Amazon Web Services(AWS)가 Amazon Bedrock AgentCore를 활용해 문서를 처리하는 에이전트형 시스템의 배포 가이드를 공개했습니다. 이 시스템은 두 개의 그래프 기반 작업 흐름에서 전문 에이전트 8개를 사용해 업무 문서를 분류하고, 정보를 추출·검증하며, 수정 과정에서 학습한 지침을 저장합니다. AWS는 조직이 이를 20분 이내에 배포하고, 템플릿을 수동 설정하지 않고도 새로운 문서 유형을 처리할 수 있다고 설명합니다.

가이드가 인용한 IDC 연구에 따르면 문서 관련 문제는 조직에 정보 노동자 1인당 연간 19,732달러의 비용을 발생시키고 생산성을 21.3% 낮춥니다. 직원은 업무 시간의 최대 30%를 문서 작업에 쓰며, 수동 데이터 입력의 오류율은 1~4%입니다. 가이드는 기존 지능형 문서 처리 도구가 문서 형식별 사전 설정을 요구하고, 공급업체마다 레이아웃이 달라지면 제대로 작동하지 않을 수 있다고 설명합니다.

문서 식별 작업에서 Analyzer 에이전트는 Amazon Textract로 텍스트를 추출하고 발신자와 문서 유형을 찾습니다. Matcher 에이전트는 벡터 유사도(문서를 숫자 특징으로 바꿔 가까운 항목을 찾는 방식)를 이용해 Amazon S3 Vectors에서 비슷한 문서를 검색합니다. 일치 항목이 없으면 학습 작업 흐름의 Instructions 에이전트가 추출 지침을 만들고, Extractor 에이전트가 구조화된 데이터를 생성하며, Validator 에이전트가 이를 JSON 스키마와 Amazon Aurora DSQL의 업무 규칙에 따라 확인합니다. 검증에 실패하면 Instructions Fixer가 지침을 고치고, 검증을 통과하면 Save Instructions 에이전트가 재사용을 위해 지침을 저장합니다.

이미 알려진 문서 유형은 저장된 지침을 자동화 작업 흐름에서 재사용합니다. Extractor가 문서를 처리하고 검증에 실패하면 Troubleshooter가 지침을 바꾸지 않은 채 추출 데이터를 수정할 수 있습니다. 가이드의 예시인 Two Wheel Store 구매 주문서에서는 첫 처리 때 공급업체 SKU인 SB-004가 Acme Bikes의 내부 형식 AB-SB-004와 일치하지 않았습니다. Instructions Fixer가 공급업체 SKU 앞에 AB-를 붙이는 규칙을 추가한 뒤 주문서의 품목 7개가 검증을 통과했으며, 첫 처리는 3분 49초가 걸렸습니다.

같은 판매업체의 두 번째 주문에서는 Matcher가 신뢰도 점수 3.946으로 저장된 지침을 찾아냈습니다. 이는 기준값 3.7을 넘는 점수였습니다. 학습된 규칙에 따라 EL-002는 AB-EL-002로, HB-071은 AB-HB-071로, PD-002는 AB-PD-002로 바뀌었습니다. 품목 3개 모두 첫 시도에서 검증을 통과했고 주문 총액은 5,979.19달러였습니다. 처리에는 1분 30초가 걸렸습니다. AWS는 검증 실패 후 프롬프트 수정을 저장하는 과정과 Troubleshooter의 분석으로 문서 변형 패턴을 찾는 과정, 두 가지 피드백 순환을 설명합니다.

예시 배포는 AWS CloudFormation 스택 6개를 사용하며 약 15~20분이 걸립니다. 필요한 항목은 AWS 계정, Amazon Bedrock에서 활성화한 Amazon Nova 및 Anthropic Claude 모델, 지원 지역의 AgentCore·S3 Vectors·Aurora DSQL 접근 권한, AWS CDK v2, Docker, Python 3.11 이상, Node.js 18 이상, 그리고 안내된 AWS 리소스를 생성할 권한입니다. 문서는 Amazon Simple Email Service나 S3에 직접 올려 받을 수 있습니다. EventBridge가 Lambda를 실행하면 Lambda가 DynamoDB 추적 작업을 만들고 AgentCore 런타임을 호출합니다. 가이드에 따르면 에이전트는 AgentCore Identity와 Amazon Cognito를 통해 AWS 리소스에 접근하며, 사용자는 채팅 기능이 있는 대시보드와 CloudWatch 원격 측정을 이용하는 AgentCore Observability에서 작업을 모니터링할 수 있습니다.

미국 동부(버지니아 북부)에서 학습 문서 10건과 월 처리 문서 1,000건을 기준으로 AWS는 월 비용을 약 58달러로 추산합니다. 기반 모델 추론이 전체 비용의 약 85%를 차지하며 문서당 비용은 약 0.055달러입니다. 실제 비용은 주로 각 에이전트에 배정하는 모델에 따라 달라집니다. 예시는 합성 자전거 회사의 구매 주문서 처리 흐름입니다. 이를 다른 조직에 적용할 때는 샘플 스키마, 검증 논리와 프롬프트를 해당 조직의 문서 유형에 맞게 바꿔야 합니다. AWS는 유형마다 경계 사례를 포함한 대표 문서 5~10건으로 시작하고, 업무 규칙 검증과 성능 모니터링, 문서 유형의 단계적 추가, 운영 환경의 안전장치 적용을 권고합니다.

Amazon Web Services(AWS)가 Amazon Bedrock AgentCore를 활용해 문서를 처리하는 에이전트형 시스템의 배포 가이드를 공개했습니다. 이 시스템은 두 개의 그래프 기반 작업 흐름에서 전문 에이전트 8개를 사용해 업무 문서를 분류하고, 정보를 추출·검증하며, 수정 과정에서 학습한 지침을 저장합니다. AWS는 조직이 이를 20분 이내에 배포하고, 템플릿을 수동 설정하지 않고도 새로운 문서 유형을 처리할 수 있다고 설명합니다.

가이드가 인용한 IDC 연구에 따르면 문서 관련 문제는 조직에 정보 노동자 1인당 연간 19,732달러의 비용을 발생시키고 생산성을 21.3% 낮춥니다. 직원은 업무 시간의 최대 30%를 문서 작업에 쓰며, 수동 데이터 입력의 오류율은 1~4%입니다. 가이드는 기존 지능형 문서 처리 도구가 문서 형식별 사전 설정을 요구하고, 공급업체마다 레이아웃이 달라지면 제대로 작동하지 않을 수 있다고 설명합니다.

문서 식별 작업에서 Analyzer 에이전트는 Amazon Textract로 텍스트를 추출하고 발신자와 문서 유형을 찾습니다. Matcher 에이전트는 벡터 유사도(문서를 숫자 특징으로 바꿔 가까운 항목을 찾는 방식)를 이용해 Amazon S3 Vectors에서 비슷한 문서를 검색합니다. 일치 항목이 없으면 학습 작업 흐름의 Instructions 에이전트가 추출 지침을 만들고, Extractor 에이전트가 구조화된 데이터를 생성하며, Validator 에이전트가 이를 JSON 스키마와 Amazon Aurora DSQL의 업무 규칙에 따라 확인합니다. 검증에 실패하면 Instructions Fixer가 지침을 고치고, 검증을 통과하면 Save Instructions 에이전트가 재사용을 위해 지침을 저장합니다.

이미 알려진 문서 유형은 저장된 지침을 자동화 작업 흐름에서 재사용합니다. Extractor가 문서를 처리하고 검증에 실패하면 Troubleshooter가 지침을 바꾸지 않은 채 추출 데이터를 수정할 수 있습니다. 가이드의 예시인 Two Wheel Store 구매 주문서에서는 첫 처리 때 공급업체 SKU인 SB-004가 Acme Bikes의 내부 형식 AB-SB-004와 일치하지 않았습니다. Instructions Fixer가 공급업체 SKU 앞에 AB-를 붙이는 규칙을 추가한 뒤 주문서의 품목 7개가 검증을 통과했으며, 첫 처리는 3분 49초가 걸렸습니다.

같은 판매업체의 두 번째 주문에서는 Matcher가 신뢰도 점수 3.946으로 저장된 지침을 찾아냈습니다. 이는 기준값 3.7을 넘는 점수였습니다. 학습된 규칙에 따라 EL-002는 AB-EL-002로, HB-071은 AB-HB-071로, PD-002는 AB-PD-002로 바뀌었습니다. 품목 3개 모두 첫 시도에서 검증을 통과했고 주문 총액은 5,979.19달러였습니다. 처리에는 1분 30초가 걸렸습니다. AWS는 검증 실패 후 프롬프트 수정을 저장하는 과정과 Troubleshooter의 분석으로 문서 변형 패턴을 찾는 과정, 두 가지 피드백 순환을 설명합니다.

예시 배포는 AWS CloudFormation 스택 6개를 사용하며 약 15~20분이 걸립니다. 필요한 항목은 AWS 계정, Amazon Bedrock에서 활성화한 Amazon Nova 및 Anthropic Claude 모델, 지원 지역의 AgentCore·S3 Vectors·Aurora DSQL 접근 권한, AWS CDK v2, Docker, Python 3.11 이상, Node.js 18 이상, 그리고 안내된 AWS 리소스를 생성할 권한입니다. 문서는 Amazon Simple Email Service나 S3에 직접 올려 받을 수 있습니다. EventBridge가 Lambda를 실행하면 Lambda가 DynamoDB 추적 작업을 만들고 AgentCore 런타임을 호출합니다. 가이드에 따르면 에이전트는 AgentCore Identity와 Amazon Cognito를 통해 AWS 리소스에 접근하며, 사용자는 채팅 기능이 있는 대시보드와 CloudWatch 원격 측정을 이용하는 AgentCore Observability에서 작업을 모니터링할 수 있습니다.

미국 동부(버지니아 북부)에서 학습 문서 10건과 월 처리 문서 1,000건을 기준으로 AWS는 월 비용을 약 58달러로 추산합니다. 기반 모델 추론이 전체 비용의 약 85%를 차지하며 문서당 비용은 약 0.055달러입니다. 실제 비용은 주로 각 에이전트에 배정하는 모델에 따라 달라집니다. 예시는 합성 자전거 회사의 구매 주문서 처리 흐름입니다. 이를 다른 조직에 적용할 때는 샘플 스키마, 검증 논리와 프롬프트를 해당 조직의 문서 유형에 맞게 바꿔야 합니다. AWS는 유형마다 경계 사례를 포함한 대표 문서 5~10건으로 시작하고, 업무 규칙 검증과 성능 모니터링, 문서 유형의 단계적 추가, 운영 환경의 안전장치 적용을 권고합니다.