Circle K, 사고 분류 시간 15분 미만으로 단축

Circle K는 2026년 4월 Amazon Bedrock AgentCore 기반 AI 사고 분류 시스템을 배포해 평균 분류 시간을 45~60분에서 15분 미만으로 줄였습니다. 회사 내부 사고 대응 지표에 따르면 감소 폭은 67~75%입니다. 시스템은 Circle K의 AWS 인프라 전반에서 경보를 조사한 뒤, 엔지니어에게 구조화된 요약을 Slack으로 보냅니다. Circle K는 27개국에서 편의점과 연료 소매점 17,200곳 이상을 운영하며, AWS를 판매 시점 관리, 고객 충성도 프로그램, 전기차 충전 애플리케이션에 사용합니다.

자동화 전에는 Grafana 경보에 대응하는 엔지니어가 CloudWatch 로그, OpenSearch 추적 정보, ECS 작업 상태, GitHub 운영 지침과 코드를 확인했습니다. Circle K는 반복적인 정보 수집을 자동화하되 운영 판단은 엔지니어에게 남기는 시스템을 만들었습니다. 모델 호스팅, 프롬프트 버전, 도구 조정, 보안 제어를 직접 관리하지 않기 위해 자체 관리형 오픈소스 에이전트 프레임워크 대신 Amazon Bedrock을 선택했습니다. 회사는 Bedrock이 기존 AWS Identity and Access Management 정책, Virtual Private Cloud 구성, 로깅 파이프라인에 맞았다고 밝혔습니다. 또한 고객 데이터는 모델 제공업체와 공유되지 않으며 기반 모델 학습에도 사용되지 않는다고 설명했습니다.

초기 시스템은 Amazon Bedrock Flows로 세 개의 전문 에이전트를 조정했습니다. Grafana 경보는 Amazon SNS와 SQS 대기열을 거쳐 Lambda 함수에 전달되고, Lambda가 Flow를 실행했습니다. 동시에 한 에이전트는 ECS 작업 상태, 로드 밸런서 대상, CloudWatch 지표와 로그 등 AWS 자원을 점검했습니다. 다른 에이전트는 OpenSearch 로그와 추적 정보를 조회하고 관리형 지식 기반에서 서비스 정보를 가져왔습니다. 세 번째 에이전트는 영향받은 서비스의 GitHub 저장소, 인프라 정의, 최근 커밋을 검색했습니다. 마지막 모델 호출은 조사 결과를 모아 추정 원인, 근거, 영향받은 서비스와 담당자, 권고 조치를 담은 구조화된 요약을 만들었습니다. 처리에는 사고 복잡도에 따라 5~15분이 걸렸고, 엔지니어는 일관된 요약을 2분 이내에 확인할 수 있었습니다.

한 사례에서 경보는 HTTP 5xx 오류율이 3분 연속 5%를 넘었다고 알렸습니다. 에이전트들은 데이터베이스 연결 풀이 소진됐고 서비스와 PostgreSQL 사이에서 ‘connection refused’ 오류가 발생했으며, 코드가 요청마다 새 데이터베이스 연결을 열고 있음을 발견했습니다. 최종 분석은 경보 10분 전에 시작된 마케팅 캠페인과 발생 시점의 연관성을 제시하고 코드 수준의 수정안을 권고했습니다.

Flows를 몇 달간 사용한 뒤, Circle K는 데이터 양과 맥락이 늘면서 일부 조사에 더 많은 시간이 필요한 것을 확인했습니다. 로그 필터링, 맥락 창 축소, 서비스를 여러 Flow로 분리하는 방법을 적용했지만, 오래 걸리는 분석 수요는 해소되지 않았습니다. 이에 팀은 최대 8시간 세션을 지원하는 AgentCore Runtime으로 시스템을 옮겼습니다. 당시 조사에는 그 전체 시간이 필요하지 않았습니다. 팀은 세 에이전트를 컨테이너화된 단일 에이전트 세션으로 통합했으며, Lambda가 세션을 시작하고 15분 이내에 결과를 Slack에 게시합니다. AgentCore Gateway는 중앙 접근 제어를 두고 OpenSearch, Bedrock Knowledge Bases, GitHub를 도구로 제공합니다.

Circle K에 따르면 간단한 사고는 이제 5~8분 안에 요약되며, 이전에 수동 분류에 1시간 넘게 걸렸던 복잡한 다중 서비스 사고도 15분 이내에 처리됩니다. 시스템은 당직 엔지니어에게 일관된 요약과 다른 팀으로 넘길 때 필요한 맥락을 제공하며, 서비스가 정상이고 경보와 연관된 오류가 없을 때 경보에 더 빨리 응답하도록 돕습니다.

팀은 세션 상태가 유지돼 에이전트가 앞선 조사 결과를 잃지 않고 로그를 선별해 다시 검토할 수 있다고 전했습니다. AgentCore는 OpenTelemetry 표준을 사용해 세션 추적 정보를 수집하고 CloudWatch에 표시합니다. 이를 통해 팀은 단계별 소요 시간, 지식 기반 질의, 병목 지점을 살펴보고 프롬프트를 조정할 수 있습니다. Runtime은 여러 프레임워크로 만든 컨테이너 에이전트도 지원합니다. Circle K가 공유한 교훈에는 로그 그룹 이름과 시간 범위만 전달하는 대신 관련 로그 행을 에이전트에 직접 전달하기, 검색 설정을 시험하기, 시스템 프롬프트와 온도를 조정하기, 로그와 자원 분석으로 원인 범위를 좁힌 뒤 GitHub를 검색하기가 포함됩니다. 팀은 자사 데이터에서는 지식 기반의 기본 설정이 가장 잘 작동했다고 밝혔으며, 제공된 원문은 이러한 교훈을 설명하던 중 끝납니다.

Circle K는 2026년 4월 Amazon Bedrock AgentCore 기반 AI 사고 분류 시스템을 배포해 평균 분류 시간을 45~60분에서 15분 미만으로 줄였습니다. 회사 내부 사고 대응 지표에 따르면 감소 폭은 67~75%입니다. 시스템은 Circle K의 AWS 인프라 전반에서 경보를 조사한 뒤, 엔지니어에게 구조화된 요약을 Slack으로 보냅니다. Circle K는 27개국에서 편의점과 연료 소매점 17,200곳 이상을 운영하며, AWS를 판매 시점 관리, 고객 충성도 프로그램, 전기차 충전 애플리케이션에 사용합니다.

자동화 전에는 Grafana 경보에 대응하는 엔지니어가 CloudWatch 로그, OpenSearch 추적 정보, ECS 작업 상태, GitHub 운영 지침과 코드를 확인했습니다. Circle K는 반복적인 정보 수집을 자동화하되 운영 판단은 엔지니어에게 남기는 시스템을 만들었습니다. 모델 호스팅, 프롬프트 버전, 도구 조정, 보안 제어를 직접 관리하지 않기 위해 자체 관리형 오픈소스 에이전트 프레임워크 대신 Amazon Bedrock을 선택했습니다. 회사는 Bedrock이 기존 AWS Identity and Access Management 정책, Virtual Private Cloud 구성, 로깅 파이프라인에 맞았다고 밝혔습니다. 또한 고객 데이터는 모델 제공업체와 공유되지 않으며 기반 모델 학습에도 사용되지 않는다고 설명했습니다.

초기 시스템은 Amazon Bedrock Flows로 세 개의 전문 에이전트를 조정했습니다. Grafana 경보는 Amazon SNS와 SQS 대기열을 거쳐 Lambda 함수에 전달되고, Lambda가 Flow를 실행했습니다. 동시에 한 에이전트는 ECS 작업 상태, 로드 밸런서 대상, CloudWatch 지표와 로그 등 AWS 자원을 점검했습니다. 다른 에이전트는 OpenSearch 로그와 추적 정보를 조회하고 관리형 지식 기반에서 서비스 정보를 가져왔습니다. 세 번째 에이전트는 영향받은 서비스의 GitHub 저장소, 인프라 정의, 최근 커밋을 검색했습니다. 마지막 모델 호출은 조사 결과를 모아 추정 원인, 근거, 영향받은 서비스와 담당자, 권고 조치를 담은 구조화된 요약을 만들었습니다. 처리에는 사고 복잡도에 따라 5~15분이 걸렸고, 엔지니어는 일관된 요약을 2분 이내에 확인할 수 있었습니다.

한 사례에서 경보는 HTTP 5xx 오류율이 3분 연속 5%를 넘었다고 알렸습니다. 에이전트들은 데이터베이스 연결 풀이 소진됐고 서비스와 PostgreSQL 사이에서 ‘connection refused’ 오류가 발생했으며, 코드가 요청마다 새 데이터베이스 연결을 열고 있음을 발견했습니다. 최종 분석은 경보 10분 전에 시작된 마케팅 캠페인과 발생 시점의 연관성을 제시하고 코드 수준의 수정안을 권고했습니다.

Flows를 몇 달간 사용한 뒤, Circle K는 데이터 양과 맥락이 늘면서 일부 조사에 더 많은 시간이 필요한 것을 확인했습니다. 로그 필터링, 맥락 창 축소, 서비스를 여러 Flow로 분리하는 방법을 적용했지만, 오래 걸리는 분석 수요는 해소되지 않았습니다. 이에 팀은 최대 8시간 세션을 지원하는 AgentCore Runtime으로 시스템을 옮겼습니다. 당시 조사에는 그 전체 시간이 필요하지 않았습니다. 팀은 세 에이전트를 컨테이너화된 단일 에이전트 세션으로 통합했으며, Lambda가 세션을 시작하고 15분 이내에 결과를 Slack에 게시합니다. AgentCore Gateway는 중앙 접근 제어를 두고 OpenSearch, Bedrock Knowledge Bases, GitHub를 도구로 제공합니다.

Circle K에 따르면 간단한 사고는 이제 5~8분 안에 요약되며, 이전에 수동 분류에 1시간 넘게 걸렸던 복잡한 다중 서비스 사고도 15분 이내에 처리됩니다. 시스템은 당직 엔지니어에게 일관된 요약과 다른 팀으로 넘길 때 필요한 맥락을 제공하며, 서비스가 정상이고 경보와 연관된 오류가 없을 때 경보에 더 빨리 응답하도록 돕습니다.

팀은 세션 상태가 유지돼 에이전트가 앞선 조사 결과를 잃지 않고 로그를 선별해 다시 검토할 수 있다고 전했습니다. AgentCore는 OpenTelemetry 표준을 사용해 세션 추적 정보를 수집하고 CloudWatch에 표시합니다. 이를 통해 팀은 단계별 소요 시간, 지식 기반 질의, 병목 지점을 살펴보고 프롬프트를 조정할 수 있습니다. Runtime은 여러 프레임워크로 만든 컨테이너 에이전트도 지원합니다. Circle K가 공유한 교훈에는 로그 그룹 이름과 시간 범위만 전달하는 대신 관련 로그 행을 에이전트에 직접 전달하기, 검색 설정을 시험하기, 시스템 프롬프트와 온도를 조정하기, 로그와 자원 분석으로 원인 범위를 좁힌 뒤 GitHub를 검색하기가 포함됩니다. 팀은 자사 데이터에서는 지식 기반의 기본 설정이 가장 잘 작동했다고 밝혔으며, 제공된 원문은 이러한 교훈을 설명하던 중 끝납니다.