ERP 데이터 기반 Agentic AI 구축 성공 사례

본 프로젝트에서는 Strands Agents SDK가 제공하는 Multi-Agent 협업 패턴 중 Agents-as-Tools 패턴을 핵심으로 채택했습니다. 이 패턴은 중앙의 Supervisor Agent가 각 전문 Agent(Data Agent, Mail Sender Agent 등)를 도구처럼 호출하는 계층적 구조로, Agent 간 직접적인 소통이 불필요하고 역할 분담이 명확한 경우에 효과적입니다. 초기에는 Graph 패턴을 고려했으나, Context 관리의 복잡성으로 인해 더 단순한 Agents-as-Tools 패턴으로 전환하며 구현 유연성을 확보했습니다. 각 Agent는 Supervisor의 지시에만 응답하도록 설계하여 단순화된 제어 흐름을 유지했습니다.

사조그룹의 ERP 회계(FI) 모듈 데이터를 활용하기 위해 기존 Spring Boot 기반의 Java Application API Server를 구축했습니다. 데이터 접근 전 JWT Token 기반의 인증 및 인가 절차를 적용하여 보안성을 강화했으며, LLM(Large Language Model)의 비효율적인 데이터 전송을 방지하기 위해 컬럼 추상화(Column Abstraction)를 통한 데이터 최적화를 수행했습니다. 이는 불필요한 데이터 쿼리를 줄여 응답 시간 단축 및 LLM Context Window 효율 증대에 기여합니다.

개발 과정에서 Kiro AI 코딩 어시스턴트를 활용하여 Spec Driven Development(SDD) 사상에 기반한 개발을 진행했습니다. Kiro는 요구사항 명세, 디자인, 작업 단계를 정의하고 오류를 추적하며 개발을 지원하는 강점을 보였습니다. 특히, 코드 스타일, Git 전략, 핵심 개발 원칙 등을 사전 정의하여 LLM이 이를 참고하도록 하는 'Steering' 기능은 개발 진척도의 회귀를 방지하고 일관된 코드 품질 유지에 크게 기여했습니다. 이는 AI 코딩 어시스턴트가 단순히 코드 생성을 넘어 개발 프로세스 전반에 걸쳐 생산성을 향상시킬 수 있음을 시사합니다.

프로젝트 통합 과정에서 Context 관리의 부재로 인한 문제점들이 발생했습니다. 예를 들어, 영역 1의 터미널 기반 승인 방식과 영역 2의 Streamlit 기반 웹 UI 간의 세션(Session) 관리 불일치로 인해 정상적인 상태 전이가 이루어지지 않았습니다. 또한, JWT Token의 만료 시간과 같은 환경 설정 정보가 Agent에게 명시적으로 제공되지 않아 API 호출 오류 발생 시 원인 파악에 어려움을 겪었습니다. 이러한 경험은 Agent 개발 시 지속적인 Context 유지 및 공유 메커니즘의 필요성을 강조합니다.

회계 데이터 기반 Agent 도입 시, 현업 담당자 인터뷰를 통해 상당한 업무 효율성 증대가 예상되었습니다. 기존 ERP에서 약 30분이 소요되던 차대 균형 검증 작업이 Agent 기반으로 전환 시 30~40초 내외로 단축될 것으로 기대됩니다. 또한, 보고서 유형에 따라 1~2시간이 걸리던 회계 데이터 분석 작업도 Agent를 통해 1분 이내로 완료 가능할 것으로 예상됩니다. 수천 건의 월별 매출/매입 거래처 분석 역시 Pandas와 Agent를 활용하여 3분 이내에 결과를 확인할 수 있었습니다.