부트텐트의 생성형 AI 기반 교육과정 등록 자동화 시스템 구성하기

문제 상황

• 부트텐트 교육과정 등록은 교육기관 담당자가 모집 페이지 정보를 내부 폼에 다시 옮겨 적는 수작업 중심 구조
• 입력 항목이 많고 표현 방식과 분류 체계가 달라, 이미지형 공고의 정보 추출과 필드 매핑에 큰 부담 발생
• 등록 지연과 입력 품질 편차가 반복되며 운영 목표에 영향

원인 분석

• 모집 정보의 상당 부분이 포스터·스크롤 이미지에 포함되어 수기 확인 필요
• 일정, 비용, 자격요건처럼 중요한 정보의 오입력이 신뢰와 운영 리스크로 연결
• OCR 품질, 필드 매핑, 검증을 함께 다뤄야 하는 복합 문제

해결 방법

• Amazon Bedrock과 AWS Step Functions 기반 7단계 자동화 파이프라인 구성
• Playwright 기반 페이지 수집, 하이브리드 Vision OCR, 55개 필드 구조화 추출, Validator Agent 검증 적용
• vLLM의 Qwen3-VL-8B를 Primary로 두고 Claude를 Fallback으로 연결해 한국어 OCR 품질과 비용을 균형화

성능/운영 포인트

• 교육과정 등록 시간 약 69.0% 절감
• 필드 정확도 88.7%, Validator 오류 검출률 98.0%
• Haiku 대비 Vision OCR 비용 약 40% 절감, Fallback 구조로 운영 안정성 확보

적용해볼 점

• OCR 정확도와 추출 정확도를 분리해 설계하는 접근
• 구조화 출력 전용 프롬프트와 검증 에이전트 결합
• 사람 검수(HITL)를 남겨 둔 점진적 자동화