Halliburton, Amazon Bedrock과 생성형 AI를 활용한 지진 데이터 워크플로 생성 혁신

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

에너지 탐사 기업 Halliburton은 기존에 수동으로 설정하던 복잡한 지진 데이터 처리 워크플로를 자동화하기 위해 AWS와 협력하여 AI 어시스턴트를 개발했습니다. 이 시스템은 Amazon Bedrock의 Claude 3.5 모델과 Nova Lite를 활용하여 사용자의 의도를 분류하고, 82개의 전문 도구 중 적절한 것을 선택해 실행 가능한 YAML 워크플로를 생성합니다. Amazon Bedrock Knowledge Bases를 통한 RAG 아키텍처를 구현하여 기술 문서에 대한 질의응답 기능도 함께 제공합니다. 실제 평가 결과, 기존 수 분이 소요되던 워크플로 생성 시간을 수 초 내로 줄여 95% 이상의 효율 개선과 최대 97%의 성공률을 기록했습니다.

배경

Amazon Bedrock 및 RAG(Retrieval-Augmented Generation) 개념, LLM 에이전트 및 Tool Calling 메커니즘에 대한 이해, YAML 데이터 구조 및 워크플로 설계 지식

대상 독자

산업용 복잡한 워크플로를 AI로 자동화하려는 솔루션 아키텍트 및 LLM 애플리케이션 개발자

의미 / 영향

이 사례는 고도의 전문 지식이 필요한 물리적 탐사 분야에서도 생성형 AI가 전문가의 생산성을 획기적으로 높일 수 있음을 증명합니다. 특히 복잡한 도구 체인을 가진 엔지니어링 소프트웨어들이 에이전트 기반의 대화형 인터페이스로 진화하는 이정표를 제시합니다.

섹션별 상세

기존 지진 데이터 처리 엔진인 Seismic Engine은 약 100개의 전문 도구를 수동으로 설정해야 하는 복잡성과 높은 전문성 요구가 병목 구간이었습니다.

Amazon Nova Lite를 Intent Router로 활용하여 사용자 쿼리를 워크플로 생성, 기술 질의응답(Q&A), 일반 질문의 세 가지 범주로 정확하게 분류합니다.

Intent Router가 Q&A 및 워크플로 에이전트로 쿼리를 전달하는 AWS 아키텍처 다이어그램 — Diagram사용자의 자연어 입력이 App Runner를 거쳐 Nova Lite 기반 Intent Router에 도달한 후, 목적에 따라 Bedrock Knowledge Bases(Q&A) 또는 Workflow Agent로 분기되는 전체 시스템 흐름을 보여줍니다. DynamoDB가 대화 이력을 저장하고 OpenSearch Serverless가 벡터 검색을 담당하는 구조를 명확히 설명합니다.

Amazon Bedrock Knowledge Bases와 OpenSearch Serverless를 결합한 RAG 시스템을 구축하여 방대한 기술 매뉴얼과 도구 문서를 기반으로 정확한 답변을 제공합니다.

Claude 3.5 Sonnet 및 Haiku 모델이 82개의 도구 명세서를 참조하여 자연어 요청을 실행 가능한 YAML 형식의 워크플로로 변환하는 에이전트 기능을 수행합니다.

Tool Calling LLM이 사용자 쿼리와 대화 이력을 처리하여 YAML을 생성하는 과정 — Diagram워크플로 생성 에이전트가 사용자 쿼리, 대화 이력, 그리고 사용 가능한 도구 목록(Tools)을 입력받아 단일 단계(One-Step)로 최종 YAML 워크플로를 출력하는 메커니즘을 도식화했습니다.

Amazon DynamoDB를 활용해 대화 이력을 관리함으로써 사용자가 이전 단계에서 생성된 워크플로를 자연어로 수정하거나 보완할 수 있는 멀티턴 대화 기능을 지원합니다.

성능 평가 결과 Claude 3.5 Sonnet V2는 중급 복잡도 워크플로에서 97%의 성공률을 보였으며, 전체 생성 시간은 16.6초 이내로 나타났습니다.

실무 Takeaway

복잡한 산업용 소프트웨어의 도구 설정 과정을 LLM 에이전트와 도구 바인딩 기술을 통해 자연어 인터페이스로 전환하여 숙련도 격차를 해소할 수 있습니다.
Amazon Bedrock Knowledge Bases와 같은 관리형 RAG 서비스를 사용하면 벡터 DB 및 임베딩 파이프라인 관리 부담을 줄이고 비즈니스 로직 구현에 집중할 수 있습니다.
단순 생성에 그치지 않고 DynamoDB 기반의 세션 관리를 도입함으로써 사용자가 피드백을 통해 결과물을 점진적으로 수정하는 실무적인 워크플로 구현이 가능합니다.

언급된 리소스

문서Amazon Bedrock Knowledge Bases