Amazon Bedrock 및 Strands Agents를 이용한 롯데백화점의 AI 컨시어지 구축기

문제 상황

• 매장 위치, 브랜드, 할인, 영업시간 정보가 여러 메뉴에 분산된 상태
• 키워드 검색과 FAQ만으로는 자연어 질문 대응이 어려운 상황
• 반복 문의가 고객센터와 현장 직원의 업무 부담으로 이어진 문제

구조와 흐름

• 모바일 앱·웹 요청을 CloudFront, WAF, ALB를 거쳐 ECS의 Strands Agents 서버로 전달하는 구조
• Bedrock Claude Haiku, Guardrails, DynamoDB로 추론·안전성·대화 이력 관리 구성
• S3 업로드를 시작점으로 SNS, SQS, Lambda, OpenSearch를 연결한 이벤트 기반 색인 파이프라인 구성
• Step Functions와 Tavily, Bedrock 모델을 활용한 주간 핫플레이스 수집·검증·저장 파이프라인 구성

선택 이유

• 질문 의도별 도구 분리로 매장, 행사, 추천 요청에 맞는 데이터 조회 정밀도 확보
• Titan Text Embeddings V2와 키워드·의미 기반 하이브리드 검색으로 검색 품질 보완
• Bedrock Guardrails와 검색 결과 검증으로 개인정보·부적절 응답·환각 위험 완화

성능/운영 포인트

• 시스템 프롬프트 영문화와 캐싱 조정으로 토큰 사용량 약 50% 절감
• 도구 실행 결과 경량화와 대화 이력 압축으로 응답 비용과 처리량 효율 개선
• 파일명 날짜 기반 증분 처리와 이전 버전 자동 삭제로 최신성 유지

적용해볼 점

• 도메인 용어와 추천 카테고리를 프롬프트와 도구 설계에 반영하는 방식
• 프론트엔드 카드 UI용 데이터와 LLM 컨텍스트를 분리하는 방식
• 결과 유무에 따라 답변 정책을 분기해 환각을 줄이는 방식