AI
AWS Bedrock과 Claude 3.5 Sonnet을 활용한 자동 상품 이미지 검수 시스템 구축기
두줄요약
AWS Bedrock과 Claude 3.5 Sonnet으로 상품 이미지 자동 검수 시스템을 구축한 사례를 다뤘습니다. 프롬프트 최적화와 운영 통제를 통해 정확도와 처리 속도를 개선했습니다.
문제 상황
- 올리브영 상품 이미지가 네이버 쇼핑, 구글 등 외부 플랫폼의 가이드라인을 만족해야 하는 검수 과제
- 수동 검수에서 담당자별 해석 차이와 대량 처리 한계로 일관성 부족
원인 분석
- 이미지 기준이 플랫폼마다 달라 규칙 적용이 복잡한 구조
- 엠블럼, 로고, 텍스트 오버레이, 테두리 같은 경계 사례에서 판단 오류 발생
- 동일 프롬프트라도 출력이 흔들리는 모델 특성
해결 방법
- AWS Bedrock의 Claude 3.5 Sonnet을 선택해 자동 이미지 검수 시스템 구축
- System Prompt, Temperature, Top-p, Top-k 조정으로 출력 일관성 개선
- 낮은 신뢰도 결과는 인간-AI 협업으로 수동 재검토
성능/운영 포인트
- 캐싱으로 동일 이미지 재검증 방지 및 처리 속도 최적화
- IAM Task Role, RBAC, 해시값·상품번호만 저장으로 보안 강화
- DataDog 로깅과 A/B 검증으로 프롬프트 및 운영 지속 개선