# DynamoDB에서 에이전틱 AI 사용
Amazon DynamoDB는 어떤 규모에서든 10밀리초 미만의 성능을 제공하는 완전 관리형 서버리스 분산형 NoSQL 데이터베이스입니다. DynamoDB는 처리량이 많은 워크로드에 최적화되어 있으며 생성형 AI 모델과 통합하여 기능을 확장할 수 있습니다. 생성형 AI 모델을 사용하면 DynamoDB 테이블에 저장된 데이터를 실시간으로 작업하고 상황에 맞게 인식되고 고도로 맞춤화된 애플리케이션을 구축할 수 있습니다. 또한 비즈니스, 사용자 및 애플리케이션 데이터를 완전하게 활용하여 생성형 AI 솔루션을 사용자 지정함으로써 최종 사용자 경험을 향상할 수 있습니다.
생성형 AI 및 AWS가 생성형 AI 애플리케이션 구축을 지원하는 솔루션에 대해 자세히 알아보려면 [생성형 AI를 사용하여 비즈니스 전환](https://aws.amazon.com/ai/generative-ai/)을 참조하시기 바랍니다.
**Topics**
+ [DynamoDB용 생성형 AI 사용 사례](#gen-ai-use-case-ddb)
+ [DynamoDB용 생성형 AI 블로그](#gen-ai-blogs)
+ [OpenSearch Service와 DynamoDB의 제로 ETL 통합 활용](ddb-and-amazon-bedrock.md)
+ [DynamoDB를 LangGraph 에이전트의 체크포인트 스토어로 사용](ddb-langgraph-checkpoint.md)
## DynamoDB용 생성형 AI 사용 사례
DynamoDB는 [파운데이션 모델(FM)](https://aws.amazon.com/what-is/foundation-models/)로 구축된 챗봇 및 고객 상담 센터와 같은 AI 기반 대화형 애플리케이션에 널리 사용됩니다. Amazon Bedrock, Amazon SageMaker AI 또는 기타 모델 공급업체를 통해 FM에 액세스할 수 있습니다. 이러한 애플리케이션은 일반적으로 DynamoDB를 사용하여 3가지 데이터 패턴(애플리케이션 데이터, 비즈니스 데이터 및 사용자 데이터) 전반에서 맞춤화를 개선하고 사용자 경험을 향상시킵니다. 이러한 데이터 패턴의 몇 가지 예는 다음과 같습니다.
+ [LangChain](https://js.langchain.com/v0.1/docs/integrations/chat_memory/dynamodb/), [LlamaIndex](https://docs.llamaindex.ai/en/stable/examples/docstore/DynamoDBDocstoreDemo/) 또는 사용자 지정 코드와의 통합을 통해 채팅 메시지 기록 등의 애플리케이션 데이터를 저장합니다. 이 컨텍스트를 통해 모델이 사용자와 전후로 *대화*할 수 있도록 하여 사용자 경험을 향상시킵니다.
+ 인벤토리, 요금 및 설명서와 같은 비즈니스 데이터를 활용하여 사용자 지정 사용자 환경을 조성합니다.
+ 웹 기록, 과거 주문 및 사용자 기본 설정 등의 사용자 데이터를 적용하여 맞춤화된 답변을 제공합니다.
예를 들어 보험 회사는 DynamoDB로 챗봇을 빌드하여 거의 실시간 데이터에 대한 [검색 증강 생성(RAG)](https://docs.aws.amazon.com/sagemaker/latest/dg/jumpstart-foundation-models-customize-rag.html) 기반 생성형 AI 모델에 대한 액세스를 제공할 수 있습니다. 이러한 데이터의 예로는 실시간 모기지 요금, 제품 요금, 규정 준수/표준 계약 사본, 사용자 웹 기록 및 사용자 기본 설정이 있습니다. DynamoDB를 RAG와 결합하면 보험 상품 및 사용자 데이터에 관한 심층적이고 업데이트된 정보가 추가됩니다. 이렇게 하면 프롬프트와 답변이 강화되어 최종 사용자에게 정확하고 맞춤화된 경험을 거의 실시간으로 제공할 수 있습니다.
마찬가지로 금융 서비스 산업 고객은 DynamoDB, [Amazon Bedrock 지식 기반](https://docs.aws.amazon.com/bedrock/latest/userguide/knowledge-base.html) 및 [Amazon Bedrock 에이전트](https://aws.amazon.com/bedrock/agents/)를 사용하여 RAG 기반 생성형 AI 애플리케이션을 구축합니다. 이러한 애플리케이션에서는 오픈 소스 수익 보고서 및 통화 스크립트를 사용할 수 있습니다. 또한 사용자별 포트폴리오와 트랜잭션 기록을 사용하여 향후 전망을 포함한 온디맨드 포트폴리오 요약을 만들 수 있습니다.
## DynamoDB용 생성형 AI 블로그
다음 문서에서는 DynamoDB의 기능을 활용하여 고급 AI 기반 애플리케이션을 구축하는 데 도움이 되는 자세한 사용 사례, 모범 사례 및 단계별 가이드를 제공합니다.
+ [생성형 AI 챗봇용 Amazon DynamoDB 데이터 모델 ](https://aws.amazon.com/blogs/database/amazon-dynamodb-data-models-for-generative-ai-chatbots/)
+ [Amazon DynamoDB, Amazon Bedrock 및 LangChain을 사용하여 확장 가능한 컨텍스트 인식 챗봇 구축](https://aws.amazon.com/blogs/database/build-a-scalable-context-aware-chatbot-with-amazon-dynamodb-amazon-bedrock-and-langchain/)
+ [LangGraph 및 Amazon DynamoDB를 사용하여 내구성이 뛰어난 AI 에이전트 구축](https://aws.amazon.com/blogs/database/build-durable-ai-agents-with-langgraph-and-amazon-dynamodb/)