BGL의 Claude Agent SDK와 Amazon Bedrock AgentCore 활용 사례로 보는 AI 기반 비즈니스 인텔리전스 혁신

BGL의 Claude Agent SDK 및 Amazon Bedrock AgentCore 활용 사례: 비즈니스 인텔리전스 민주화

소개
오늘날 많은 기업들이 데이터를 기반으로 더 나은 의사결정을 내리고자 하지만, 실제로는 비기술 사용자와 데이터 팀 간의 의사소통에서 병목이 자주 발생합니다. BGL의 사례는 이러한 문제를 Claude Agent SDK와 Amazon Bedrock AgentCore를 활용해 어떻게 해결했는지를 보여주는 강력한 자동화 및 AI 에이전트 활용 사례입니다. 특히 이 사례는 어떻게 구축하고 배포하며, 도메인별 지식을 효율적으로 관리하는지에 대한 실전적인 가이드를 제공합니다.

핵심 내용
BGL은 전 세계 15개국에서 12,700여 개 고객사를 보유한 SMSF(자가 관리 퇴직연금) 관리 솔루션 제공업체입니다. 이 회사는 분석 테이블 400개 이상을 관리하며, 투자 성과, 고객 피드백, 컴플라이언스 등 다양한 도메인에 대한 BI 인사이트를 제공하고자 Claude Agent SDK 기반 AI 에이전트를 Amazon Bedrock AgentCore 환경에 구축했습니다.

1. 데이터 파운데이션을 바탕으로 한 텍스트 기반 쿼리 분석 자동화
   AI 에이전트가 정확하고 일관된 SQL 쿼리를 생성하려면, 데이터 구조가 명확히 정리된 분석 테이블이 필요합니다. BGL은 Amazon Athena와 dbt를 이용하여 데이터를 변환한 후 이를 단일 진실 소스로 활용하고 있습니다. AI의 역할은 단순 SELECT문 생성이나 시각화 용도로 Python 코드를 작성하는 등 기본적인 코드 실행에 집중되어 있습니다.

2. Claude Agent SDK와의 통합: 코드 실행과 도메인 맥락 관리
   Claude Agent SDK는 AI 에이전트가 Python 코드를 작성하고 실행하며, 세션 기반의 문맥 관리를 자동화할 수 있도록 설계되었습니다. BGL은 이를 통해 충분한 격리 환경과 함께 Python을 사용한 복잡한 데이터 가공, 시각화를 자동화하였습니다.

3. 모듈형 도메인 지식 운영: context와 skill 파일 구조
   에이전트는 CLAUDE.md와 SKILL.md 파일을 기반으로 프로젝트 문맥과 제품별 전문 지식을 구분해서 관리합니다. CLAUDE.md는 SQL 위치와 파일 경로 정보 등의 전역 문맥을 제공하고, SKILL.md는 제품에 특화된 분석 테이블과 질문 유형을 정의합니다. 덕분에 특정 업무 도메인에 특화된 자동 분석이 가능해졌습니다.

4. AgentCore를 이용한 보안/세션 기반 인프라 구축
   Claude Agent SDK는 코드 실행 기반이기 때문에 격리된 인프라가 필수입니다. 이를 위해 BGL은 AWS에서 제공하는 Amazon Bedrock AgentCore를 활용하였습니다. AgentCore는 최대 8시간까지 상태 기반 세션을 유지하며 각 세션마다 독립된 MicroVM에서 실행되어 보안이 보장됩니다. AI 에이전트는 Slack과 연동되어 사용자의 자연어 질문에 대해 자동으로 SQL을 작성하고 Athena를 통해 실행한 후 S3에서 결과를 분석하여 인사이트를 제공합니다.

5. 실행 패턴의 효율성: 코드 실행이 중요한 이유
   쿼리 결과가 수천 행을 넘어갈 경우, 일반적인 LLM 문맥 창에 데이터를 모두 집어넣는 방식은 비효율적입니다. 이 문제를 해결하기 위해 BGL은 AI가 Athena에 쿼리 요청 후 결과 CSV를 받아 자체 코드로 분석하도록 구현하였습니다. 컨텍스트 윈도우의 한계를 피하면서도 복잡한 분석이 가능해집니다.

6. 기술 아키텍처의 모듈성과 확장성
   BGL은 Bash와 Python 두 가지 실행 환경과 함께 각 제품 라인마다 별도 skill을 정의하는 구조를 통해 확장 가능하고 재사용 가능한 AI 아키텍처를 마련했습니다. 필요할 때만 관련 skill을 로드하고, 도메인 특정 파일만 접근하여 효율적인 자원 관리를 구현하였습니다.

성과 및 활용 효과
BGL 전 직원은 더 이상 데이터 팀에 의존하지 않고 스스로 데이터를 탐색하고 분석할 수 있게 되었습니다. 기존의 병목이 사라지고, 제품팀은 가설을 즉시 검증하고, 고객지원팀은 실시간으로 고객 데이터를 활용할 수 있게 되었습니다. 이는 의사결정의 속도를 높이는 중요한 경쟁력으로 작용하고 있습니다.

결론
BGL의 구현은 AI 에이전트를 활용한 비즈니스 인텔리전스 혁신의 모범적인 사용 사례입니다. Claude Agent SDK와 Amazon Bedrock AgentCore의 결합은 보안성과 확장성, 자동화라는 세 마리 토끼를 동시에 잡을 수 있게 했습니다. 비슷한 자동화 환경을 고려 중이라면 다음 사항을 전략적으로 고려해 보시기 바랍니다.

1. 튼튼한 데이터 기반 마련: 비즈니스 로직은 데이터 파이프라인에서 처리하고 에이전트는 간단한 SELECT 문 중심으로 설계하는 것이 정확성과 일관성을 보장합니다.
2. 도메인 분리형 지식 관리: 제품 라인별 Skill을 활용하여 문맥 오버헤드를 줄이고 유지보수를 용이하게 하십시오.
3. 직접 코드 작성 및 실행 활용: 대규모 데이터는 LLM에 넣는 대신 코드를 통해 로컬 분석하게 하여 효율성과 확장성을 확보하십시오.
4. 상태 기반의 실행 구조 선택: BGL처럼 Amazon Bedrock AgentCore를 활용하면 세션 상태를 유지하면서 보안과 컴플라이언스를 동시에 확보할 수 있습니다.

[1] https://aws.amazon.com/blogs/machine-learning/democratizing-business-intelligence-bgls-journey-with-claude-agent-sdk-and-amazon-bedrock-agentcore/