아이지에이웍스 AI 에이전트 클레어: Amazon Bedrock 기반 데이터 분석 혁신 구현

멀티 에이전트 구현 및 데이터 처리 흐름

Question Agent: 사용자 질문의 모호성을 자연스러운 모호성과 치명적인 모호성으로 분류하여 처리하며, 후자는 LangGraph의 Checkpoint 기능과 Human-In-the-Loop(HITL) 방식으로 상태를 영속화하여 사용자 답변 대기 후 워크플로우를 재개합니다.
Query Agent: Question Agent로부터 정제된 질문을 받아 SQL을 생성하며, **RAG(Retrieval-Augmented Generation)**를 통해 관련 스키마, 유사 샘플 쿼리, 표준화된 비즈니스 용어를 Context로 주입합니다.
멀티 테넌트 환경의 데이터 격리를 위해 OpenSearch의 인덱스별 스키마 정보를 격리하고, 연관 테이블 조회 시 권한 검증을 통해 LLM의 SQL 생성 과정에서의 정보 노출을 원천 차단합니다.
Answer Agent: Query Agent의 SQL 실행 결과를 Text-to-Chart 기능으로 변환하며, 생성형 AI가 데이터 특성과 사용자 의도를 분석하여 Highcharts 라이브러리 렌더링을 위한 JSON 설정값을 동적으로 생성합니다.

프롬프트 버전 관리: Amazon Bedrock의 Prompt Management 기능을 활용하여 개발(dev-prompt)과 운영(prod-prompt) 환경의 프롬프트를 분리하고, 의미 있는 변경 사항마다 버전을 생성하여 이력 추적과 롤백을 용이하게 합니다.
프롬프트 캐싱: Amazon Bedrock의 CachePoints를 사용하여 시스템 프롬프트 등 재사용 빈도가 높은 정적 컨텍스트를 캐싱하며, 모델별 최소 토큰 요구사항을 충족하고 호출 빈도를 고려한 선별적 적용으로 비용 효율을 극대화합니다.
프롬프트 최적화: LLM의 정확도를 높이기 위해 역할 기반 프롬프팅, <thinking> 태그를 활용한 Chain of Thought 프롬프팅, 구조화된 지시사항, 명확한 제약 조건, 다단계 검증 프로세스 등 다양한 엔지니어링 기법을 적용하여 할루시네이션을 최소화합니다.

고도화된 분석 기능 확장: 다단계 분석 및 복잡한 퍼널 분석과 같은 고급 기능을 자연어 대화 방식으로 제공하여 사용자의 의도를 깊이 있게 이해하고 정교한 분석을 지원합니다.
의도 파악 엔진 고도화: 사용자 질문의 잠재적 모호성을 해소하기 위한 의도 명료화(Intent Clarification) 단계를 도입하여 분석의 정확성을 한층 높일 예정입니다.
MCP(Model Context Protocol) 서버 구축: 운영 데이터와의 실시간 연동을 위해 통합 API 관리 시스템과 MCP 서버를 구축하여 CRM 캠페인 운영 정보를 분석에 활용할 계획입니다.