무신사 ‘촤비스’: AI와 Amazon Bedrock, Kendra를 활용한 사내 문의 자동화 성공 사례

핵심 기술

무신사는 AI 시대에 발맞춰 업무 생산성 혁신을 위한 '촤비스' 프로젝트를 통해 Slack과 Confluence를 연동한 AI 기반 문의 자동화 시스템을 성공적으로 구축했습니다. Amazon Bedrock의 강력한 AI 모델과 Kendra의 지능형 검색 기능을 활용하여 사내 정보 접근성을 높이고 반복적인 문의 응대 업무를 자동화했습니다.

기술적 세부사항

• 문제 정의: 1,400명 이상이 참여하는 Slack '문의-무물보' 채널에서 담당자 5명이 수백 명의 질문에 응대하는 비효율성 및 Confluence '생활백서'에 이미 존재하는 정보를 반복적으로 전달하는 문제점 발견.
• 해결 목표: Confluence에 존재하는 정보를 실시간으로 찾아 질문자에게 즉시 전달.
• 핵심 도구:
  • Amazon Bedrock: AI 모델 (Claude Sonnet, Titan Embedding) 제공 및 보안 강화.
  • Spring AI: AI Tool 정의 및 실행 흐름 제어, AI 모델과의 통합 기반 제공.
  • Amazon Kendra: Confluence 연동 및 의미 검색(semantic search) 기반 지능형 검색 엔진.
• 아키텍처: Slack → Spring AI → Bedrock (Tool 결정) → Kendra (Confluence 검색) → Bedrock (답변 생성) → Slack.
• Kendra 연동: Confluence API Token 및 크롤링 정책 설정으로 간편하게 데이터 색인화. 'choavis' 라벨 필터링 적용.
• Spring AI Tool 구현: @Tool 어노테이션을 사용하여 Confluence 검색 Tool 정의. AI 모델이 Tool을 자체적으로 선택하고, 검색 결과와 함께 최종 답변을 생성하도록 설계.
• 시스템/사용자 프롬프트: AI의 페르소나(무신사 친근한 사내 도우미)와 사용자의 실제 질문을 구분하여 전달.
• 초기 운영 결과: 오픈 첫날 200명 이상이 '무물보-with-choavis' 채널에 입장하며 높은 참여율 기록.
• 비용 최적화 (Typesense 도입): Kendra 운영 비용 부담으로 인해 오픈소스 검색 엔진인 Typesense로 전환. 문서 크롤링 및 벡터 변환 로직을 Spring AI에서 직접 처리하도록 아키텍처 변경.

개발 임팩트

• 생산성 향상: 반복적인 문의 응대 시간을 절감하고, 담당자는 핵심 업무에 집중.
• 정보 접근성 개선: 구성원들이 필요한 정보를 빠르고 정확하게 얻을 수 있게 되어 업무 효율 증대.
• 비용 효율성: 초기에는 Kendra를 사용했지만, Typesense로 전환하며 비용 부담을 절감.

커뮤니티 반응

성공적인 초기 오픈 이후, 촤비스 기능은 높은 사용자 참여를 이끌어내며 긍정적인 반응을 얻었습니다. 하지만 Kendra의 비용 문제가 새로운 과제로 대두되었고, 이에 대한 해결책으로 Typesense를 도입하는 과정을 통해 실제 운영상의 비용 최적화 방안을 모색했습니다.