OPLOG, Amazon Bedrock AgentCore로 AI 에이전트 기반 비즈니스 인텔리전스 구축

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

TL;DR

OPLOG는 파편화된 비즈니스 데이터와 수동 보고 업무로 인한 비효율을 해결하기 위해 Amazon Bedrock AgentCore 기반의 AI 에이전트 시스템을 도입했다. 이 시스템은 Strands Agents SDK로 개발된 세 가지 에이전트를 통해 영업 파이프라인 분석, 실시간 데이터 품질 검증, 잠재 고객 조사를 자동화한다. Amazon Bedrock Knowledge Bases를 활용한 RAG 아키텍처로 비즈니스 방법론을 적용하며, Anthropic Claude Sonnet이 추론을 수행한다. 도입 결과 영업 주기 35% 단축, CRM 데이터 완성도 91% 향상, 수동 연구 시간 98% 감소라는 정량적 성과를 달성했다.

대상 독자

프로덕션 환경에서 AI 에이전트와 RAG 시스템을 구축하려는 개발자 및 기업

의미 / 영향

AI 에이전트와 서버리스 아키텍처의 결합은 복잡한 비즈니스 프로세스를 자동화하여 운영 효율을 극대화할 수 있음을 보여준다. 특히 RAG를 통한 지식 관리와 실시간 이벤트 기반 처리는 기존 BI 시스템의 한계를 극복하는 핵심 전략이 된다.

섹션별 상세

Deal Analyzer Agent는 스케줄 기반으로 Hubspot 데이터를 분석하여 영업 파이프라인의 누락 정보를 식별하고 Microsoft Teams로 리포트를 전송한다.

python

from strands_agents import Agent, tool class DealAnalyzerAgent(Agent): @tool def hubspot_properties(self, deal_id: str) -> dict: pass @tool def deal_enrichment(self, deal_data: dict) -> dict: pass @tool def send_teams(self, report: dict) -> bool: pass

DealAnalyzerAgent의 도구 정의 예시

Deal Analyzer Agent의 아키텍처 다이어그램 — DiagramAmazon EventBridge가 Lambda를 트리거하고, AgentCore Runtime이 Hubspot 데이터를 분석하여 Microsoft Teams로 보고하는 흐름을 보여준다.

Sales Coach Agent는 Hubspot 웹훅을 통해 거래 단계 변경 시 실시간으로 필수 필드를 검증하고, 데이터 누락 시 담당자에게 즉시 작업을 할당하여 파이프라인 품질을 유지한다.

python

from strands_agents import Agent, tool class SalesCoachAgent(Agent): @tool def analyze_deal_properties(self, deal_id: str) -> dict: pass @tool def assign_task(self, deal_id: str, task_description: str) -> bool: pass

SalesCoachAgent의 도구 정의 예시

Sales Coach Agent의 아키텍처 다이어그램 — DiagramHubspot Webhook이 Lambda를 트리거하여 실시간으로 데이터 품질을 검증하고 작업을 할당하는 아키텍처를 설명한다.

Lead Insight Agent는 신규 리드 발생 시 6개 소셜 미디어 플랫폼을 검색하고, Claude Sonnet을 통해 잠재 고객 적합성(ICP)을 분석하여 영업 팀에 맞춤형 접근 전략을 제공한다.

Lead Insight Agent의 아키텍처 다이어그램 — DiagramHubspot Webhook을 통해 신규 리드를 감지하고, AgentCore Browser를 사용하여 소셜 미디어 데이터를 수집 및 분석하는 과정을 나타낸다.

전체 아키텍처는 서버리스 기반의 Amazon Bedrock AgentCore를 사용하여 인프라 관리 부담을 최소화하고, RAG를 통해 비즈니스 로직을 에이전트 코드와 분리하여 유지보수 효율을 높였다.

용어 해설

RAG: — 외부 데이터 소스에서 관련 정보를 검색하여 LLM의 프롬프트에 컨텍스트로 제공하는 기술입니다. 모델이 학습하지 않은 최신 정보나 기업 내부 데이터를 참조하여 답변의 정확성을 높이고 환각 현상을 줄이는 데 필수적입니다.
AgentCore: — AWS에서 제공하는 AI 에이전트 배포 및 실행 환경입니다. 서버리스 아키텍처를 통해 인프라 관리 없이 에이전트를 확장하고 실행하며, 관측 가능성(Observability) 기능을 통해 에이전트의 호출, 성능, 비용을 모니터링할 수 있습니다.
Webhook: — 특정 이벤트가 발생했을 때 실시간으로 데이터를 다른 애플리케이션으로 전송하는 HTTP 콜백 방식입니다. 본문에서는 Hubspot의 데이터 변경 이벤트를 감지하여 AI 에이전트를 즉시 트리거하는 용도로 사용되었습니다.

근거 모음

근거

영업 주기 35% 단축 — 본문 결과 섹션
수동 연구 시간 98% 감소 — 본문 결과 섹션
CRM 데이터 완성도 91% 향상 — 본문 결과 섹션

언급된 리소스

문서Amazon Bedrock AgentCore Developer Guide

문서Amazon Bedrock Knowledge Bases User Guide