개요 : 이 워크숍에서 우리는 회사 연구를 수행하고 투자 포트폴리오를 생성할 수 있는 GenerativeAI 애플리케이션을 개발하기 위한 흥미로운 여정을 시작했습니다. Amazon Bedrock 및 Streamlit을 활용하여 다양한 AWS 서비스를 원활하게 통합하여 재무 분석 및 의사 결정 영역에서 클라우드 컴퓨팅의 힘을 입증했습니다.

​
주요 성과

AWS에 Amazon Bedrock 에이전트 설정 : 도메인 데이터와 아티팩트를 저장하기 위한 S3 버킷을 성공적으로 설정했습니다. FOMC 문서의 경제 및 금융 데이터를 통합하여 Bedrock 에이전트를 위한 지식 기반이 구성되었습니다. 우리는 애플리케이션의 고유한 요구 사항에 맞춰 Lambda 함수인 “PortfolioCreator-actions”를 생성하고 구성했습니다.

Knowledge base 구축 : 참가자들은 Knowledge base를 설정하고 Bedrock 에이전트와 동기화하는 실습 경험을 얻었습니다. 우리는 지능형 데이터 해석을 위해 Anthropic: Claude V1.2 모델을 활용하는 데 중점을 두었습니다.

AWS Lambda 함수 구성 : Lambda 함수를 이용하여 기능을 구현하기 위해 Python 3.12을 활용했습니다. 워크숍에서는 리소스 정책 적용 및 Lambda 함수 배포에 대한 통찰력을 제공했습니다.

에이전트 및 작업 그룹 설정 : “PortfolioCreator” 에이전트를 생성하여 운영 규칙을 정의하고 Lambda 함수를 통합할 수 있었습니다. 상담원 별칭을 만들고 포트폴리오 생성, 회사 조사 및 이메일 전송을 위한 작업 그룹을 구현하는 프로세스를 강조했습니다.

Streamlit 애플리케이션 배포 : Cloud9 환경을 설정하고 Streamlit 애플리케이션을 배포했습니다. 참가자들은 AI 에이전트와 상호 작용하기 위한 사용자 친화적인 인터페이스를 제공하는 Streamlit 앱을 탐색, 구성 및 실행하는 방법을 배웠습니다.

실제 적용 : 워크숍 전반에 걸쳐 우리는 다음과 같은 실제 적용을 강조했습니다. 실제 프롬프트로 지식 기반과 에이전트를 테스트합니다. 수익 데이터를 기반으로 투자 포트폴리오를 생성하고 회사별 조사를 수행하는 등의 시나리오를 탐색합니다.

영향 및 시사점 : 워크숍은 참가자들에게 기술적 노하우를 제공했을 뿐만 아니라 Amazon Bedrock의 에이전트가 다른 여러 영역과 함께 재무 분석 및 투자 전략을 혁신할 수 있는 방법에 대한 폭 넓은 이해를 제공했습니다. 이러한 실무 경험은 금융 부문 내에서 데이터 기반 의사 결정에 대한 혁신적인 접근 방식을 제안했습니다.