AutoScout24의 Amazon Bedrock 기반 AI Bot Factory 구축 사례

AutoScout24의 AI 에이전트 개발을 위한 Bot Factory 구축 사례: Amazon Bedrock 기반 자동화와 표준화를 중심으로

최근 기업들은 반복적인 업무를 자동화하고 운영 효율성을 높이기 위해 생성형 인공지능(AI)의 활용을 확대하고 있습니다. 유럽 최대의 자동차 거래 플랫폼인 AutoScout24는 이 흐름에 발맞춰, Amazon Bedrock을 활용한 AI Bot Factory를 구축하여 내부 개발자 지원 업무를 표준화하고 자동화하는 데 성공했습니다. 이번 글에서는 AutoScout24 사례를 중심으로, AI 에이전트를 효과적으로 활용하는 방법과 배포 가이드를 소개합니다. 또한 운영 자동화와 구성이 어떤 식으로 가능한지 실제 구조를 기반으로 살펴보겠습니다.

AI 에이전트 표준화의 필요성과 과제

AutoScout24는 초기에는 여러 개발팀이 각기 다른 방식으로 AI 기술을 실험하고 있었습니다. 하지만 더 높은 생산성과 확장을 위해서는 서로 다른 팀들이 공유할 수 있는 일관된 프레임워크가 필요했습니다. AWS와의 협업을 통해 3주간의 AI 부트캠프를 운영하면서, 이들은 핵심 기능을 표준화된 AI 에이전트로 전환할 수 있는 청사진을 마련했습니다. 이를 ‘Bot Factory’라고 명명하고, 보편적으로 활용할 수 있는 구성 요소 중심의 아키텍처를 설계한 것입니다.

핵심 사용 사례로 선택된 것은 내부 개발자 지원 업무였습니다. 지원 요청 응답, 도구 접근 권한 부여, 문서 검색 등 반복되는 문의 처리에 개발 시간의 30%가 소모되고 있던 실정이었고, 이를 자동화하는 AI 봇이 가장 높은 ROI(투자 대비 수익)를 기대할 수 있는 사례로 판단되었습니다.

Bot Factory 아키텍처 구성 안내

AutoScout24의 Bot Factory는 완전한 서버리스(event-driven) 구조로, 운영성과 확장성 모두를 고려해 AWS의 다양한 관리형 서비스를 활용했습니다. 다음은 주요 구성 요소의 흐름을 보여주는 아키텍처입니다.

이 아키텍처의 세부 동작 방식은 다음과 같습니다.

1. 사용자는 Slack을 통해 “@SupportBot, GitHub Copilot 라이선스를 신청할 수 있나요?” 같은 요청을 보냅니다.
2. 이벤트는 Amazon API Gateway로 전달되고, AWS Lambda 함수가 트리거되어 서명 검증 등 보안 확인 절차를 수행합니다.
3. Amazon SQS FIFO 큐를 활용해 메시지를 저장하고, 순서를 보장하며 비동기적으로 처리합니다.
4. 큐에 적재된 메시지는 Bedrock AgentCore 기반 에이전트가 실행되는 Lambda를 통해 처리됩니다.
5. Strands SDK로 구현된 오케스트레이터 에이전트가 사용자 요청에 적합한 전문 에이전트(예: 문서 질의, GitHub 사용권 부여)를 호출합니다.

이처럼 단순한 메시지 요청부터 내부 API 활용까지를 포함하는 전체 흐름을 자동화하면서도, 각 요청은 완전히 분리되고 추적 가능한 세션ID로 관리됩니다. 이 기능을 통해 요청 사이의 맥락을 유지하고, 에이전트의 실행 상태는 AWS X-Ray로 명확히 추적할 수 있어 문제 발생 시 원인을 빠르게 파악할 수 있습니다.

오케스트레이터와 전문 에이전트 구현 예시

Bot Factory의 핵심 아키텍처 중 하나는 각 에이전트를 툴처럼 취급하는 구조입니다. 오케스트레이터 에이전트는 직접 작업을 처리하지 않고, 요청을 분석해 적절한 작업을 수행할 수 있는 전문 에이전트에 위임합니다. 이 방식은 유지보수 용이성과 기능 확장성 측면에서 큰 장점이 있습니다. 예를 들어 기존에 존재하던 GitHub 작업 에이전트 외에도 향후 PR 리뷰, 보안 검토 에이전트를 손쉽게 추가할 수 있습니다.

전체 오케스트레이터 로직은 Python 언어 기반 Strands SDK를 활용해 수십 줄의 간결한 코드로 정의됩니다. 각 에이전트는 독립된 IAM 권한을 가지며, 필요한 자격 증명은 AWS Secrets Manager를 통해 안전하게 처리됩니다.

이 같은 메커니즘은 배포 가이드를 간소화시킴으로써, 인프라 전문가가 아니더라도 각 부서의 실무자가 AI 자동화 도구를 직접 개발하고 사용할 수 있도록 지원합니다.

비즈니스에 미친 영향

AutoScout24는 이 Bot Factory 를 도입함으로써 다음과 같은 성과를 달성했습니다.

• Slack 기반의 자동화된 에이전트가 프로덕션에 배포되어, 반복적인 내부 요청 대응 시간을 획기적으로 줄였습니다.
• Slack – API Gateway – SQS – AgentCore 로 이어지는 배포 템플릿을 다른 팀들이 재사용 가능하게 하여, AI 구축 속도를 향상시켰습니다.
• 향후 다양한 도메인에서 AI 자동화를 실험하고 적용하는 기반을 마련함으로써, 전사적인 디지털 전환의 견인차 역할을 하게 되었습니다.

정리 및 적용 방안

AutoScout24 사례는 기업이 생성형 AI를 활용해 업무 자동화를 가속화할 수 있는 모범적인 구성 모델을 보여줍니다. 특히 Amazon Bedrock AgentCore를 활용하면 복잡한 서버 인프라 구성이나 확장 정책 없이도 고성능의 지능형 시스템을 구현할 수 있습니다. 이는 초기에 활용 범위를 줄이고 점차 확대하려는 기업들에게 매우 유용한 배포 가이드가 될 수 있습니다.

• 자동화, AI 에이전트 구성, AI 기반 워크플로우 구축 등에 관심 있는 기업이라면:
  • AgentCore로 시작하여,
  • SQS를 활용한 비동기 구조를 적용하고,
  • 오케스트레이터 – 전문 에이전트의 레이어드 설계를 따라해 보십시오.

Amazon Bedrock을 기반으로 다양한 배포 비교 옵션, 툴 통합 자동화 전략을 수립해보는 단계로도 충분한 확장성을 확보할 수 있습니다.

https://aws.amazon.com/blogs/machine-learning/how-autoscout24-built-a-bot-factory-to-standardize-ai-agent-development-with-amazon-bedrock/