LG CNS의 Agentic AI를 활용한 APQR 시스템 설계 및 자동화 구축 사례

문제 상황

• APQR 리포트 작성 시 QMS, LIMS, SAP, EDMS 등 여러 시스템을 오가며 자료를 수집해야 하는 반복 업무 부담
• 원본 파일을 그대로 활용하면 근거 추적과 수치 검증이 어려워, 조회·계산·서술을 분리한 시스템화 필요
• 여러 품질 업무가 병렬로 얽혀 있어 단일 Agent 응답 방식으로는 실행 순서와 결과 취합 관리가 어려움

해결 방법

• 수신 파일을 검증한 뒤 원본과 조회용 표준 데이터를 분리해 신뢰 가능한 근거 데이터셋 구성
• Amazon Athena와 Python 기반 로직으로 조회·계산을 재현 가능하게 처리하고, Amazon Bedrock은 해석과 내용 일관성 점검에만 선택적으로 사용
• 품질 업무별 Business Agent와 Unit Agent를 워크플로우에 배치하고, 이벤트 기반으로 병렬 실행과 결과 취합을 관리

성능/운영 포인트

• Amazon S3, Athena, EKS, Bedrock, RDS, ElastiCache를 역할별로 분리해 데이터 보관, 조회, 실행, 이력 관리, 캐시를 운영
• 요청 범위와 원본 참조를 유지해 리포트 근거 추적성을 확보하고, 동일 기준의 반복 처리를 지원
• APQR 한 건 생성 시간을 약 12시간에서 약 1시간으로 줄여 전체 생성 업무를 90% 이상 단축