아마존은 어떻게 AI 에이전트로 하루 20억 건의 거래를 자동 심사하는가

아마존이 AI 에이전트를 활용하여 하루 수십억 건의 거래를 자동화로 심사하는 방법

기업이 글로벌 시장에 진입하면서 가장 어려운 과제 중 하나는 '규제 준수(Compliance)'입니다. 특히 제재 관련 법규 위반은 기업에 심각한 재정적 손실과 평판 리스크를 초래할 수 있으며, 기업은 이를 방지하기 위해 철저한 거래 심사를 구축해야 합니다. 아마존은 이러한 복잡성을 해결하기 위해 자체 인공지능(AI) 기반 'Compliance Screening 시스템'을 설계하였으며, 이 시스템은 하루 약 20억 건의 거래를 실시간으로 모니터링합니다. 이 글에서는 아마존의 AI 기반 컴플라이언스 자동화 시스템이 어떻게 작동하는지, 주요 구성 방식은 무엇인지, 그리고 이를 통해 어떤 효과를 얻고 있는지를 상세히 살펴봅니다.

본문: AI 기반 컴플라이언스 심사 시스템의 활용과 아키텍처 분석

아마존은 내부 거래뿐 아니라 자회사와의 거래까지 포함하여 전 세계 160개 이상 사업체의 데이터를 분석하고 있습니다. 미국 재무부 해외자산통제국(OFAC), 영국 재무부(HMT) 등 각국의 제재 리스트를 실시간 반영하며, 위반 시 수십억 달러의 벌금이 부과될 수 있습니다.

이 엄청난 규모의 데이터를 처리하기 위해 아마존은 3단계 지능형 심사 전략을 구축했습니다:

1단계 – 고속 탐지 알고리즘 기반 선별 엔진
Amazon SageMaker로 구축된 벡터 임베딩 모델을 통해 fuzzy matching 기법을 적용, 제재 리스트와 유사한 이름이나 정보를 가진 거래 데이터를 탐지합니다. 이 단계는 가능한 한 많은 의심 사례를 포착하기 위해 '재현율(recall)' 중심 방식으로 구성되어 있으며, 일부 오탐(false positive)은 감수합니다.

2단계 – 머신러닝 기반 필터링 엔진
기계학습 모델이 저신뢰 일치(match)를 자동으로 제거합니다. 이 단계에서 노이즈가 상당수 줄어들며, 실제 위험도가 있는 케이스로만 한정됩니다.

3단계 – 에이전트 기반 AI 심사 시스템
이 시스템의 핵심입니다. Amazon Bedrock AgentCore Runtime 환경에서 구동되는 복수의 AI 에이전트가 사건별 심층 조사를 수행합니다. 각 AI 에이전트는 특정 기능을 담당하며, 시나리오별 판단을 자동 혹은 보조적으로 진행하게 됩니다.

에이전트별 역할 분류와 자동화 비교

아마존은 아래와 같이 6종 이상의 특화된 AI 에이전트를 설계하여 활용하고 있습니다:

• 이름 매칭 에이전트: 다국어/다문화 이름의 철자·순서 변형을 파악하여 동일인 판단 자동화. 예: "李明" ↔ "Ming Li"
• 주소 매칭 에이전트: 국제 주소 형식과 약어 변형을 통합 비교하여 동일지 판별. 예: 인도 주소의 다양한 표기 판단
• 엔터티 분류 에이전트: 입력 정보로 개인/법인을 구분하며 내부 데이터와 명명 규칙 기반 분석 병행
• VCI 에이전트: KYC 문서 및 사용자 제공 증빙 정보를 정합성 검토
• 권고 에이전트: 다수 에이전트 결과를 종합 분석하여 위험 평가와 대응을 판단
• 오케스트레이션 에이전트: 다른 에이전트 간 실행 순서와 의존성을 관리하고 예외 상황을 처리

이러한 조합형 설계를 통해 모든 데이터 흐름은 자동화되며, 대부분의 사건은 사람 개입 없이 종결됩니다. 단, 증거 부족이나 정책 상 규정 외 경우는 자동으로 사람에게 이관됩니다.

툴 기반 확장성과 구조 활용

아마존은 Strands 멀티에이전트 패턴 및 자체 툴 세트를 통해 다양한 외부 데이터와의 연동을 가능케 했습니다. 주요 툴로는 다음이 있습니다:

• 데이터 통합툴: KYC 및 계정 이력, 내부 규정 등 다양한 소스와 연결
• 지리 정보툴: 주소 유효성 검사 및 거리 분석
• 오픈소스 데이터툴: 상업 등록 데이터 및 제3자 제공 기반의 검증 정보 확보

적정한 자동화 제어 범위를 유지하기 위해 각 에이전트를 SOP(표준운영절차)에 따라 유기적으로 설계하였으며, 결정 로직 및 분기 흐름은 100% 추적 가능합니다. 이로 인해 참조가능한 결정 흐름이 확보되어 규제 기관과의 소통 및 내부 감사에 유리합니다.

아키텍처 선택 이유와 자동화 배포 전략

아마존은 Strands 에이전트 프레임워크와 Amazon Bedrock AgentCore Runtime을 통합하여 완전 서버리스 환경을 구축하였습니다. 이를 통해 다음과 같은 장점을 실현했습니다:

• 예측 불가능한 워크로드에 대응하는 자동 확장
• 모델 간 커뮤니케이션 프로토콜(MCP)과 A2A 기능을 활용하여 복수 에이전트 병렬 운영
• 배포 가이드 단순화와 무중단 확장성 보장

기술 성과 측면에서 현재 60% 이상의 사건이 완전 자동으로 처리되며, 사람보다 높은 정확도를 기록합니다(정확도 96%, 정밀도 96%, 재현율 100%).

활용을 위한 제언과 배포 가이드

아마존의 경험을 통해 추출한 핵심 적용 방식은 다음과 같습니다:

• 표준 운영 절차(SOP)를 명확히 정의한 후 AI 시스템 설계 시작
• AI 에이전트를 단계적으로 배포하면서 자동화 성능 평가 및 조정 반복
• 에이전트 자율성과 제어 간 균형 조절 방식 도입
• 툴 설계 시 탄탄한 인터페이스 및 오류처리 로직 필요
• 초기부터 로그 및 감사 가능한 구조를 갖춘 관찰성(observability) 적용

결론

Amazon Compliance Screening 시스템은 에이전트 기반 자동화를 통해 대규모 글로벌 컴플라이언스 과제를 해결하고 있으며, 정확도와 효율성을 모두 충족하고 있습니다. 이처럼 AI 에이전트를 기반으로 한 인프라 자동화 전략은 고비용·고복잡도의 규제 준수 환경에서 기업에게 필수 경쟁력으로 작용할 수 있습니다. 앞으로도 변화하는 규제 환경 속에서, 자동화 기반의 대응체계 구축이 점점 중요해질 것으로 기대됩니다.

[1] https://aws.amazon.com/blogs/machine-learning/how-amazon-uses-ai-agents-to-support-compliance-screening-of-billions-of-transactions-per-day/