AWS, Quick Automate에 사례 관리 패턴 제시…기업형 AI 에이전트 운영 초점

AWS Machine Learning Blog에 따르면 AWS는 7월 10일 Amazon Quick Automate에서 AI 에이전트 기반 업무를 사례 단위로 관리하는 운영 패턴을 공개했다. 이번 글은 에이전트가 개별 업무를 처리하는 단계를 넘어, 대량 업무를 추적 가능한 단위로 나누고 병렬 처리와 사람의 승인 절차를 함께 운영하는 방식에 초점을 맞췄다.

AWS는 개념검증 단계의 AI 에이전트가 송장 처리, 보험 청구 판단, 고객 지원 티켓 분류 같은 작업을 수행할 수 있지만, 이를 수천 건 또는 수백만 건 규모의 운영 환경으로 옮기면 다른 문제가 생긴다고 설명했다. 각 업무의 상태를 추적하고, 실패 지점을 파악하며, 필요한 순간 사람이 개입하고, 수요에 맞춰 처리 인프라를 확장해야 한다는 것이다.

Quick Automate의 사례 관리는 이런 문제를 다루기 위해 각 업무 항목을 하나의 사례로 표현한다. 사례는 준비, 처리 중, 성공, 실패, 해결 대기 같은 생명주기 상태를 갖는다. 사람이 판단해야 하는 단계에서는 사례가 해결 대기 상태로 전환되고, 검토가 끝나면 다시 처리 흐름으로 돌아간다. 이 과정에서 다른 사례는 멈추지 않고 계속 처리될 수 있다.

AWS가 제시한 핵심 구조는 생성자와 처리자를 나누는 방식이다. 사례 생성 자동화는 엑셀 파일, 데이터베이스, 웹 애플리케이션 등에서 데이터를 받아 개별 업무 항목을 사례로 만든다. 사례 처리 자동화는 준비 상태의 사례를 가져와 실제 업무 단계를 수행한다. 여러 처리 인스턴스를 병렬로 실행하면 업무량에 따라 처리 속도를 높일 수 있다.

원문은 다중 은행 명세서 처리 사례를 예로 들었다. 첫 번째 자동화는 은행 포털에서 명세서를 내려받고, 사용자 정의 AI 에이전트로 PDF에서 거래 내역을 추출해 각 거래를 사례로 만든다. 두 번째 자동화는 각 사례를 독립적으로 처리하면서 은행 포털에 거래 정보를 입력한다. 일정 기준 이상의 결제 건은 담당자의 검토를 거쳐 승인 또는 반려되도록 구성했다.

이 접근은 기업용 AI 에이전트 경쟁의 초점이 모델 성능에서 운영 통제와 감사 가능성으로 넓어지고 있음을 보여준다. 업무가 길어지고 여러 시스템을 오갈수록 기업은 에이전트의 최종 답변뿐 아니라, 어떤 단계에서 어떤 판단이 이뤄졌는지 확인해야 한다. 사례 관리, 활동 로그, 버전 관리, 예외 처리, 사람 참여 절차는 이런 요구에 대응하는 운영 계층으로 볼 수 있다.

다만 Quick Automate 도입에는 전제 조건이 있다. AWS는 사용자가 Amazon Quick에 접근할 수 있어야 하며, Quick Automate 워크플로는 리전별로 동작한다고 설명했다. 자동화 작성에는 Enterprise 라이선스가 필요하다는 점도 원문에 명시됐다. 실제 적용 범위와 비용은 조직별 리전, 계정 설정, 라이선스 조건에 따라 달라질 수 있다.

출처: AWS Machine Learning Blog https://aws.amazon.com/blogs/machine-learning/scaling-agentic-workflows-with-native-case-management-in-amazon-quick-automate/ · AWS Documentation https://docs.aws.amazon.com/quick/latest/userguide/actions-orchestration.html