Swisscom의 엔터프라이즈 AI 도입 전략과 Amazon Bedrock AgentCore 활용 사례

스위스콤의 엔터프라이즈 에이전트 AI 구축 사례: Amazon Bedrock AgentCore 도입 가이드

AI 기술이 빠르게 확산되면서, 기업들은 이를 실제 운영 환경에 효율적으로 도입하여 비즈니스 가치를 창출하고자 하는 과제에 직면해 있습니다. 스위스 최대 통신사인 Swisscom은 Amazon Bedrock AgentCore를 활용하여 고객 지원 및 세일즈에서 차세대 AI 에이전트를 성공적으로 배치하고 있습니다. 특히 자동화 한계를 극복하고 다양한 부서 간 협력까지 고려한 아키텍처 설계를 통해 엔터프라이즈 환경에 AI를 안정적이고 확장 가능하게 적용한 점이 주목할만 합니다.

AI 자동화의 한계를 넘어: Swisscom의 전략

Swisscom은 지속가능성과 혁신을 핵심 가치로 삼아, AI 적용에서도 친환경성과 효과적인 운영 간의 균형을 추구하고 있습니다. Amazon Bedrock AgentCore 기반의 에이전트 시스템은 기존 Rasa 기반 대화형 AI, Amazon SageMaker로 파인튜닝된 LLM, Swisscom 전용 myAI 시스템 등과 함께 통합되어 더 고도화된 고객 경험을 제공합니다.

Swisscom은 분산된 부서 간 에이전트 통합이라는 복잡한 문제 해결을 위해 Model Context Protocol (MCP)과 Agent2Agent (A2A) 프로토콜을 활용했습니다. 이를 통해 보안성과 확장성을 동시에 충족하면서도 중복 작업과 의사소통의 병목 현상을 줄였습니다.

기존 아키텍처의 주요 구현 과제는 다음과 같습니다:

1. 다양한 부서의 AI 에이전트 및 MCP 서버와의 연결
2. 공용 VPC에서 컨테이너 기반 런타임 배치 및 구성
3. SAIL로 알려진 내부 API 시스템과의 연동
4. 단기 임시 토큰을 통한 보안 인증 및 상호 검증
5. 세션 데이터를 통한 지능적 고객 분석 수행

이를 해결하기 위해 Swisscom은 다음과 같은 핵심 관점에서 고민했습니다:

• 보안 및 인증: 최소 권한 원칙을 기반으로 하는 트랜지티브 인증 구조 구축
• 통합 및 상호 운용성: 다양한 클라우드 시스템과 부서 간 통신을 위한 표준화된 인터페이스
• 고객 인텔리전스: 여러 에이전트 간 이루어지는 상호작용들에서 유의미한 패턴 수집 및 재활용

Amazon Bedrock AgentCore의 도입과 기능별 활용

이처럼 복잡한 구조를 단순화하고 효율적으로 운영하기 위해 Swisscom은 Amazon Bedrock AgentCore를 활용하여 다음과 같은 효과를 얻었습니다.

• AgentCore Runtime: 에이전트별 세션 분리를 지원하는 도커 기반 컨테이너 분산 배치를 통해 자동 확장성과 내장된 보안 프레임워크 제공
• AgentCore Identity: ID 토큰 관리를 중앙화함으로써 에이전트, MCP 서버, 데이터 소스 간에 안전한 인증 흐름을 수립
• AgentCore Memory: 세션과 장기 기억 데이터를 전략적으로 분리 및 저장하여 B2C 고객 지원에 필요한 고객 지능 활용
• Strands Agents Framework: 개발자 경험을 개선하여 빠른 프로토타이핑, 에이전트 간 로깅, 평가 자동화를 지원함

이 시스템은 다음과 같은 흐름으로 동작합니다:

1. 클라이언트가 인증 토큰을 포함한 요청을 AgentCore 상 에이전트에 보냄
2. AgentCore Identity가 토큰을 검증 후, 하위 시스템 호출용 새로운 토큰을 생성해 에이전트에 전달
3. 에이전트는 Bedrock 상의 파운데이션 모델을 호출하고, 결과 세션은 AgentCore Memory에 저장
4. 에이전트는 VPC 내부 MCP 및 A2A 서버에 접근하며, 인증 토큰을 동반하여 내부 API 호출 수행

정책 기반 통제와 확장성 유지를 위한 VPC 연동 덕분에 Swisscom은 기존 환경과 자연스럽게 통합하면서도 보안을 유지할 수 있었습니다.

사례 공유: 자동 고객지원과 퍼스널 세일즈

Swisscom은 두 가지 B2C 사례에서 Amazon Bedrock AgentCore를 성공적으로 적용했습니다:

1. 고객 인터넷 장애 시 자가진단 자동화
2. 맞춤형 영업 메시지 생성

해당 에이전트는 기존 챗봇 시스템 SAM에 통합되며, MCP 및 A2A를 통해 전체 조직에서 공유되도록 설계되었습니다. 이를 통해 새로운 기술의 도입이 부서 간 장벽을 낮추고, 운영 자동화를 촉진함으로써 유의미한 ROI를 제공할 수 있었습니다.

특히 Strands Agents Framework는 신규 프로젝트의 PoC를 불과 3~4주 내에 시연 가능한 수준까지 끌어올리는데 큰 역할을 했습니다. LangGraph 기반 프로젝트를 Framework로 마이그레이션한 사례에서도 개발 단순화와 개발 시간 단축 효과를 입증하였습니다.

결론: AI 현업 배치를 위한 전략, Swisscom 사례로부터 얻는 교훈

Swisscom은 Amazon Bedrock AgentCore 도입을 통해 엔터프라이즈 AI의 도입 및 확산에서 다음 세 가지 중요한 교훈을 제시했습니다:

1. 인프라 설계부터 전략적으로: 인증, 오케스트레이션, 관측성을 고려한 구조 설계가 필수
2. 적절한 프레임워크 선택의 중요성: 개발 속도, 분석, 관측 기능 내장 등 개발자 경험 향상이 도입 확산으로 이어짐
3. 규제 준수는 제약이 아닌 기회: 데이터 주권 및 보안을 기반으로 한 확산 구조 구축이 가능한 점을 입증

앞으로 Swisscom은 부서 간 agent 공유, 표준화된 문서 중심 통합, 거버넌스 확대를 통해 시스템을 고도화할 계획입니다. 이러한 사례는 엔터프라이즈가 AI를 전략적 자산으로 활용하려는 과정에서 어떻게 자동화, 확장성, 규제 대응이라는 세 조건을 동시에 만족시킬 수 있는지 보여주는 대표적인 예시입니다.

https://aws.amazon.com/blogs/machine-learning/how-swisscom-builds-enterprise-agentic-ai-for-customer-support-and-sales-using-amazon-bedrock-agentcore/