타이슨 푸드서비스, AI 챗봇으로 B2B 식자재 검색 경험 혁신

타이슨 푸드서비스, 딥러닝 기반 AI 챗봇으로 식자재 검색 경험 혁신

오늘날 식자재 유통 및 레스토랑 산업에서 제품 탐색과 구매 결정 과정은 더 이상 단순히 '카탈로그 검색'에 머무르지 않습니다. B2B 기업인 타이슨 푸드서비스(Tyson Foodservice)는 AI 기반의 대화형 시스템을 자사 웹사이트에 도입하여 고객들과 보다 직관적이고 개인화된 방식으로 소통하는 새로운 장을 열었습니다. 본 글에서는 Amazon Bedrock, Anthropic Claude, OpenSearch Serverless 등을 활용하여 자연스러운 검색 흐름과 고객 인사이트 확보까지 이어지는 시스템을 어떻게 구축했는지를 소개합니다.

AI 도입 배경과 활용 목적

타이슨은 미국 내 소고기·돼지고기·닭고기 생산량의 약 20%를 차지하는 식품 제조사로, 다양한 외식 업계 파트너(레스토랑, 학교, 병원 등)와 B2B 유통망을 통해 제품을 제공하고 있습니다. 하지만 지금까지는 대다수 비계약 고객(무관계 운영자)과는 직접적인 소통 채널이 부족해, 제품 피드백 수집이나 제안 제공도 어려웠습니다.

이에 타이슨은 자사 웹사이트에 생성형 AI 상담 도우미를 연동하여, 검색 경험 자동화 및 고객 참여도를 높이는 방식을 선택했습니다. 이를 통해 고객 의도 파악, 맞춤형 제안, 제품 구매 가이드, 피드백 수집 등 수많은 과정을 하나의 자동화된 인터페이스로 통합하였습니다.

주요 구성 요소 및 배포 가이드

이번 솔루션은 AWS Generative AI Innovation Center와 협업하여 구현되었으며, 전반적인 아키텍처는 다음과 같습니다.

1. 검색 쿼리 입력: 사용자가 웹사이트 검색창에 텍스트를 입력하면, Titan Text Embeddings 모델을 통해 문장을 임베딩 벡터로 변환하여, 유사 문장을 Amazon OpenSearch Serverless에서 K-NN 방식으로 검색합니다.
2. AI 상담 인터페이스: 자연어로 질문을 하면 Anthropic Claude 3.5 Sonnet이 이를 처리합니다. 특정 주제에 따라 여러 에이전트를 조율하며 답변을 구성하고, 고도화된 LLM 기반 도우미가 응답합니다.
3. 외부 데이터 인덱싱: 제품, 레시피, 재료 등 다양한 JSON 기반 데이터를 임베딩하여 OpenSearch Serverless에 저장하며, ECS 클러스터에서 자동화된 인제스트 파이프라인을 통해 연동됩니다.

고도화된 의미 기반 검색(semantic search)

기존의 키워드 기반 검색은 사용자가 실제 현장에서 사용하는 단어와 웹사이트 상의 제품명이 불일치할 경우 검색 실패로 이어지곤 했습니다. 하지만 의미 기반 검색은 단어 간 연관성과 제품 맥락을 이해하는 모델을 통해 다음과 같은 차별화된 검색 결과를 제공합니다.

예: "버팔로 스타일 에피타이저" 검색 시, "윙", "본리스 바이트", "드럼스틱"까지 연결 결과 제공

이를 가능하게 한 것은 OpenSearch Serverless의 특징으로, 서버리스 기반으로 쿼리 요청량이나 데이터 인덱스 크기에 따라 자동으로 확장합니다. 또한 대규모 LLM을 통한 사전 전처리를 거쳐, 실제 인덱스에는 필요한 정보만 정제해서 저장함으로써 검색 품질을 극대화했습니다.

AI 챗봇 구축 가이드: LangGraph와 Claude 3.5 Sonnet 활용

타이슨의 AI 상담도우미는 Anthropic Claude의 Code Interpreter 기능을 기반으로 LangGraph 프레임워크를 활용한 'Agentic' 아키텍처입니다. 이 방식은 사용자의 질의에 따라 여러 기능(tool)을 조합하여 응답을 구성하는 체계적이고 확장 가능한 방식입니다.

주요 기능은 다음과 같습니다.

• 맞춤형 검색: 사용자 역할(예: 호텔 셰프)에 따라 제품/레시피를 분석하여 제안
• 세부 정보 제공: GTIN, 재료, 조리 방법 등 심층 정보 제공
• 구매 지원: 유통사 조회 및 판매 담당자 연결 기능
• 피드백 수집: 챗봇 상호작용 중 고객 의견 직접 수집
• 프로모션 인식: 최신 이벤트 및 할인 정보 자동 공지

고객 데이터 자동화 캡처: 고부가 행동 인식

챗봇에서 고객이 특정 제품에 대한 세부 정보를 요청하거나, 구매 방법에 대해 질문하거나, 제품 비교 요청 등 고부가 행위(high-value actions)를 수행할 경우, 이 데이터를 실시간으로 캡처해서 분석 시스템에 전달합니다.

이 동작은 LangGraph 워크플로 상의 툴 호출시에 함께 실행되도록 설계되어 별도의 로그 분석 없이도 실시간으로 활용 가능한 사용자 의도 데이터를 확보할 수 있게 했습니다. 이를 통해 티젠은 다음과 같은 활용 사례로 연계할 수 있습니다:

• 인기 상품의 실시간 파악 및 마케팅 전략 수립
• 계절별/지역별 수요 분석
• 제품 라인업 확장에 대한 사용자 피드백 분석
• 구매 전환 패턴 파악

결론: 운영 자동화와 고객 인터랙션을 AI로 통합한 기회

타이슨 푸드 서비스의 사례는 AWS의 생성형 AI 도구(Amazon Bedrock, Anthropic Claude, LangGraph 등)를 통합하여 실시간 대화형 경험과 세밀한 고객 인사이트 수집을 자동화한 대표적인 사례입니다. 관심 있는 개발자나 기업은 Amazon Bedrock Agents를 통해 유사한 경험을 구축하면서, 검색에서 구매까지 이어지는 고객 여정을 자연스럽게 자동화할 수 있습니다.

이 같은 에이전트 기반 챗봇은 기존의 FAQ형 챗봇과 비교할 때, 사용자 입력을 이해하는 문맥 처리 능력과 다양한 시스템 간 연결을 가능케 하여 더 직관적이고 고도화된 서비스 제공이 가능합니다.

AI도구와 고객 인게이지먼트의 통합을 고려하고 계신다면, 타이슨 푸드서비스의 사례는 유용한 전개 방향을 제시해줄 수 있을 것입니다.

https://aws.amazon.com/blogs/machine-learning/tyson-foods-elevates-customer-search-experience-with-an-ai-powered-conversational-assistant/