동원F&B의 Amazon Bedrock AgentCore 기반 AI 쇼핑 어시스턴트로 쇼핑 경험 혁신 여정

핵심 내용

• 동원F&B 동원몰의 AI 쇼핑 어시스턴트 구축 사례
• 기존 문답형 챗봇 한계를 넘어 탐색, 추천, 구매, CS를 연결하는 에이전트형 쇼핑 경험 구현
• OpenSearch 하이브리드 검색, Bedrock AgentCore, Memory, Observability, Strands SDK, 프롬프트·토큰 최적화 결합

구조와 흐름

• 한국어 형태소 분석과 동의어 확장, BM25와 kNN 벡터 검색을 RRF로 결합한 검색 구조
• AgentCore와 Tool 호출로 주문 조회, 회원 정보 조회, 정책 안내, 프로모션 조회를 멀티스텝 처리
• 카드형 UI와 개인정보 차단, 입력 검증, Prompt Injection 방어로 운영 안정성 강화

성능/운영 포인트

• TTFT, 토큰 사용량, Tool 호출 성공률, 추론 트레이스를 CloudWatch로 관찰하는 운영 체계
• Agent State 요약, 메시지 개수 제한, 프롬프트 캐싱, 영문 시스템 프롬프트로 토큰 비용 절감
• 토큰 97% 절감, TTFT 2.58초, CS 문의 23% 감소 성과

적용해볼 점

• 단순 RAG를 넘어 멀티턴 쇼핑 시나리오에는 Agent와 Tool 기반 설계가 적합
• 검색 품질 개선에는 한국어 분석기, 동의어 사전, 시맨틱 검색, 하이브리드 결합이 유효
• 운영 단계에서는 보안, 개인정보 정제, 관측 가능성, 토큰 최적화가 함께 필요