토목·건축부터 전기, 환경, 정보 분야까지 폭넓은 영역을 다루는 주덴기술컨설턴트 주식회사. 중국전력 그룹의 종합 건설 컨설턴트로서 지역의 공공 인프라와 생활 안전을 지원하고 있습니다.

 

동사의 선진기술센터에서는 지자체가 안고 있는 공공 인프라 유지관리 과제에 대해 ICT와 AI를 활용한 새로운 솔루션 개발에 힘쓰고 있습니다. 그중 하나가 주민들의 전화 문의를 AI로 자동 응대하는 시스템입니다. 클래스메소드는 Amazon Connect AI 에이전트 셀프서비스 기술 지원을 실시하여, 전화 자동 응답 솔루션의 기술 검증을 지원했습니다. 인프라매니지먼트 프로젝트의 소가베 씨, 히로타 씨께 이야기를 들어봅니다.

 

 

 

공공 인프라를 지키는 "선진 기술"의 현장

 

주덴기술컨설턴트는 공공 인프라의 조사·계획·설계부터 공사 관리까지, 사회 기반 정비를 종합적으로 지원하는 종합 건설 컨설턴트입니다. 교량이나 터널, 도로, 상하수도 등 생활을 지탱하는 인프라의 점검·유지관리도 중요한 업무 영역 중 하나입니다. 고장난 후 수리하는 것이 아니라, 고장나기 전에 감지하고 보수하는 "예방 보전" 활동을 추진하고 있습니다.

 

소가베 씨와 히로타 씨가 소속된 선진기술센터는 이러한 인프라 유지관리의 고도화·효율화를 선진 기술로 지원하는 조직입니다. 약 10명의 체제로, 위성 영상을 활용한 광역 점검과 AI 기반 손상 감지, 사내 DX 추진 등 전사적으로 새로운 솔루션 개발과 지자체 제안을 담당하고 있습니다.

 

동사가 이러한 기술 개발에 주력하는 배경에는 지자체를 둘러싼 환경 변화가 있습니다. 고도 경제성장기에 정비된 공공 인프라가 노후화를 맞이하는 한편, 지자체의 인력과 예산은 한정되어 있어 방대한 인프라 관리를 효율화하려는 수요는 해마다 커지고 있습니다. 국토교통성도 관민 협력을 통한 과제 해결을 추진하고 있으며, 민간 기술을 적극적으로 도입하려는 움직임이 확산되고 있습니다.

 

 

 

 

동사가 구상한 것은, AI가 주민의 전화를 받아 도로 손상 내용과 위치를 자동으로 청취하는 시스템입니다. 도로 손상 신고는 손상 유형·정도·위치 등의 청취 항목이 명확하여 AI 자동 응답과 궁합이 맞는 주제였습니다.

 

전화라면 연령이나 IT 리터러시에 관계없이 누구나 이용할 수 있고, 기존 주민 서비스의 연장선상에서 도입할 수 있다는 점도 장점입니다. 24시간 365일 응대가 가능해짐으로써 주민의 편의성 향상과 행정의 업무 효율화를 동시에 실현할 수 있다고 판단했습니다.

 

이 활동은 단순한 일회성 수탁 개발이 아닙니다. 동사는 인프라 점검·유지관리를 종합적으로 지원하는 "인프라 포괄 관리 모델"을 구상하고 있으며, AI 전화 자동 응답은 그 모델을 차별화하는 핵심 축 중 하나로 자리매김하고 있습니다. 토목 인프라 현장을 잘 알고 지자체와 신뢰 관계를 맺고 있는 동사이기에 기술을 행정 현장에 전달할 수 있습니다. 이 구상을 기술적으로 뒷받침할 파트너로 선택된 것이 클래스메소드였습니다.

 

 

 

DevelopersIO와 세미나가 이어준 클래스메소드와의 인연

 

 

 

AI 전화 자동 응답 구상을 구체화하면서 소가베 씨가 기술 기반으로 선택한 것은 AWS였습니다. 동사는 이미 여러 프로젝트에서 AWS를 활용하고 있었으며, 청구 대행 서비스 "클래스메소드 멤버스"를 통해 클래스메소드와도 수년간 인연을 이어왔습니다.

 

전환점이 된 것은 클래스메소드가 개최한 Amazon Connect 무료 세미나 참가였습니다. 세미나에서는 Amazon Connect와 생성형 AI를 결합한 자동 응답 사례가 소개되었고, 소가베 씨는 바로 자신들이 실현하고 싶었던 시스템이라고 느꼈다고 합니다. 기술 블로그 "DevelopersIO"에서도 Amazon Connect 관련 기사를 정독하며 클래스메소드의 기술력에 대한 신뢰를 쌓아갔습니다.

 

"세미나에서 Amazon Connect를 활용한 자동 응답 사례를 알게 되면서, 저희가 구상하던 서비스를 실현할 수 있는 방법이 있다고 확신했습니다. DevelopersIO의 기사에서도 기술적인 지식을 확인했기 때문에 클래스메소드라면 안심하고 맡길 수 있다고 판단했습니다."（소가베 씨）

 

처음에 소가베 씨는 Amazon Bedrock과 Amazon Lex를 조합한 구성을 떠올리고 있었지만, 세미나를 통해 Amazon Connect AI 에이전트(구 명칭: Amazon Q in Connect)의 존재를 알게 되면서 구상이 단번에 구체화되었습니다. 세미나 이후 설문을 통해 상담을 신청하였고, 클래스메소드와의 기술적인 교류가 시작되었습니다.

 

사내에서도 자체 개발 옵션을 검토했지만, Amazon Connect는 전문성이 높은 영역입니다. 소가베 씨 본인도 AWS에 대한 기본 지식은 있지만 전화 응답 처리 구현 경험은 없었기 때문에, 단기간에 결과물을 만들기 위해서는 전문가의 도움이 필수라고 판단했습니다. 또한 회계연도 말까지 성과를 내고 싶다는 일정상의 제약도 있어 클래스메소드의 빠른 대응이 결정적 요인이 되었다고 합니다.

 

이번 프로젝트에는 또 하나의 목적이 있었습니다. 소가베 씨는 히로타 씨도 프로젝트에 참여시킴으로써, 외부 전문가와의 협업이 가져다주는 효과를 직접 체감해주기를 바랐던 것입니다.

 

"AWS 전문가와 협업하는 과정을 사내에서 공유하고, 생성형 AI와 클라우드 서비스를 조합한 기술 개발의 구체적인 진행 방식을 앞으로의 프로젝트에도 활용해 나가고 싶었습니다."（소가베 씨）

 

상담을 받은 클래스메소드는 Amazon Connect AI 에이전트를 활용한 기술 검증을 실시하고, 요청된 동작이 실현 가능함을 확인한 뒤 제안을 진행했습니다. Amazon Connect AI 에이전트는 출시된 지 얼마 되지 않은 서비스로, 국내 도입 사례와 기술 정보가 아직 한정적이었습니다. 그 속에서 클래스메소드는 출시 직후부터 검증과 블로그 작성을 거듭하며, 축적된 지식을 바탕으로 기술적 뒷받침이 있는 제안을 할 수 있었던 점이 빠른 프로젝트 착수로 이어졌습니다.

 

2025년 10월부터 프로젝트가 시작되었습니다. 약 3개월간의 PoC(개념 실증)로, AI 전화 자동 응답의 기술 검증을 진행하는 계획이 구체화되었습니다.

 

 

 

기술 검증이 넓힌 "자동 응답"의 가능성

 

PoC에서는 주민의 전화를 받은 AI가 도로 손상의 유형·정도·위치 등을 순서대로 청취하고 기록으로 남기는 시스템 구축을 목표로 했습니다. 클래스메소드가 Amazon Connect AI 에이전트의 환경 구축과 프롬프트 설계, 그리고 청취 항목을 파악하여 대화 흐름을 설계했습니다. 이후 소가베 씨로부터 설계 내용에 대한 확인과 피드백을 받으면서 진행했습니다.

 

먼저 채팅 형식으로 AI 응답을 검증하고, 피드백을 바탕으로 개선을 반복하는 사이클에서 시작했습니다. 이후 전화번호를 발급하여 음성을 통한 최종 검증으로 단계적으로 나아갔습니다.

소가베 씨가 가장 먼저 놀란 것은 AI에 대한 지시문(프롬프트)의 효과였습니다.

 

"프롬프트의 양 자체는 그다지 많지 않음에도 불구하고, 예상했던 수준의 응대가 이루어졌습니다. 클래스메소드의 프롬프트 설계 노하우가 있었기에 가능한 결과라고 느꼈습니다."（소가베 씨）

 

기술 검증에서 중요한 주제가 된 것이 AI 모델 선정입니다. Amazon Connect AI 에이전트에서는 Amazon Bedrock의 AI 모델 중에서 프로젝트에 적합한 모델을 선택해야 합니다. Amazon Nova와 Anthropic Claude를 시험해보고, 이번 응답 내용에서는 Claude를 채택했습니다. 또한 Claude 중에서도 응답 속도와 품질의 균형이 잡힌 Sonnet, 고속의 Haiku 2개 모델을 검증했습니다.

 

 

 

 

 

한편, Amazon Connect AI 에이전트의 특성과 한계도 명확해졌습니다. 빠르게 서비스 형태로 만들 수 있는 편리함이 있는 반면, 외부 API 연동 등 유연한 커스터마이징에는 제약도 있습니다. 예를 들어, 청취한 위치 정보를 지도에 표시하는 기능은 현 시점에서 AI 에이전트 단독으로는 구현이 어렵고, 향후에는 Amazon Bedrock을 활용한 자체 개발도 시야에 넣어야 합니다. 이러한 서비스의 가능성과 제약 양면을 구체적으로 파악할 수 있었던 것은 앞으로의 서비스 전개를 위한 중요한 지식이 되었습니다.

 

 

 

AI와 함께 인프라 유지관리의 미래를

 

약 3개월간의 PoC를 거쳐 AI 전화 자동 응답 솔루션은 당초의 목표를 달성했습니다. 전화와 채팅 모두에서 AI 자동 청취가 기능함을 확인하고, AI 모델 선정과 프롬프트 설계 노하우도 축적했습니다. 서비스화를 위한 기술적 토대가 마련됨에 따라 프로젝트는 다음 단계로 나아가고 있습니다.

 

동사는 이미 국토교통성이 주관하는 "민간 제안형 관민 협력 모델링 사업"과, 지자체·관청·공공기관이 전국에서 모이는 전시회 "지자체·공공 Week"에서 인프라 포괄 관리 모델을 제안하고 있습니다. 관민 협력을 통한 디지털 관리 체계 구축과 데이터 활용을 통한 인프라 가시화 등 여러 솔루션으로 구성된 이 모델 안에서, 이번 AI 전화 자동 응답은 주민 응대의 고도화·효율화를 담당하는 핵심 축으로 자리매김하고 있습니다.

 

확장 구상은 도로 손상에 그치지 않습니다. 지자체가 관리하는 인프라는 도로뿐만 아니라 교량, 공원, 가로수, 상하수도 등 다양한 분야에 걸쳐 있습니다. 또한 사내 문의 응대 등 전화 응답 수요는 행정에 한정되지 않고 폭넓은 영역에 존재하기 때문에, 이번 기술 검증에서 얻은 지식의 응용 범위가 넓다고 소가베 씨는 보고 있습니다.

 

소가베 씨가 다음 단계로 내다보고 있는 것은, 이번에 구축한 전화 자동 응답을 출발점으로 하여 업무 전체의 흐름을 자동화해 나가는 구상입니다. 현재의 AI 자동 응답은 주민의 신고 내용을 기록하는 것까지가 대응 범위입니다. 그러나 실제 업무에서는 그 이후에 "어느 위치인지"를 특정하고, "누가 대응할지"를 판단하며, "작업자에게 통보한다"는 일련의 프로세스가 이어집니다.

 

"이번 전화 자동 응답은 어디까지나 입구에 불과합니다. 청취한 내용으로부터 위치 정보를 지도에서 특정하고, 작업자에게의 통보까지 자동으로 완결되는, 그러한 일련의 업무 프로세스를 여러 AI 서비스와 AWS 기능을 조합하여 실현해 나가고 싶습니다."（소가베 씨）

 

이 구상에서 핵심을 쥐고 있는 것이 히로타 씨가 담당하는 AI 기반 인프라 손상 감지 기술입니다. 히로타 씨는 교량의 균열(크랙)을 이미지에서 자동 감지하는 시스템 개발에 임하고 있습니다. 전화로 접수된 신고와 AI가 이미지에서 감지한 손상 데이터가 연계된다면, 점검 서류의 자동 작성과 손상도 판정까지 자동화할 수 있는 가능성이 넓어집니다.

 

"사람에 의한 판단에는 아무래도 편차가 생깁니다. AI로 판정 기준을 통일할 수 있다면 품질을 안정시킬 뿐만 아니라, 베테랑의 지식을 시스템에 축적해 나가는 것으로도 이어집니다. 이러한 이미지 인식 영역에서도 이번처럼 클래스메소드의 지식을 빌리는 상황이 생길 수도 있습니다."（히로타 씨）

 

소가베 씨는 클래스메소드와의 협업을 이렇게 평가합니다.

 

"무엇보다 응답이 빠르고, 저희의 상담에 대해 즉시 답변이 돌아옵니다. 짧은 기간이었지만 전화뿐만 아니라 채팅으로의 확장 가능성까지 보이는 등, 예상 이상의 성과를 얻을 수 있었습니다. 앞으로도 AWS를 축으로 다양한 기술 개발을 추진해 나가는 가운데 계속해서 지원을 부탁드리고 싶습니다."（소가베 씨）

 

공공 인프라 유지관리라는 사회적 과제에 선진 기술로 도전하는 주덴기술컨설턴트. 동사가 내걸고 있는 "지역 과제 해결"이라는 사명은 중국전력 그룹 전체에도 통하는 것입니다.

 

클래스메소드는 주덴기술컨설턴트의 인프라 유지관리 DX를 비롯하여 중국전력 그룹의 도전을 앞으로도 지원해 나가겠습니다.