AWS와 함께하는 웅진 AI Runner Challenge – 3부: Amazon Bedrock 기반의 렌탈 제품 추천 AI 에이전트

핵심 내용

• 렌탈 서비스의 제품 추천 어려움과 내부 데이터 활용 한계를 AI 에이전트로 해결한 사례
• Amazon Bedrock, Knowledge Bases, Claude, TensorFlow/Keras, SQLite, Matplotlib을 결합한 추천·데이터 추출 시스템
• 자연어 질문을 구조화된 입력이나 SQL로 변환해 추천, 조회, 시각화까지 자동화하는 흐름

구조와 흐름

• 고객 맞춤형 추천: 자연어 입력 → Bedrock으로 핵심 정보 추출 → 학습 모델 입력 변환 → 유사 고객 패턴 기반 추천
• 데이터 추출 자동화: 자연어 질문 → SQL 생성 → SQLite 조회 → 자연어 응답 및 필요 시 그래프 생성
• 상담 데이터 축적과 벡터 저장을 통한 지속적 개선 구조

선택 이유

• 수십 개 제품 비교로 인한 선택 피로도 완화 필요
• 데이터 분석팀 의존 없이 실시간 조회·분석이 가능한 인터페이스 필요
• 자연어를 업무 입력으로 바꿔 현업 활용성을 높이기 위한 선택

적용해볼 점

• 반복적인 추천·조회 업무에 AI 에이전트 적용 검토
• 스키마와 예시 Q&A를 Knowledge Base에 담아 자연어-DB 연계를 설계
• 출력 형식 제어와 키워드 기반 시각화로 실무 응답 품질 개선