패턴 5: 접지된 에이전트 AI 워크플로 - AWS 권장 가이드
기반 에이전트 AI 워크플로: 신뢰와 컨텍스트를 갖춘 자율 인텔리전스사용 사례: 소매 고객 서비스 에이전트이 패턴에서 Amazon Bedrock Agents의 주요 기능기반 에이전트 AI 워크플로 패턴에 대한 거버넌스 및 제어 모범 사례기본 에이전트 AI 워크플로 패턴의 비즈니스 가치

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

패턴 5: 접지된 에이전트 AI 워크플로

대규모 언어 모델(LLMs)은 강력하지만 기본적으로 제한되지 않습니다. 독점 데이터, 비즈니스 규칙 또는 운영 제약 조건에 대한 인식이 부족하여 사용자 또는 시스템과 직접 상호 작용할 위험이 있습니다.

기업은 다음과 같은 일반적인 문제에 직면합니다.

  • LLMs 답을 모를 때 환각을 일으켜 신뢰 및 규정 준수에 위험을 초래합니다.

  • 응답에는 도메인별 사실, 정책 또는 실시간 상태(예: 주문, 계정 및 권한)의 근거가 없습니다.

  • 동적 작업 자동화(예: 주문 조회, 지원 분류 및 IT 작업)에는 텍스트 생성뿐만 아니라 실제 APIs 및 도구를 호출해야 하는 경우가 많습니다.

  • 기존 의도 라우터, 대화 관리자 및 규칙 기반 흐름을 구축하는 것은 비용이 많이 들고, 부서지기 쉽고, 확장할 수 없습니다.

이러한 문제를 해결하기 위해 기업은 지능적으로 추론하고 자율적으로 행동하며 실제로 기반을 유지하는 에이전트를 원합니다.

기반 에이전트 AI 워크플로: 신뢰와 컨텍스트를 갖춘 자율 인텔리전스

기본 에이전트 AI 워크플로 패턴은 Amazon Bedrock Agents를 사용하여 의미론 추론, 도구 호출 및 지식 기반을 오케스트레이션합니다. 에이전트를 사용하면 AI 어시스턴트가 엔터프라이즈 APIs.

간단한 챗봇 또는 정적 LLM 프롬프트와 달리 Amazon Bedrock 에이전트는 다음을 수행합니다.

  • 자연어 목표를 해석합니다.

  • ( AWS Lambda 함수를 사용하여) 도구를 동적으로 선택하고 호출합니다.

  • 지식 기반을 검색하거나 쿼리하여 엔터프라이즈 정보를 기반으로 합니다.

  • 추적성과 실행 가능성을 갖춘 상황별 다단계 응답을 반환합니다.

참조 아키텍처는 다음과 같이 각 계층을 구현합니다.

  • 이벤트 트리거 - Amazon API Gateway, 챗봇 UI 또는 지원 포털을 사용하여 Amazon Bedrock을 통해 에이전트 상호 작용을 트리거합니다.

  • 처리 - Lambda를 구현하여 입력 형식을 지정하고, 보안 컨텍스트(예: 사용자 역할 또는 권한)를 적용하고, 메타데이터를 보강합니다.

  • 추론 - Amazon Bedrock 에이전트를 사용하여 프롬프트를 수신하고, Lambda 도구(예: getOrderStatus)를 호출하고, 지식 기반을 통해 근거 작업을 수행하고, 최종 응답을 수집합니다.

  • 사후 처리 - Lambda를 사용하여 에이전트 출력을 검사합니다(예: "주문 손실" 시 에스컬레이션하고 지원 팀에 알림).

  • 출력 - UI에 대한 에이전트 응답을 반환하거나 감사, 훈련 또는 분석을 위해 Amazon Simple Storage Service(Amazon S3) 또는 Amazon OpenSearch Service에 기록합니다.

사용 사례: 소매 고객 서비스 에이전트

글로벌 소매업체는 "주문은 어디인가요?", "반환하고 싶어요.", "반환 배송 비용을 지불해야 하나요?"와 같은 일반적인 고객 문의에 대한 응답을 자동화하려고 합니다.

답변은 고객의 실시간 주문 데이터, 반품 자격 및 타임라인, 리전별 정책과 같은 요인에 따라 달라집니다.

이 사용 사례에 대한 응답으로 에이전트 기반 워크플로는 다음 단계를 따릅니다.

  1. 사용자가 앱 또는 채팅을 사용하여 쿼리를 입력합니다.

  2. API Gateway는 쿼리를 Amazon Bedrock 에이전트로 라우팅합니다.

  3. 에이전트는 다음 작업을 수행합니다.

    • 의도 구문 분석("반환 요청")

    • Lambda 도구를 호출합니다. lookupOrderStatus

    • 지식 기반을 통해 정책 조회를 수행합니다.

    • 적합한 initiateReturn 경우 호출

    • 전체 응답을 작성합니다. "반환이 시작되었습니다. 이메일 메시지에서 레이블을 받을 것으로 예상합니다.”

모든 작업은 엔터프라이즈 가드레일 내에서 근거, 로깅 및 수행됩니다.

이 패턴에서 Amazon Bedrock Agents의 주요 기능

기본 에이전트 AI 워크플로 패턴의 경우 Amazon Bedrock 에이전트는 다음과 같은 주요 기능과 이점을 제공합니다.

  • 도구를 선택하면 에이전트가 각 작업에 대해 올바른 Lambda 함수(도구)를 선택할 수 있습니다.

  • 메모리 및 세션 상태를 통해 에이전트는 차례대로 컨텍스트를 유지할 수 있습니다.

  • 근거가 있는 답변은 Amazon S3에 저장된 지식 기반에서 신뢰할 수 있는 데이터를 검색합니다.

  • 사고 체인(CoT) 추론을 사용하면 에이전트가 복잡한 프롬프트를 하위 목표로 분해하고 순차적으로 작동할 수 있습니다.

  • 보안 컨텍스트를 사용하면 AWS Identity and Access Management (IAM) 및 컨텍스트 파라미터를 사용하여 테넌트, 사용자 또는 역할에 따라 도구의 범위를 지정할 수 있습니다.

기반 에이전트 AI 워크플로 패턴에 대한 거버넌스 및 제어 모범 사례

기반 에이전트 AI 워크플로를 엔터프라이즈 준비 상태로 만들려면 조직은 다음 제어를 고려해야 합니다.

  • 버전 관리 에이전트 구성(예: 도구, 지침 및 지식 기반).

  • 감사 가능성을 위해 구조화된 로그와 추적 IDs 사용합니다.

  • 프롬프트 정책, 허용 목록 및 조정 검사를 적용합니다.

  • 대체 흐름을 정의합니다(예: 사람에게 에스컬레이션하거나 정적 FAQ로 다시 라우팅).

이러한 제어는 Lambda, EventBridge 및 에이전트 코어 AWS Step Functions 주위를 사용하여 오케스트레이션할 수 있습니다.

기본 에이전트 AI 워크플로 패턴의 비즈니스 가치

이 패턴은 다음 영역에서 값을 제공합니다.

  • 고객 경험 - 에스컬레이션 없이 문의의 70~80%에 대한 셀프 서비스 해결을 활성화합니다.

  • 운영 효율성 - 지원 티켓 볼륨 및 분류 오버헤드 감소

  • 해결 시간 - 인적 에이전트를 기다리지 않고 실제 데이터를 사용하여 즉각적인 답변을 제공합니다.

  • 확장성 - 인적 인원 증가 없이 수천 개의 동시 상호 작용을 처리합니다.

  • 도메인 간 재사용 - IT 지원, HR 헬프데스크, 법률 Q&A 등과 같은 여러 도메인에 동일한 패턴을 적용합니다.

기반 에이전트 AI 워크플로를 통해 기업은 제어, 규정 준수 또는 정확성을 유지하면서 정적 Q&A를 넘어 목표 기반 자동화로 전환할 수 있습니다. Amazon Bedrock Agents는 LLM 추론을 안전한 서버리스 API 실행 및 지식 검색과 결합하여 응답뿐만 아니라 작동하는 AI 기능을 제공합니다.

근거가 있는 에이전트는 지능형 엔터프라이즈 상호 작용, 모듈식, 근거가 있고 확장 준비가 완료된 아키텍처입니다.