현장 문의 대응 부담을 줄이는 AI 챗봇 구현이 임박 — 클래스메소드의 지원을 통해 Bedrock Knowledge Bases의 지식과 기술을 습득
세이노 라스트 원 마일 주식회사
- 문의 대응의 엔지니어 부담이 크고 신속한 답변이 어려움
- 문의 대응 업무를 지식으로 축적하는 체계가 없음
- AWS에서 챗봇을 개발하는 지식이 부족했음
- 핸즈온 해커톤에서 실전적인 생성 AI 노하우를 습득
- 개발 기간 중 클래스메소드가 챗봇 개발을 지원
- 기술 습득과 함께 챗봇 구현까지 달성
- 챗봇이 정식 릴리스되면 부담 경감이 기대됨
라스트 원 마일 관련 사업의 기획·개발, 오픈 이노베이션, 시스템 개발·운영, 공유 서비스를 통해 그룹이 소중히 여기는 "모든 사람에게 미소와 행복을 전하다 — 물류를 넘어 마음을 잇는다"를 실현해온 세이노 라스트 원 마일 주식회사. 쇼핑 취약자 대책, 과소 지역 대책, 재배달 감소 대책, 택배 위기·인력 부족 등의 사회 과제에 대해 동사는 비즈니스적 방법으로 해결해 나가는 "사회 과제 해결형 라스트 원 마일"을 표방하며 라스트 원 마일 영역에서의 도전을 이어가고 있습니다. 이번에 동사가 클래스메소드의 해커톤 이벤트인 Classmethod Craft Lab에 참가하게 된 경위와 그 효과 등에 대해 이야기를 들었습니다.
라스트 원 마일 협역 배송에 특화된 배송 관리 시스템 DSS를 개발·제공
Classmethod Craft Lab을 이용하신 SaaS 사업부는 배송 관리 시스템인 Delivery Solution SaaS (이하 DSS) 등을 개발·제공하면서 물류의 과제를 해결하는 활동을 추진하고 있는 부문입니다.
"특정 지역을 경차가 왕래하는 협역 배송에 특화된 DSS의 개발 이유는 업무 효율화입니다. 경차에 의한 협역 배송은 많은 화물을 적재하여 효율적으로 배송해야 하기 때문에 '배송 정보가 여러 시스템에 분산되어 있다' '종이 전표를 이용한다'는 상황은 배송 업무의 효율 저하를 초래할 수 있습니다. 그래서 배송 정보를 DSS에 일원화하였습니다. 또한 최적의 배송 루트와 배달 시간을 계산하는 기능을 활용함으로써 드라이버는 효율적인 배송이 가능해집니다. 또한 DSS에는 페이퍼리스화를 통한 개인정보 유출 방지 효과도 있습니다.
DSS의 최종 사용자는 현장의 관리자와 드라이버입니다. 관리자는 배송 상황을 GPS 등으로 확인하고 분석 기능도 이용할 수 있습니다. 이를 통해 현장에서는 관리자와 드라이버가 하나가 되어 협역 배송 효율화에 임할 수 있습니다"라고 이자키(井崎)씨는 말합니다.
엔지니어에게 부담이 큰 DSS 문의 대응 업무
10년 이상에 걸쳐 DSS를 개발·제공해온 동사는 최근 문의 대응에 과제를 느끼게 되었습니다. "DSS는 10년 이상 개발·제공해온 만큼 매뉴얼과 자료가 한 곳이 아닌 여러 환경에 산재한 상황이 되었습니다. 이로 인해 현장 관리자로부터 문의가 있을 때 그 자리에서 신속하게 답변하지 못하는 경우가 많았습니다"(이자키씨)
이어서 이자키씨는 "관리자 교체 시 진행하는 설명의 빈도라는 문제도 있었습니다. 물류의 개념이나 용어에 익숙하지 않은 분이 담당하게 될 경우 설명에 상당한 시간이 소요됩니다. 문제는 어느 정도 익힌 분이 교체될 때입니다. 해당 업무를 오래 담당하는 경우가 적기 때문에 교체될 때마다 동일한 설명을 처음부터 해야 합니다. 리소스에 한계가 있는 당사로서는 이것이 큰 부담이 되었습니다"라고 말했습니다.
그 밖에도 문의 대응은 지식으로 축적하는 체계가 없었기 때문에 담당한 엔지니어만이 답변할 수 있는 특정인 의존 문제, 답변 준비 및 답변 중에는 엔지니어의 개발 업무가 중단되는 문제도 있었습니다.
챗봇에 주목하여 Knowledge Bases 기술을 습득하기 위해 Classmethod Craft Lab에 참가
동사는 문의 대응의 여러 문제를 해결하기 위해 FAQ 사이트 구축에 나선 적도 있었습니다. 그러나 매일 바쁜 업무 속에서 의식적으로 지식을 축적해야 하는 번거로움 등을 고려하면 실무 속에서 FAQ 사이트를 운영해나가기 어려운 상황이었습니다. 그래서 새로운 해결책으로 주목한 것이 생성 AI입니다. "원래 당사는 개발 환경에 다양한 생성 AI를 도입하여, 개발 이외에도 예를 들어 회의록 작성 등에서 생성 AI를 적극적으로 활용해왔습니다. 예전부터 생성 AI를 업무에 접목시키는 것을 의식하고 있었기 때문에 DSS의 문의 대응은 생성 AI 챗봇으로 해결할 수 있지 않을까 생각하게 되었습니다"라고 다카나베(高鍋)씨는 말합니다.
그런 가운데 AWS에 정통한 SaaS 사업부 내 엔지니어가 클래스메소드와 대화하는 중에 다카나베씨의 귀에 Classmethod Craft Lab에 관한 이야기가 들려왔습니다. "DSS가 AWS 위에서 운영되고 있어 Amazon Bedrock의 Knowledge Bases 활용을 고려하고 있었지만, 안타깝게도 저 자신은 AWS에 관한 지식이 충분하지 않았습니다. 그래서 '생성 AI를 활용하여 개발을 가속화하기 위한 세션 & 핸즈온'이라는 내용의 Classmethod Craft Lab에 매우 흥미를 느꼈습니다. 또한 생산성 향상으로 이어지는 Amazon Bedrock 및 Knowledge Bases 기술을 학습할 수 있지 않을까 하는 기대감도 있었습니다"(다카나베씨)
"DSS는 출시 후 10년 이상이 지나 대대적인 버전업 검토 단계에 접어든 상황에서 다음 버전은 AI 기반 개발이 시야에 있었습니다. 이번 Classmethod Craft Lab은 그 때의 힌트를 얻을 수 있지 않을까 하는 기대를 포함하여 참가하게 되었습니다"(이자키씨)
클래스메소드 엔지니어의 지원을 받을 수 있는 해커톤
Classmethod Craft Lab은 클래스메소드 엔지니어의 조언을 바탕으로 업무에 활용할 수 있는 기능을 신속하게 요건 정의하는 Day1과, Day1에서 배운 지식과 클래스메소드 엔지니어의 지원을 받으면서 참가자 스스로 개발을 진행하는 2주간의 개발 기간, 개발한 기능을 Day1 멤버 앞에서 발표하는 Day2로 구성된 해커톤입니다.
동사는 2025년 11월 4일에 개최된 Day1에 참가하였습니다. "해커톤에 관심은 있었지만 이번이 첫 참가였습니다. AWS 지식 부족에 대한 불안이 있었지만 매우 유익한 시간을 보낼 수 있었습니다. 특히 요건 정의에 있어서의 클래스메소드의 지원은 든든했으며, 저희가 과제로 여기고 있던 'AWS 위에 지식을 축적하는 방법과 그 활용법'에 대해 다양한 샘플과 구체적인 서비스를 제시하면서 해결책을 알려주었습니다. 반나절이라는 제한된 시간이었지만 필요한 지식과 실전적인 스킬을 익힐 수 있었다고 생각합니다"(다카나베씨)
Day1 이후 클래스메소드 엔지니어의 지원을 실시간으로 받을 수 있는 채팅 환경을 마련하면서 동사는 문의 대응 챗봇 개발에 도전하였습니다. "항상 엔지니어와 대화할 수 있는 환경이 있다는 것은 안심이 되었습니다. 기초적인 조작 방법부터 참고 사이트 및 샘플 등을 통한 개발 힌트, 그리고 구현할 때의 기술적인 해설은 매우 참고가 되었습니다. 또한 텍스트로 설명하기 어려운 부분은 적절히 온라인 미팅을 진행하였습니다. 샘플이나 스크린샷 등을 화면 공유하면서 알기 쉽게 설명해주었습니다"라고 다카나베씨는 말했습니다.
Day1과 개발 기간을 거쳐 목표로 했던 테스트 환경 구현을 완료한 동사는 Day2 발표회에 참가하였습니다. "Day2는 화기애애한 분위기 속에서 저희가 개발한 문의 대응 챗봇에 대해 기분 좋게 발표할 수 있었습니다. 다른 회사들로부터 몇 가지 질문을 받아 이해와 공감을 얻을 수 있었다고 느꼈습니다. 물론 다른 회사들이 개발한 시스템이나 개발 접근 방식도 매우 참고가 되었습니다. 선택지를 넓힌다는 의미에서 매우 유익한 정보 공유의 장이었음은 틀림없습니다. 참고로 '최우수상'도 받게 되었습니다. 감사합니다"(다카나베씨)
"Craft Lab의 솔직한 소감으로는 전체를 통틀어 매우 좋은 인상을 받았습니다. 기술을 익힌 후 개발·구현까지 달성할 수 있었던 것은 클래스메소드의 지원이 큰 뒷받침이 되었다고 생각합니다. 또한 다시 참가하고 싶다고 생각할 수 있는 해커톤이었습니다"(이자키씨)
AWS의 비중이 높아지는 앞으로는 클래스메소드의 더 많은 지원에 기대
Classmethod Craft Lab 이후 동사는 프로덕션 환경 구현을 향해 정확도 향상과 테스트 등에 임하고 있습니다. "문의 대응 챗봇 개발은 당사 엔지니어의 부담 경감뿐만 아니라 현장 관리자와 드라이버의 업무 효율화도 있습니다. 챗봇에 문의하여 정확한 답변이 얻어진다면 당사에 문의하는 수고와 시간이 필요 없어지는 것이므로 업무 효율은 크게 향상될 것입니다. 다만 그를 위해서는 답변 정확도가 중요합니다"(이자키씨)
"도구의 구조는 거의 완성된 상황이지만 프로덕션 환경에서 이용하려면 더 높은 답변 정확도 향상이 필요합니다. 현재는 그 정밀 검토를 진행 중이며 2026년 여름 무렵에는 정식으로 릴리스하고자 합니다"(다카나베씨)
동사에서는 현재도 다양한 프로젝트가 진행되고 있으며 향후 AWS 환경을 이용하는 경우가 많아질 것이라고 이자키씨는 말합니다. "AWS의 이용 범위를 넓혀가면서 지식과 기술에 관해서는 더욱더 향상이 필요하다고 생각합니다. 우선 팀 내에서 필요한 지식과 기술을 논의하고 그 다음 단계에서 AWS의 경험·지견이 풍부한 클래스메소드의 지원과 정보 공유를 구하게 될 것 같습니다. 앞으로도 든든한 지원을 기대합니다. 앞으로도 잘 부탁드립니다"(이자키씨)
클래스메소드는 앞으로도 Classmethod Craft Lab을 통해 엔지니어의 역량 향상을 지속적으로 지원해 나가겠습니다.
