 않은데,  

웹이 구축되야 하고, 웹 구축 전에는 UX기획과 디자인이 결정되야 하며 

빌드를 위해서는 인프라 결정이 필요하고 .. 등 등 사전 작업 조건이 너무 과하기 마련이기 때문이다. 

따라서, 물리적으로 애자일하게 움직이는 게 불가능하며

자연스럽게 고객 목소리의 빠른 반영이 어려워져 프로덕트 UX 향상 지점 발굴이 어렵다고 보았다. 

 

하지만, 클라우드 기반의 개발 환경에서, 솔루션 베이스로 개발하게 되면 

그런 지점을 해소할 수 있단 인사이트를 얻었다. 

당 실습과정에서는, AI 어플리케이션 부분만 발췌하여 개발 과정을 이원화 시킨 후, 

리서치 느낌으로 AI에 해당하는 UX를 연구할 수 있는 가능성을 엿보았다. 

물론, AI 어플리케이션과 일반 어플리케이션을 어떻게 영리하게 분리해낼 것이냐는 

또 다른 과제이나, 상호 역량이 무르익은 기획자와 개발자 그룹에서는 충분히 해낼 수 있다고 본다. 

 

 

2. 

알고만 지내던 플레이 그라운드 기능을 써볼 수 있는 기회가 되어 좋았다.

클라우드 내에서는 다양한 파운데이션 모델을 동시 테스트 할 수 있으므로

이 부분은 기술에 대한 감적인 부분을 피드업하는 데에도 유용할 것이다. 

 

 

3. 

실습과정 중, 데이터에 대한 SA분들의 인사이트를 중간 중간 들을 수 있는 부분이 좋았다.

AI가 공백문자를 어떻게 다루는지 감적으로 파악이 가능했고,

이미지와 영상 등의 non-sequential data를 처리하는 어플리케이션에 대해서

내가 어떻게 데이터를 만들자라는 RQMT를 만들 수 있을지 생각해볼 수 있었다.

 

결국 업무 파이프라인, 그리고 최종적으로 고객 여정에서 어떻게 프로덕트가 소비될지를 상상하며 

거기에 맞춰서 어플리케이션을 만들 계획을 하고

거기에 맞춰서 데이터를 만들면 
AI 프로덕트의 비예측성을 확실히 조절할 수 있겠다 생각이 들었다.
 

결국, 인위적인  파싱과 데이터 세그멘테이션을 얼마나 잘하느냐가,

AI 개발자가 아닌 AI B2B 소비자 그룹에게는 키 요소가 된다. 

즉, 비즈니스 관점의 개념적이고 논리적인 생각들을  

물리적인 데이터에 어떻게 반영해야겠다는 관점을 생성해낼 수 있느냐 없느냐가 중요하다. 

이번 실습을 통해, '이 역량의 유뮤가 AI 어플리케이션 간 큰 격차를 만들 수 있다'라는

기존에 내가 갖고 있던 생각이 더욱 공고하고 논리적이어지는 기회가 되어주었다.