글로벌 플릿(차량군) 관리 솔루션 기업 버라이즌 커넥트(Verizon Connect)가 아마존 웹서비스(AWS) 베드록(Bedrock) 기반의 에이전틱 AI 시스템을 구축해 하루 5억 건이 넘는 차량 데이터를 자동 분석하고, 10만 명의 플릿 관리자에게 실행 가능한 인사이트를 일별로 제공하기 시작했다. 120만 개 이상의 활성 차량 구독과 8만 개 데이터 지표를 처리하는 이 시스템은 기존의 수작업 스프레드시트 분석과 단순 규칙 기반 대시보드를 대체한다.
버라이즌 커넥트의 아키텍처는 이상 탐지와 AI 에이전트 추론을 두 단계로 분리한 것이 핵심이다. 1단계에서는 AWS Step Functions와 Lambda 기반 서버리스 통계 모델이 대용량 정형 데이터에서 이상 징후를 사전 식별한다. LLM(대규모 언어 모델)이 방대한 원시 테이블 데이터를 직접 다루는 방식 대신, 전문화된 코드가 수치 분석을 먼저 수행해 정확도와 비용 효율을 높였다. 2단계에서 AI 에이전트가 탐지된 이상 징후의 ‘왜’와 ‘어떻게 대응할지’를 추론하고, 최종 인사이트를 Amazon S3에 저장해 Reveal 플랫폼을 통해 사용자에게 전달한다. 에이전트 실행에는 AWS의 오픈소스 SDK인 스트랜즈 에이전트(Strands Agents)가 사용됐다.
인사이트 생성은 2단계 에이전틱 구조로 작동한다. 1단계에서 에이전트는 여러 이상 징후를 공통 근본 원인·시간적 상관관계·유사 범주별로 자율 그룹화해 핵심 인사이트 후보를 선별하고 관련도 점수를 매긴다. 2단계에서는 선별된 후보를 바탕으로 Amazon Aurora의 원시 데이터와 DynamoDB의 과거 인사이트를 참조해 최종 서술 보고서를 생성한다. 에이전트는 상태를 저장하지 않는 방식으로 설계돼, 분석 시점마다 필요한 컨텍스트를 새로 조회함으로써 수평 확장이 가능하다.
이 사례는 에이전틱 AI의 기업 현장 적용에서 중요한 설계 원칙을 보여준다. LLM에 모든 수치 분석을 맡기는 대신 전통적인 통계 처리와 AI 추론을 적재적소에 결합하면 정확도와 확장성을 동시에 확보할 수 있다는 것이다. 플릿 관리 분야에서의 이 성과는 물류·건설·공공 운수 등 대규모 이동 자산을 운용하는 산업 전반에서 유사한 에이전틱 AI 도입을 가속하는 계기가 될 전망이다.
