ShipStation Global은 2026년 4월 Amazon Bedrock AgentCore 기반의 AI 헬프데스크 에이전트 Deckhand를 Slack에 출시했습니다. Deckhand는 정리된 지식 기반에서 IT 및 회사 관련 질문에 답하고, 오류 메시지 스크린샷을 읽으며, Jira Service Management 티켓을 생성하거나 업데이트합니다. 출시 후 첫 3개월 동안 메시지 1,935건을 처리하고 에이전트 대화 1,221건을 시작했으며, Jira 티켓 409건을 열었습니다. 메시지의 97.5%에 답했고, 긍정 평가는 6월에 96%를 기록했습니다.

출시 전 Slack 헬프데스크 채널에는 12개월 동안 1,500건이 넘는 대화가 쌓였고 문의량은 계속 늘었습니다. 직원들은 미국, 영국, 스페인, 폴란드, 호주, 필리핀에서 근무했으며, 문의의 5분의 1 이상이 미국 업무시간 밖에 들어왔습니다. 답변 자료는 Confluence 문서, 인트라넷 페이지, PDF, IT 안내서와 과거 Slack 대화에 흩어져 있어 반복적인 질문을 처리하는 데 시간이 걸렸습니다.

Slack 서비스는 대화 전체와 요청자의 이름, 이메일, 시간대, 관리자 정보를 모은 뒤 격리된 Amazon Bedrock AgentCore 실행 환경에서 호스팅되는 에이전트를 호출합니다. 에이전트는 Amazon Bedrock 지식 기반을 검색하고 요청 분류, 이미지 분석, Jira 티켓 생성·수정 도구를 사용합니다. FastAPI와 Slack Bolt 애플리케이션은 AWS App Runner에서 실행되며, Lambda 함수는 Model Context Protocol(MCP, 에이전트와 소프트웨어 도구를 연결하는 표준)을 통해 AgentCore Gateway에 도구를 제공합니다. Amazon S3는 색인된 자료를 저장하고, DynamoDB는 피드백을 저장합니다. AWS X-Ray는 요청을 추적하고 CloudWatch는 서비스 로그를 수집합니다.

지식 기반에는 Confluence 문서, 인트라넷 페이지, PDF, Slack에서 해결된 지원 대화가 포함됩니다. 팀은 답글, 타임스탬프, 답글 수가 담긴 채널 기록을 내보내 대화 내용을 추출합니다. DSPy의 Recursive Language Model(RLM, 언어 모델이 데이터를 반복적으로 살피는 방식)은 대화를 해결, 미해결, 상위 담당자 이관으로 분류하고 공지와 질문이 아닌 대화를 제외합니다. 이어 문제 요약, 질문, 해결 방법, 셀프서비스 절차 등을 추출하고 Pydantic 스키마에 맞는지 검증하며, 검증에 실패하면 다시 처리합니다. 완전하고 실행 가능한 해결 방법이 있는 대화만 해결 사례로 인정합니다.

Deckhand는 공지, 사적인 대화, 사람끼리 주고받는 대화에는 답하지 않습니다. 사람이 이미 지원을 맡았거나 메시지가 다른 사람을 향하는 경우에도 응답을 멈춥니다. 티켓을 만들려면 직원이 확인 버튼을 눌러야 합니다. 시스템은 티켓 항목을 검증하고, 이미지 다운로드를 Slack 파일 호스트로 제한하며, 요청당 최대 5장의 이미지(각 5MB)를 허용합니다. Slack과 Jira 인증 정보는 AWS Secrets Manager에 보관하고, 각 서비스에는 범위를 제한한 별도 IAM 역할을 부여합니다. 시스템 프롬프트는 비밀번호나 다중 인증 코드를 요구하거나, 인증 정보를 티켓 댓글에 추가하거나, 티켓 항목을 채우는 데 사용한 프로필 정보를 노출하는 행위도 금지합니다.

일일 이용량은 출시 당시 약 30건에서 초여름에는 최대 100건으로 늘었습니다. 문의의 3분의 1은 업무시간 이후 들어왔고, Deckhand는 그중 94%에 답했습니다. 불만에 대응해 팀이 시스템 프롬프트와 지식 기반을 수정한 뒤 긍정 평가는 4월 82%에서 6월 96%로 높아졌습니다. 에이전트 대화 1,221건 가운데 409건은 티켓으로 이어졌고 812건은 채팅에서 해결됐습니다. 팀은 티켓 하나를 작성하고 처리해 종료하는 데 약 30분이 걸린다고 추산했습니다. 이에 따라 채팅에서 해결된 812건은 3개월 동안 약 406시간, 연간으로는 약 1,600시간의 업무에 해당한다고 봤습니다.

ShipStation Global은 2026년 4월 Amazon Bedrock AgentCore 기반의 AI 헬프데스크 에이전트 Deckhand를 Slack에 출시했습니다. Deckhand는 정리된 지식 기반에서 IT 및 회사 관련 질문에 답하고, 오류 메시지 스크린샷을 읽으며, Jira Service Management 티켓을 생성하거나 업데이트합니다. 출시 후 첫 3개월 동안 메시지 1,935건을 처리하고 에이전트 대화 1,221건을 시작했으며, Jira 티켓 409건을 열었습니다. 메시지의 97.5%에 답했고, 긍정 평가는 6월에 96%를 기록했습니다.

출시 전 Slack 헬프데스크 채널에는 12개월 동안 1,500건이 넘는 대화가 쌓였고 문의량은 계속 늘었습니다. 직원들은 미국, 영국, 스페인, 폴란드, 호주, 필리핀에서 근무했으며, 문의의 5분의 1 이상이 미국 업무시간 밖에 들어왔습니다. 답변 자료는 Confluence 문서, 인트라넷 페이지, PDF, IT 안내서와 과거 Slack 대화에 흩어져 있어 반복적인 질문을 처리하는 데 시간이 걸렸습니다.

Slack 서비스는 대화 전체와 요청자의 이름, 이메일, 시간대, 관리자 정보를 모은 뒤 격리된 Amazon Bedrock AgentCore 실행 환경에서 호스팅되는 에이전트를 호출합니다. 에이전트는 Amazon Bedrock 지식 기반을 검색하고 요청 분류, 이미지 분석, Jira 티켓 생성·수정 도구를 사용합니다. FastAPI와 Slack Bolt 애플리케이션은 AWS App Runner에서 실행되며, Lambda 함수는 Model Context Protocol(MCP, 에이전트와 소프트웨어 도구를 연결하는 표준)을 통해 AgentCore Gateway에 도구를 제공합니다. Amazon S3는 색인된 자료를 저장하고, DynamoDB는 피드백을 저장합니다. AWS X-Ray는 요청을 추적하고 CloudWatch는 서비스 로그를 수집합니다.

지식 기반에는 Confluence 문서, 인트라넷 페이지, PDF, Slack에서 해결된 지원 대화가 포함됩니다. 팀은 답글, 타임스탬프, 답글 수가 담긴 채널 기록을 내보내 대화 내용을 추출합니다. DSPy의 Recursive Language Model(RLM, 언어 모델이 데이터를 반복적으로 살피는 방식)은 대화를 해결, 미해결, 상위 담당자 이관으로 분류하고 공지와 질문이 아닌 대화를 제외합니다. 이어 문제 요약, 질문, 해결 방법, 셀프서비스 절차 등을 추출하고 Pydantic 스키마에 맞는지 검증하며, 검증에 실패하면 다시 처리합니다. 완전하고 실행 가능한 해결 방법이 있는 대화만 해결 사례로 인정합니다.

Deckhand는 공지, 사적인 대화, 사람끼리 주고받는 대화에는 답하지 않습니다. 사람이 이미 지원을 맡았거나 메시지가 다른 사람을 향하는 경우에도 응답을 멈춥니다. 티켓을 만들려면 직원이 확인 버튼을 눌러야 합니다. 시스템은 티켓 항목을 검증하고, 이미지 다운로드를 Slack 파일 호스트로 제한하며, 요청당 최대 5장의 이미지(각 5MB)를 허용합니다. Slack과 Jira 인증 정보는 AWS Secrets Manager에 보관하고, 각 서비스에는 범위를 제한한 별도 IAM 역할을 부여합니다. 시스템 프롬프트는 비밀번호나 다중 인증 코드를 요구하거나, 인증 정보를 티켓 댓글에 추가하거나, 티켓 항목을 채우는 데 사용한 프로필 정보를 노출하는 행위도 금지합니다.

일일 이용량은 출시 당시 약 30건에서 초여름에는 최대 100건으로 늘었습니다. 문의의 3분의 1은 업무시간 이후 들어왔고, Deckhand는 그중 94%에 답했습니다. 불만에 대응해 팀이 시스템 프롬프트와 지식 기반을 수정한 뒤 긍정 평가는 4월 82%에서 6월 96%로 높아졌습니다. 에이전트 대화 1,221건 가운데 409건은 티켓으로 이어졌고 812건은 채팅에서 해결됐습니다. 팀은 티켓 하나를 작성하고 처리해 종료하는 데 약 30분이 걸린다고 추산했습니다. 이에 따라 채팅에서 해결된 812건은 3개월 동안 약 406시간, 연간으로는 약 1,600시간의 업무에 해당한다고 봤습니다.