이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
F1과 AWS는 Amazon Bedrock AgentCore 기반의 Data Accelerator를 도입해 Customer 360의 소스 온보딩과 관측성을 자동화했다. 에이전트가 스키마 매핑·파이프라인 코드 생성을 담당하고 스키마 변화를 자동 보정해 소스당 온보딩 시간을 기존 수주 단위에서 코드 생성 약 40분과 몇 시간 배포로 단축했다. 통합 관측성 창과 RCA는 S3·Redshift·Airflow·DBT에 흩어진 로그를 연결해 근본 원인 추적을 단축하고 실무 협업을 촉진했다.
섹션별 상세
F1의 Customer 360은 티켓 판매·스트리밍·스폰서 연동·소셜·상품 등 다양한 접점에서 발생하는 높은 속도의 데이터를 통합하는 핵심 시스템이다. 기존 온보딩 방식은 각 소스를 엔지니어가 수동으로 매핑하고 파이프라인·품질검사를 설정하는 방식으로 진행돼 소스당 6~8주가 걸렸다. 이로 인해 데이터 유입 속도보다 엔지니어링 처리 속도가 느려 통합 백로그와 데이터 무결성 문제가 반복적으로 발생했다.
Data Accelerator는 Amazon Bedrock AgentCore 기반의 에이전틱 AI를 도입해 소스 온보딩 과정을 자동화했다. 에이전트는 런타임 컨테이너에서 소스 메타데이터를 읽고 스키마 매핑·파이프라인 코드 생성을 수행하며, 생성된 코드는 약 40분의 코드 생성 시간과 몇 시간의 배포 시간을 거쳐 운영 환경에 반영된다. 이렇게 자동 생성된 파이프라인은 수동 작업을 줄여 온보딩 시간을 대폭 단축하고 운영 일관성을 확보한다.
근거
- 온보딩 시간은 소스당 6~8주에서 코드 생성 약 40분과 몇 시간의 배포로 단축되었다. — 본문 요약문에서 온보딩 시간 단축 수치 제공(40분 코드 생성 + 몇 시간 배포).
- Data Accelerator는 Amazon Bedrock AgentCore 기반의 에이전틱 AI를 사용해 에이전트를 런타임 컨테이너에 호스팅한다. — 솔루션 개요와 초기 설명에서 AgentCore 사용 및 런타임 컨테이너 호스팅 언급.
스키마 변동을 자동으로 감지하고 수리하는 메커니즘이 도입돼 상류 공급자가 컬럼을 변경하거나 필드를 추가해도 파이프라인 중단을 최소화한다. 에이전트가 변경 신호를 포착하면 스키마 진화를 반영한 수정 코드를 생성하거나 가이드라인을 제시해 자동 보정 또는 반자동 수정을 가능하게 한다. 이 과정은 경기 주말 같은 고부하 시점에도 데이터 품질 저하와 캠페인 리스크를 낮추는 역할을 한다.
근거
- 스키마 변화 감지와 자동 복구 메커니즘을 통해 상류 피드의 구조 변경을 보정한다. — 솔루션 개요 중 자동 스키마 진화 탐지 및 수정 항목.
관측성 계층은 로그·메타데이터·컨텍스트 그래프를 단일 창으로 통합해 데이터 계보와 운영 흐름을 한눈에 파악하게 한다. Root Cause Analysis 도구는 지표 불일치가 제기될 때 S3 경로·Redshift 제어 테이블·Airflow 로그·DBT 출력까지 연결해 문제가 발생한 단계와 관련 에이전트를 역추적한다. 결과적으로 엔지니어와 분석가가 수시간에 걸쳐 수동 추적하던 작업을 짧은 시간 안에 해결할 수 있게 되어 운영 대응 속도와 신뢰도가 올라갔다.
근거
- 단일 창의 관측성으로 데이터 라인리지와 근본 원인 분석을 제공해 기존의 흩어진 로그 문제를 해소했다. — Roberts 인용문과 솔루션 개요에서 엔드투엔드 가시성·RCA·컨텍스트 그래프 언급.
- 운영 중 발생한 데이터 소스 이상을 식별하고 코드 변경으로 복구할 수 있는 자동 식별 및 복구 기능을 갖췄다. — 솔루션 항목에 관측성 대시보드와 에이전트 작동이 코드 변경으로 수리 가능한 실패를 자동 식별한다고 명시.
Data Accelerator는 분석가·엔지니어·데이터 과학자가 같은 창에서 협업하는 게이트웨이를 제공해 조직 간 단절을 줄였다. 일관된 데이터 라인리지와 자동화된 파이프라인 생성은 반복적 기술 부채를 줄이고 새로운 소스 실험 속도를 높인다. F1 관계자는 이 덕분에 전체 MarTech 플랫폼의 엔드투엔드 가시성과 근본 원인 분석 역량이 확보되었다고 보고했다.
용어 해설
- Customer 360
- — F1의 MarTech 플랫폼 이름으로, 티켓·스트리밍·스폰서·소셜·상품 등 모든 팬 접점을 수집해 개인화·세분화·상업 전략에 필요한 단일 데이터 기반을 제공하는 중앙 데이터 에코시스템이다.
- 에이전틱 AI(Agentic AI)
- — 결정을 내리고 코드 생성·수정·조치 실행을 자동으로 수행하는 에이전트형 인공지능으로, 소스 온보딩·스키마 수정·대시보드 수리 같은 반복적 엔지니어링 작업을 런타임에서 자동화하는 데 사용된다.
- 스키마 진화(Schema evolution)
- — 상류 데이터 공급자의 컬럼명 변경·필드 추가·재구조화 등으로 발생하는 스키마 변화가 데이터 파이프라인에 미치는 영향을 탐지하고 자동으로 보정해 파이프라인 중단을 최소화하는 기술적 접근법이다.
- 데이터 라인리지(Data lineage)
- — 데이터가 소스에서 최종 지표까지 흐르는 경로와 변환 이력을 추적해 어떤 단계에서 문제가 발생했는지 역추적할 수 있게 하는 메타데이터 계층으로, 근본 원인 분석과 거버넌스에 핵심적이다.
- 관측성·근본원인분석(Observability and RCA)
- — 분산 로그·메트릭·컨텍스트 그래프를 통합해 시스템 상태를 실시간으로 파악하고, 이상이 감지되면 관련 에이전트·파이프라인·데이터 소스까지 연결해 근본 원인을 빠르게 추적·수정하는 운영 체계다.
기술
- Amazon Bedrock AgentCore
- Amazon SageMaker Unified Studio
- Amazon S3
- Amazon Redshift
- Airflow
- DBT
활용 사례
- 빠른 소스 온보딩이 필요한 MarTech 통합에서 신규 파트너의 데이터 스키마를 자동으로 매핑하고 파이프라인 코드를 생성해 온보딩 시간을 단축한다.
- 상류 데이터의 스키마 변경을 자동으로 감지해 파이프라인을 보정하거나 복구 코드를 생성함으로써 경기 주간 같은 고리스크 기간 동안 데이터 중단을 줄인다.
- 분석가·엔지니어·데이터 사이언티스트가 동일한 관측성 창에서 데이터 라인리지와 RCA를 공유해 지표 불일치에 대한 협업 문제 해결 속도를 높인다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 04.수집 2026. 08. 04.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.