자연어 기반 대기오염 예측 대시보드, 개발 생산성 78% 향상!
복잡한 UI와 전문 용어 사용으로 인해 활용도가 낮았던 기존 대시보드의 문제점을 해결하기 위해 자연어 기반 대화형 인터페이스(Conversational Interface)를 도입
AWS Bedrock Agent를 활용하여 사용자의 자연어 입력을 이해하고, CMAQ 대리 모델(Surrogate Model)을 제어하는 Agentic AI 시스템 구축
Amazon Q Developer를 통해 개발 생산성을 78% 향상시키고, 자연어 기반 제어를 통해 사용자 경험을 혁신적으로 개선
Amazon ECS with Fargate를 사용하여 인프라 관리 부담을 줄이고, 독립적인 스케일링(Independent Scaling)을 통해 유연성을 확보
EHRNC는 이 프로젝트를 통해 환경 데이터 분석 서비스의 SaaS(Software as a Service) 확장 가능성을 확인
Agentic AI 아키텍처: 자연어 이해와 시스템 제어
본 시스템은 Amazon Bedrock Agent를 핵심으로, 사용자의 자연어 입력을 이해하고 시스템을 제어하는 Agentic AI 아키텍처를 구현했다.
Intent Parsing(의도 파악): 사용자의 자연어 요청을 분석하여 JSON 형태의 Tool-Use 명령으로 변환
Tool-Use: update_emission_sliders(region, value)와 같은 구체적인 함수 호출을 통해 시스템의 파라미터 조작
N-Pass Loop: 다중 요청 처리 및 최종 응답 생성을 위해 N-Pass 루프(N-Pass Loop)를 활용
이러한 구조는 단순한 챗봇 응답을 넘어, 시스템의 물리적 상태를 직접 제어하고 상호작용하는 지능형 인터페이스(Intelligent Interface)를 가능하게 한다.
AWS 서비스 기반 인프라 구성
EHRNC는 AWS ECS with Fargate를 선택하여 인프라 관리의 복잡성을 줄이고, 독립적인 스케일링을 가능하게 했다.
Docker 정합성: 기존 Docker Compose 기반 시스템을 수정 없이 클라우드로 마이그레이션(Migration)
독립적 스케일링: Dashboard(Dash UI)와 Inference Server(FastAPI)를 개별 Task로 분리하여 리소스 사용량에 따라 유연하게 확장
비용 효율성: 실제 컨테이너 사용량에 따라 비용을 지불하는 Pay-as-you-go 모델(Pay-as-you-go Model) 채택
이러한 구성은 시스템의 가용성(Availability)과 운영 효율성(Operational Efficiency)을 동시에 향상시킨다.
Amazon Q Developer를 활용한 개발 생산성 향상
Amazon Q Developer를 활용하여 Agentic 대시보드 개발 시간을 78% 단축하는 획기적인 성과를 달성했다.
JSON Schema 자동 생성: Bedrock Tool Config를 위한 JSON 스키마(JSON Schema)를 자동 생성하여 개발 시간 단축
복잡한 Tool-Use 로직 구현: 다중 요청 처리(Multi-request Processing)를 위한 N-Pass 루프 구현
RAG 데이터셋 구축: 지리적 특성 이해를 위한 대용량 메타데이터(Metadata)를 신속하게 구축
결과적으로 개발자는 코드 작성(Coding)에 덜 집중하고, 서비스 로직 설계 및 검증에 더 많은 시간을 할애할 수 있게 되었다.
CMAQ 대리 모델(Surrogate Model)의 역할
EHRNC는 CMAQ 시뮬레이션의 DNN(Deep Neural Networks) 기반 대리 모델을 활용하여 실시간 의사결정을 지원한다.
CMAQ: 미국 EPA에서 개발한 대기질 시뮬레이터(Air Quality Simulator)
대리 모델: CMAQ의 복잡한 역학 시뮬레이션을 학습한 AI 기반 모사 모델(Imitation Model)
성능 개선: 원본 시뮬레이션 대비 수 초 내 예측 가능하여 실시간 활용 가능
이러한 대리 모델은 계산 복잡성(Computational Complexity)을 줄여, 정책 결정자들의 신속한 의사결정을 돕는다.
자연어 기반 인터페이스의 사용자 경험 혁신
기존 시스템의 86개 슬라이더 조작 대신, 자연어 명령 한 문장으로 시뮬레이션을 제어하는 획기적인 사용자 경험(User Experience)을 제공한다.
입력 설정: 85개의 슬라이더와 1개의 국외 유입 슬라이더를 통해 다양한 시나리오 설정(Scenario Setting) 지원
상호작용: 예측 모듈 호출, CSV 파일 업로드, Amazon Bedrock Agent와의 대화 기능 제공
결과 출력: 시각화된 그래프를 통해 예측 결과(Prediction Result)를 직관적으로 확인
이러한 변화는 비전문가도 쉽게 시뮬레이션을 수행할 수 있도록 하여, 데이터 접근성(Data Accessibility)을 크게 향상시켰다.
