Bedrock의 TwelveLabs Pegasus 1.5, 영상 분석을 요약 그 너머로 확장하다

TwelveLabs는 AWS 고객에게 Bedrock의 Pegasus 1.5를 제공하기 시작하며, 개별 클립에 대한 질문에 답하는 수준을 넘어선 타임스탬프 기반 영상 추출 기능을 추가했다. AI 모델에 접근할 수 있도록 하는 AWS의 관리형 서비스인 Amazon Bedrock은 이제 영상 소스에서 애플리케이션 데이터로 이어지는 더 직접적인 경로를 제공한다.

중요한 변화는 모델이 영상을 시청한 뒤 무엇을 하는가에 있다. 요약은 사람이 녹화물을 이해하도록 돕는다. 반면 라벨이 지정된 순간들의 집합은 애플리케이션이 필터링하고, 검색하고, 검토용으로 제시할 수 있는 대상이 된다.

이는 전문 영상 추출 기능을 영상 이해도 지원하는 Google's Gemini 같은 범용 모델과 나란히 놓는다. 핵심 긴장은 유용한 답변을 생성하는 것과 지속적인 워크플로를 뒷받침할 만큼 신뢰할 수 있는 기록을 생성하는 것 사이에 있다.

Bedrock의 Pegasus 1.5가 실제로 바꾸는 것

AWS는 2026년 10월 9일 이용 가능 여부를 발표한 뒤, 10월 19일 상세 기술 가이드를 게시했다. 이 날짜들은 서비스 발표와 기능에 관한 더 새로운 설명을 구분한다. video metadata announcement는 이용 가능 시점을 뒷받침한다.

결정적인 추가 기능은 영상 내용에 관한 하나의 답변이 아니라, 영상 전반의 이벤트를 중심으로 구성된 출력 형식이다.

메타데이터는 자산 또는 그 안의 특정 시점에 연결된 설명 정보다. 여기서 타임스탬프는 이 정보를 원본 영상과 연결한다. 애플리케이션은 이러한 연결을 이용해 사람이 수동으로 찾도록 하는 대신 관련 구간을 열 수 있다.

AWS는 고객이 식별하려는 이벤트를 지정하는 방식을 설명한다. 그러면 모델은 설명 필드와 시간 경계를 포함한 일치 구간을 반환한다. 이는 이벤트의 정의 자체가 제품의 실질적 가치에 포함됨을 뜻한다.

편집팀과 광고팀은 같은 녹화물을 보면서도 서로 다른 정보를 찾을 수 있다. 편집자는 주제 전환이나 인터뷰 구간을 원한다. 광고주는 특정 제품의 등장 장면을 원한다. 어느 쪽도 보이는 모든 것에 대한 보편적 설명을 필요로 하지는 않는다.

이 구분은 요약이 중요도에 따라 정보를 압축하기 때문에 중요하다. 추출 작업은 정의된 규칙에 따라 포괄적으로 찾아내도록 요청한다. 두 목표는 겹치지만, 한쪽에서 성공했다고 다른 쪽의 성공이 입증되는 것은 아니다.

간결한 요약은 눈에 띄지 않는 제품 노출을 빼더라도 틀린 것은 아닐 수 있다. 하지만 고객의 목적이 그것을 찾는 데 있다면, 등장 기록은 같은 구간을 누락해서는 안 된다. 따라서 출력 형식은 구매자가 무엇을 측정해야 하는지도 바꾼다.

AWS는 고객이 텍스트 설명에만 의존하지 않고 모델에 객체를 보여줄 수 있는 참조 이미지 프롬프팅도 설명한다. video segmentation walkthrough는 제품 및 로고 매칭 사례를 보여준다.

세그멘테이션은 지정된 기준에 따라 영상을 시간 경계가 있는 구간으로 나누는 것을 뜻한다. 이는 결과에 위치와 범위를 부여한다. 다른 시스템이 클립을 표시하거나, 편집을 제안하거나, 검토 대기열을 구성해야 할 때 이러한 경계는 중요하다.

따라서 이 발표는 모델에 요청할 수 있는 작업의 변화로 읽어야 한다. 반환된 모든 이벤트가 정확하다는 뜻은 아니다. 이벤트를 요청하고, 점검하고, 활용하기 위한 더 명시적인 구조가 마련됐다는 의미다.

엔터프라이즈 구매자에게 이 구조는 구체적인 평가 질문을 만든다. 반환된 기록이 사람들이 영상 소스에 관해 실제로 내리는 결정을 뒷받침할 수 있는가? 인상적인 설명만으로는 답할 수 없다.

영상 팀은 다른 구매 결정을 마주한다

직접적인 압력은 녹화물을 활용 가능한 기록으로 전환하는 팀과, 그 작업을 분리된 단계로 판매하는 공급업체에 가해진다.

인터뷰, 프레젠테이션, 완성된 프로그램을 보관한 가상의 미디어 아카이브를 생각해 보자. 직원들은 파일명과 기존 설명을 검색할 수 있다. 존재한다면 대본도 검색할 수 있다. 하지만 화면에 보이는 제품, 제스처, 슬라이드는 다른 검색 문제를 만든다.

음성으로 언급된 내용과 시각적으로 등장한 대상은 서로 다른 종류의 증거다. 진행자는 제품을 보여주지 않고도 언급할 수 있다. 제품은 진행자 뒤에 소리 없이 나타날 수 있다. 사용자들이 시각적 존재를 중요하게 여긴다면, 유용한 아카이브는 이 차이를 보존해야 한다.

여기서 구조화된 영상 분석은 구매 논의를 바꾼다. 고객은 서비스가 운영용 카탈로그를 채울 수 있는지 평가한다. 그러려면 문장이 정확해 보이는지 판단하는 것 이상이 필요하다.

기록에는 안정적인 의미가 필요하다. “제품 등장”이라는 라벨이 어떤 때는 음성 언급을, 어떤 때는 화면 속 객체를 뜻한다면 필터링은 신뢰할 수 없게 된다. 사용자는 기록의 관련성을 신뢰하기 전에 그것이 무엇을 주장하는지 이해해야 한다.

잠재적 이점은 반복 검색과 수작업 설명을 줄이는 데 있다. 다만 이 발표는 보편적인 노동 절감 수치를 제시할 근거를 제공하지 않는다. 아카이브마다 보유 영상이 다르고, 기존 워크플로의 검토 부담도 다르다.

상세한 사람이 만든 라벨이 있는 잘 정리된 컬렉션은 라벨이 없는 영상 라이브러리와 다른 기회를 제공한다. 자동화 서비스는 전자에는 큰 가치를 더하지 못할 수 있지만, 후자는 더 쉽게 탐색하도록 만들 수 있다. 구매자는 실제 기준선에서 출발해야 한다.

내부 소프트웨어 팀에도 압력이 있다. 모델이 구조화된 기록을 반환하기 시작하면, 비즈니스 사용자는 그 기록이 왜 기존 도구에 표시될 수 없는지 합리적으로 물을 수 있다. 까다로운 작업은 권한, 인터페이스, 수정 처리, 통합으로 옮겨간다.

그렇다고 전문 미디어 소프트웨어의 역할이 사라지는 것은 아니다. 편집자는 여전히 자신의 제작 환경을 이해하는 도구가 필요하다. 추출 서비스는 그러한 도구가 사용자를 또 다른 단절된 인터페이스로 몰아넣지 않고 출력을 활용할 수 있을 때 더 가치 있어진다.

같은 논리는 녹화된 업무 지식에도 적용된다. 관련 구간을 찾는 일은 유용하지만, 독자는 맥락, 책임 주체, 접근 가능한 출처도 필요하다. 더 폭넓은 searchable knowledge base는 발견 가능성과 추적 가능성에 관한 유사한 질문을 제기한다.

Pegasus가 이 전체 경험을 자동으로 제공하는 것은 아니다. 기회는 이를 제공하는 애플리케이션에 더 유용한 원본 기록을 공급하는 데 있다. 프로젝트 범위를 정의하는 구매자에게 추출과 지식 관리의 경계는 여전히 중요하다.

따라서 실질적인 경쟁 압력은 아키텍처에 있다. 팀은 영상 카탈로깅의 어느 부분에 별도 구성 요소가 필요한지 재검토해야 한다. 또한 모델이 초기 출력을 생성한 뒤에도 어떤 책임이 남는지 식별해야 한다.

타임스탬프 기반 기록이 애플리케이션의 가능성을 바꾼다

타임스탬프는 애플리케이션이 이를 정의된 이벤트, 원본 자산, 검토 결정과 연결할 수 있을 때 운영상 유용해진다.

애플리케이션이 파싱할 수 있는 구조화된 텍스트 형식인 JSON은 이러한 기록을 시스템 간에 전달하는 일반적인 방식이다. 그 유용성은 예측 가능한 구성에서 나온다. 후속 애플리케이션은 이벤트 설명과 관련 시간 범위를 어디에서 찾아야 하는지 알아야 한다.

이러한 구성은 모델 응답과 사용자 인터페이스의 관계를 바꾼다. 문단은 대개 소프트웨어가 조치하기 전에 해석이 필요하다. 구조화된 기록은 타임라인, 카탈로그 또는 모더레이션 대기열의 항목이 될 수 있다.

모델의 설명은 여전히 면밀한 검토가 필요하다. 구조화된 형식은 정보를 더 쉽게 처리하게 할 뿐, 진실성을 보장하지는 않는다. 소프트웨어가 수용할 수 있는 형식으로 제공되더라도 잘못된 라벨은 여전히 잘못된 라벨이다.

AWS의 model request parameters는 일반 분석과 시간 기반 메타데이터 생성을 구분한다. 이 문서는 2 GB 미만 파일의 경우 최대 2시간 길이 영상을 지원한다고 명시한다.

이 제한은 표면적인 수치를 넘어 실질적 의미를 갖는다. 길이와 파일 크기는 자산의 서로 다른 속성을 제약한다. 인코딩에 따라 녹화물은 길이 제한에는 맞지만 파일 제한을 초과할 수 있다.

구매자에게 중요한 질문은 대표적인 원본 파일이 문서화된 입력 요구 사항에 맞는지다. 편리한 샘플을 활용한 성공적인 시연은 조직의 실제 아카이브에 필요한 준비 작업을 거의 말해주지 않는다.

문서는 세그먼트 정의와 관련된 응답 완료 정보와 오류도 제공한다. 애플리케이션은 빈 결과와 실패한 작업을 구분해야 한다. 그렇지 않으면 추출 실패가 관련 이벤트가 없는 영상과 구별되지 않게 보일 위험이 있다.

이는 모호한 구현 세부 사항이 아니라 운영상의 구분이다. “일치 항목 없음”을 보는 검토자는 시스템이 검색을 완료했는지 알아야 한다. 결과가 결정에 영향을 주는 곳이라면 소프트웨어는 이 차이를 보존해야 한다.

참조 이미지는 이벤트 정의에 또 하나의 차원을 더한다. 서로 다른 제조사의 유사한 기기가 포함된 가상의 제품 리뷰를 상상해 보자. 시각적 참조는 일반적인 제품 범주보다 더 구체적인 목표를 작업에 부여한다.

하지만 의도한 규칙은 여전히 중요하다. 검토자가 원하는 것은 포장, 실물 기기, 아니면 화면에 표시된 이미지인가? 일부가 가려진 등장은 포함해야 하는가? 어떤 증거가 기준을 충족하는지는 고객이 정해야 한다.

이는 기술 구성으로 표현되는 편집 또는 비즈니스 선택이다. 이를 암묵적으로 두면 검토자들이 모델이 오류를 냈는지에 대해 의견이 갈릴 수 있어 평가가 더 어려워진다. 정확한 정의는 판단을 위한 공통 기반을 만든다.

유용한 기록에는 모델의 즉각적인 응답 밖의 맥락도 필요하다. 애플리케이션은 원본 식별 정보와 추출 정의의 버전을 보존해야 한다. 그런 이력이 없으면 작업이 변경된 뒤 이전 결과와 새 결과를 비교하기 어려워진다.

Bedrock의 Pegasus 1.5에서 제품 기회는 이러한 요소들을 연결하는 데서 나온다. 정의된 이벤트는 시간 경계가 있는 기록이 되고, 그 기록은 사람이 점검하거나 애플리케이션이 구성할 수 있는 대상이 된다.

최종 인터페이스가 영상으로 돌아가는 경로를 보존할 때 변화는 가장 의미 있어진다. 접근 가능한 증거가 없는 확신에 찬 라벨은 사용자의 불확실성을 다른 곳으로 옮길 뿐이다.

Gemini는 경쟁 비교를 정직하게 유지한다

TwelveLabs는 영상 추출 워크플로의 유용성을 두고 경쟁하고 있으며, 범용 모델도 이미 관련 영상 기능을 제공한다.

Google의 video understanding documentation은 오디오와 시각 콘텐츠 처리, 질문 응답, 타임스탬프가 포함된 설명 생성을 설명한다. 또한 구성 가능한 영상 샘플링을 문서화하며, 기본 샘플링에서는 빠른 변화의 세부 사항이 사라질 수 있다고 경고한다.

따라서 범용 모델에 영상 이해 기능이 없다는 절대적 주장은 성립하기 어렵다. 구매자는 이미 영상을 분석하고 이벤트를 설명할 수 있는 대안을 보유하고 있다. 비교는 활용 가능한 결과에 도달하기 위해 필요한 작업에 초점을 맞춰야 한다.

가끔 녹화본에 대한 설명이 필요한 팀이라면 범용 모델이 적절한 출발점이 될 수 있습니다. 주변 애플리케이션이 이미 문서, 이미지 및 기타 작업에 해당 모델을 사용하고 있을 수도 있습니다. 이를 재사용하면 조직 차원에서 매력이 있습니다.

동일한 이벤트 범주를 반복적으로 추출하는 팀이라면 전문 인터페이스를 평가할 가치가 있습니다. 핵심은 해당 작업 구조가 맞춤형 작업을 줄이고 팀의 품질 요구사항을 충족하는 레코드를 생성하는지 여부입니다.

모델 범주만으로 어느 쪽이 우위에 있다고 단정할 수는 없습니다. 전문 제품도 이벤트를 놓치거나 경계가 모호한 결과를 낼 수 있습니다. 범용 모델도 그 기능이 영상과 추출 작업에 부합한다면 좋은 성과를 낼 수 있습니다.

가장 공정한 비교는 동일한 소스 자산과 이벤트 정의를 사용합니다. 기대되는 출력도 일관되게 유지해야 합니다. 전문 추출 작업을 느슨하게 표현된 요약 요청과 비교해서는 얻을 수 있는 정보가 거의 없습니다.

구매자는 이벤트 감지와 서술 품질을 구분해야 합니다. 모델은 식별된 구간을 정확히 설명하면서도 다른 관련 구간을 놓칠 수 있습니다. 올바른 이벤트를 식별하더라도 추가 편집 작업을 유발하는 경계를 지정할 수도 있습니다.

이러한 차이는 고객이 워크플로에서 오류를 경험하기 때문에 중요합니다. 누락된 구간은 검색을 어렵게 합니다. 지나치게 넓은 구간은 검토를 늦춥니다. 잘못된 설명은 무엇을 열어볼지 결정하는 사람을 오도합니다.

개발 노력에 관한 별도의 질문도 있습니다. 단독으로는 좋은 성과를 내는 모델이라도 광범위한 주변 로직이 필요할 수 있습니다. 다른 서비스는 약간 다른 결과를 내더라도 고객의 기존 애플리케이션에 더 쉽게 맞출 수 있습니다.

따라서 통합 노력도 비교의 일부이지만 품질을 대체할 수는 없습니다. 편리한 출력은 용납할 수 없는 누락을 보완하지 못합니다. 마찬가지로, 미미한 정확도 향상이 호환되지 않는 인터페이스를 중심으로 애플리케이션을 재구축할 만큼 정당화되지는 않을 수 있습니다.

경쟁의 핵심은 공급업체가 증거를 제시하는 방식까지 확장됩니다. 구매자는 영상, 정의 및 채점 규칙을 공개하는 작업별 평가의 혜택을 받습니다. 비디오 인텔리전스에 관한 포괄적인 주장은 운영상 유용성을 결정하는 차이를 가립니다.

따라서 이번 출시를 대하는 절제된 대응은 승자를 선언하는 것이 아니라 더 면밀히 비교하는 것입니다. TwelveLabs는 구조화된 비디오 추출을 위한 더 명확한 제품 제안을 제시했습니다. 범용 모델은 여전히 관련 있는 대안이며, 각 접근 방식이 어디에 적합한지는 고객의 영상이 결정해야 합니다.

AWS 제공 여부가 신뢰성이나 거버넌스를 해결하지는 않는다

Bedrock 액세스는 배포 경로를 제공할 뿐이며, 고객은 여전히 추출 품질, 운영 특성 및 허용되는 데이터 이동에 관한 근거를 필요로 합니다.

Bedrock 모델 카드에 따르면 Pegasus 1.5는 요청을 여러 AWS 리전으로 라우팅하는 리전 간 추론을 사용합니다. 리전 내 추론이 아니라 미국 지리적 프로필과 글로벌 프로필을 나열합니다.

처리가 AWS 내부에 머문다는 설명을 구매자가 들을 때 이 차이는 중요합니다. 클라우드 제공업체 경계와 지리적 처리 경계는 서로 다른 질문에 답합니다. 위치별 의무가 있는 조직은 선택한 라우팅 방식을 검토해야 합니다.

관리형 서비스에 모델이 존재한다고 해서 해당 서비스의 다른 곳에서 제공되는 모든 기능을 지원한다는 의미도 아닙니다. 구매자는 플랫폼 이름만으로 호환성을 추론하지 말고 모델별 문서를 검토해야 합니다.

동일한 주의가 이식성에도 적용됩니다. 제공업체의 직접 서비스를 위해 구축된 애플리케이션은 모든 요청 세부 정보가 변경 없이 Bedrock으로 이전된다고 가정해서는 안 됩니다. 팀은 실제로 배포하려는 인터페이스를 검증해야 합니다.

이는 해결 가능한 통합 문제이지만, 파일럿이 의존성으로 자리 잡기 전에 주의를 기울일 필요가 있습니다. 초기 시연은 종종 요청이 성공할 수 있다는 사실만 증명합니다. 프로덕션 사용에는 문제가 발생했을 때 애플리케이션이 어떻게 동작하는지 아는 것이 필요합니다.

품질 평가에도 유사한 엄격함이 필요합니다. 완전해 보이는 타임라인은 모델이 놓친 이벤트를 드러내지 않습니다. 검토자는 합의된 정의에 따라 관련 이벤트가 이미 식별된 영상, 즉 참조 세트가 필요합니다.

핵심 측정치는 반환된 이벤트 중 올바른 이벤트의 비율인 정밀도와 관련 이벤트 중 찾아낸 비율인 재현율입니다. 두 지표의 상대적 중요성은 출력이 뒷받침하는 의사결정에 따라 달라집니다.

사용자가 빠르게 제외할 수 있다면 탐색 인터페이스는 일부 관련 없는 제안을 허용할 수 있습니다. 누락된 이벤트를 부재의 증거로 취급하는 워크플로는 더 큰 주의가 필요합니다. 허용 가능한 균형은 비즈니스 결과가 결정합니다.

경계 품질도 별도로 주목할 만합니다. 모델은 올바른 발생 사례를 식별하면서도 너무 늦게 시작하거나 너무 일찍 끝낼 수 있습니다. 그 결과 클립에는 검토자가 무슨 일이 일어났는지 이해하는 데 필요한 맥락이 빠질 수 있습니다.

따라서 사람의 검토에는 여러 역할이 있을 수 있습니다. 레이블을 수정하거나, 시간 범위를 조정하거나, 모호한 정의를 해소하거나, 원본 구간을 검토할 수 있습니다. 모든 검토를 하나의 부담으로 취급하면 시스템이 어디에서 도움이 되는지 파악하기가 더 어려워집니다.

이번 발표는 고객이 이러한 책임을 없앨 수 있다는 독립적인 증거를 제공하지 않습니다. 기능과 의도된 사용 사례를 설명합니다. 신뢰할 수 있는 자동화에 관한 주장은 고객 고유의 조건에서 평가되어야 합니다.

민감한 영상은 액세스 및 보존과 관련해 추가 질문을 제기합니다. 생성된 레코드는 원본 녹화물을 찾기 어렵더라도 정보를 드러낼 수 있습니다. 애플리케이션은 소스 파일뿐 아니라 파생된 설명에도 적절한 권한을 적용해야 합니다.

지식 관리 측면의 결과도 있습니다. 추출된 레코드가 유통되면 사람들은 그 출처나 수정 이력을 놓칠 수 있습니다. 개인용 및 공유형 AI 지식 베이스의 구분은 누가 그러한 레코드를 열람하고 유지해야 하는지 이해하는 데 도움이 됩니다.

Bedrock의 Pegasus 1.5에서 이러한 고려 사항은 모델을 둘러싼 구현 작업을 규정합니다. 제공 발표를 부정하는 것은 아닙니다. 기업이 출력에 의존하기 전에 무엇을 검증해야 하는지를 보여줍니다.

세 가지 신호가 도입의 향방을 보여줄 것이다

다음으로 의미 있는 근거는 측정된 추출 품질, 후속 활용, 그리고 고객이 모델 주변에서 계속 수행해야 하는 작업량에 관한 것입니다.

첫 번째 신호는 대표적인 장편 영상에 대한 재현 가능한 평가입니다. 이벤트 정의, 기대 결과 및 반환된 구간을 채점하는 데 사용한 방법을 공개해야 합니다. 이러한 세부 정보가 없다면 눈에 띄는 정확도 주장은 제한적인 지침만 제공합니다.

평가는 깔끔한 시연에만 전적으로 의존하지 말고 어려운 사례도 드러내야 합니다. 모호한 등장, 겹치는 이벤트 및 변화하는 시각적 조건은 사람의 판단이 여전히 필요한 지점을 보여주는 데 도움이 됩니다. 구매자는 평균 성과뿐 아니라 실패 패턴도 이해해야 합니다.

Pegasus가 유용한 경계와 함께 관련 구간을 일관되게 찾아낸다는 증거는 전문 제품으로서의 제안을 강화할 것입니다. 광범위한 수동 수정이 계속 필요하다는 증거는 자동화가 실질적 이점을 제공하는 작업의 범위를 좁힐 것입니다.

두 번째 신호는 기존 업무 도구 내부에서의 배포입니다. 관련 소스 구간을 여는 카탈로그는 독립형 응답 뷰어와는 다른 수준의 유용성을 보여줍니다. 추출을 사용자가 이미 수행해야 하는 작업과 연결합니다.

가장 강력한 도입 증거는 레코드가 워크플로에 어떻게 들어가고 사람들이 이를 어떻게 수정하는지 설명할 것입니다. 정의나 모델이 바뀔 때 이러한 수정 사항에 계속 접근할 수 있는지도 설명해야 합니다. 이는 파일럿이 비디오를 성공적으로 처리했다는 보고보다 더 많은 정보를 제공합니다.

새로운 관리 작업을 감추지 않으면서 반복적인 검토가 줄었다는 사실을 보여준다면 공개된 고객 경험은 사례를 강화할 것입니다. 시연에만 국한된 결과는 더 광범위한 도입 여부를 열린 질문으로 남길 것입니다.

세 번째 신호는 주변 제품 및 인터페이스의 대응입니다. 더 명확한 문서, 더 편리한 통합, 신뢰할 수 있는 이벤트 레코드 생성 작업을 줄이는 경쟁 개선 사항을 주시해야 합니다. 이러한 발전이 고객에게 여전히 필요한 전문 엔지니어링의 양을 결정합니다.

경쟁 모델이 의사결정을 바꾸기 위해 동일한 인터페이스를 복제할 필요는 없습니다. 더 나은 작업 성능이나 더 쉬운 통합이 비교 결과에 영향을 줄 수 있습니다. 마찬가지로 Pegasus 주변의 더 강력한 지원은 기존 기능의 도입을 더 쉽게 만들 수 있습니다.

이러한 신호는 함께 고려해야 합니다. 사용할 수 있는 통합 없는 더 나은 추출은 작업을 미완성 상태로 남깁니다. 충분한 품질 없는 편리한 통합은 또 다른 검토 부담을 만듭니다. 지속 가능한 제품에는 고객이 이해할 수 있는 운영 특성이 뒷받침하는 두 요소가 모두 필요합니다.

개발자에게 당장의 기회는 성공 여부를 검토할 수 있는 좁은 작업을 정의하는 것입니다. 기업 구매자에게는 그 작업을 비즈니스 의사결정에 연결하는 일입니다. 지식 근로자에게는 녹화물 내부의 증거에 더 쉽게 접근하는 것입니다.

팀이 이미 이해하는 녹화물과 사람들이 현재 수작업으로 찾는 이벤트 범주부터 시작하세요. 모델 결과를 비교하기 전에 모호한 사례를 포함해 어떤 조건이 해당되는지 기록하세요. 누락된 구간과 반환된 일치 항목을 함께 검토하고, 둘 모두를 수정하는 데 필요한 노력도 고려하세요. 그런 다음 누군가 실제로 사용할 애플리케이션까지 레코드를 따라가 보세요. 사용자는 맥락을 잃지 않고 소스를 검토하고, 레이블을 이해하고, 실수를 수정할 수 있나요? Bedrock의 Pegasus 1.5는 AWS 고객이 이 실험에 더 쉽게 접근할 수 있게 합니다. 이를 사용해 구체적인 워크플로를 시험하고, 사람들이 필요한 순간을 찾아 검증할 수 있는지로 결과를 판단하세요.