기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 벡터 데이터베이스 사용 사례
다음 예제에서는 다양한 벡터 데이터베이스 옵션을 효과적으로 사용하여 지식 관리를 개선하고, 운영 효율성을 개선하고, 더 나은 비즈니스 성과를 제공하는 방법을 강조합니다. 이러한 사용 사례는이 가이드의 앞부분에서 설명한 벡터 데이터베이스 솔루션의 실제 애플리케이션을 설명하고 실제 성능과 이점에 대한 인사이트를 제공합니다.
## Amazon Kendra를 사용한 지식 관리
**고객 문제** - 일본에서 가장 큰 일반 계약업체 중 하나가 숙련된 직원이 감소하고 있었습니다. 이 회사는 경험 담당자의 지식과 기술을 젊은 세대로 효율적으로 이전할 수 있는 방법이 필요했습니다. 복잡한 건설 엔지니어링 지식과 과거 경험을 캡처하고 전파하는 솔루션이 필요했습니다.
**AWS 솔루션** -이 문제를 해결하기 위해 고객은 내부 지식 기반을 빠르고 정확하게 처리하고 자연어 쿼리를 허용할 수 있는 AI 솔루션인 Amazon Kendra를 선택했습니다. Amazon Kendra를 사용하면 이제 직원들이 훨씬 더 빠르게 필요한 정보를 찾아 생산성을 개선하고 숙련된 직원에서 더 낮은 직원으로의 지식 이전을 촉진할 수 있습니다.
**영향** - Amazon Kendra로 구동되는 생성형 AI 챗봇을 구현하여 통합 지식 플랫폼을 만들었습니다. 챗봇을 사용하면 직원이 기술 지식과 건설 엔지니어링에 대한 과거 경험에 빠르게 액세스할 수 있습니다. 이 솔루션은 조직 내 지식 이전 및 의사 결정 프로세스의 효율성을 크게 개선하여 모든 직원이 쉽게 액세스할 수 있는 귀중한 전문 지식을 유지하는 데 도움이 되었습니다.
다른 고객 사용 사례에 대한 자세한 내용은 [Amazon Kendra 고객을](https://aws.amazon.com/kendra/customers/?p=pm&c=ml&pd=kd&z=5) 참조하세요.
## OpenSearch Serverless를 사용한 실시간 분석
**고객 문제** - 선도적인 금융 서비스 공급자는 엄청난 데이터 에코시스템을 관리하는 문제에 직면했습니다. 연간 3억 개의 권한 부여와 900억 개의 트랜잭션을 처리하여 약 1.1페타바이트(PB)의 데이터에 누적되었습니다. 6,000개 이상의 보고서에 액세스해야 하는 300,000명의 사용자에게 서비스를 제공하는 기존 시스템은 글로벌 일관성을 제공하고 실시간 의사 결정을 가능하게 하기 위해 현대화가 필요했습니다.
** AWS 솔루션** - 솔루션 아키텍처는 Amazon Bedrock을 통해 사용할 수 있는 파운데이션 모델(Anthropic, Sonnet 3, Sonnet 3.5 및 자연어 처리를 Haiku) 위해를 사용했습니다. 고객은 뛰어난 확장성과 대량 데이터 볼륨을 효율적으로 처리할 수 있는 기능을 위해 OpenSearch Serverless를 벡터 데이터베이스로 선택했습니다. 이 아키텍처를 통해 복잡한 쿼리를 원활하게 처리하고 동적 보고서를 생성할 수 있었습니다.
**영향 **- 구현을 통해 100개 이상의 비즈니스 인텔리전스 대시보드를 수동으로 생성할 필요가 없어 생산성이 50% 향상되었습니다. 이제 사용자는 응답 시간이 20\$140초인 자연어 쿼리를 통해 보고서를 생성할 수 있습니다.
다른 고객 사용 사례에 대한 자세한 내용은 [Amazon OpenSearch Serverless](https://aws.amazon.com/opensearch-service/features/serverless/)를 참조하세요.