KnowledgeForge: ITSM 티켓 데이터 광산에서 금을 캐다

(aws.amazon.com)

AWS Machine Learning Blog4일 전AI 모델

KnowledgeForge는 AWS의 생성형 AI 기술을 활용해 방치된 ITSM 티켓 데이터에서 지식을 추출하고 기존 지식 베이스를 자동 정제함으로써 기업 IT 운영 효율성을 극대화하는 혁신적인 솔루션입니다.

이 글의 핵심 포인트

1해결된 ITSM 티켓에서 새로운 지식 베이스 문서를 생성하고 기존 문서를 정제하는 이중 구조 시스템 구축
2Amazon Bedrock을 활용한 콘텐츠 생성 및 품질 개선, Amazon S3 Vectors를 통한 중복 탐지 기능 제공
3데이터 수집(Ingestion), 생성(Generation), 정제(Curation), 인간 검토(Human Review)로 이어지는 폐쇄 루프 워크플로우 구현
4AWS Step Functions와 Lambda를 활용한 자동화된 문서 처리 파이프라인 아키텍처 제시
5ServiceNow와의 연동을 통해 지식 관리자의 최종 승인 단계를 포함하여 데이터 신뢰성 확보

이 글에 대한 공공지능 분석

왜 중요한가?

기업 내 흩어진 비정형 데이터를 자산화하여 운영 비용을 절감하고 지식 전수 문제를 해결할 수 있기 때문입니다. 단순한 자동화를 넘어 데이터의 생성과 정제를 연결하는 선순환 구조를 제시합니다.

어떤 배경과 맥락이 있나?

IT 서비스 관리(ITSM) 환경에서는 매달 수천 건의 티켓이 발생하지만, 대부분의 해결 노하우가 문서화되지 못한 채 휘발되는 '지식의 무덤' 문제가 고질적이었습니다. 생성형 AI의 등장으로 이 비정형 데이터를 가공할 기술적 토대가 마련되었습니다.

업계에 어떤 영향을 주나?

엔터프라이즈 소프트웨어(SaaS) 기업들은 고객 지원 자동화 및 지식 관리 효율화를 위한 새로운 기능적 표준을 마주하게 될 것입니다. 특히 LLM 기반의 에이전트가 단순 응답을 넘어 내부 지식을 스스로 업데이트하는 자율형 시스템으로 진화할 가능성을 보여줍니다.

한국 시장에 어떤 시사점이 있나?

디지털 전환(DX)을 추진 중인 국내 대기업 및 IT 서비스 기업들에게 데이터 파이프라인 구축의 구체적인 레퍼런스를 제공합니다. 단순 도입을 넘어 AWS와 같은 클라우드 네이티브 아키텍처를 활용한 지식 자산화 전략이 필수적임을 시사합니다.

이 글에 대한 큐레이터 의견

KnowledgeForge는 '데이터 생성'과 '데이터 정제'라는 두 마리 토끼를 동시에 잡으려는 영리한 접근을 보여줍니다. 특히 인간의 검토(Human-in-the-loop) 단계를 ServiceNow와 연결하여 AI의 환각(Hallucination) 문제를 제어하면서도 자동화의 이점을 극대화한 설계는 실무 적용 가능성이 매우 높습니다. 스타트업 창업자들은 이를 통해 단순 챗봇 개발을 넘어, 기업 내부의 '지식 생태계'를 관리하는 고부가가치 워크플로우 솔루션으로 비즈니스 모델을 확장할 기회를 포착해야 합니다.

다만, 모든 프로세스를 자동화하려는 시도는 데이터 보안 및 비용 측면에서 리스크가 존재합니다. 민감한 IT 인프라 정보가 포함된 티켓 데이터를 LLM에 처리하는 과정에서 발생할 수 있는 데이터 유출 우려와, 대규모 벡터 검색 및 재작성 작업에 따른 AWS 운영 비용의 급증은 반드시 고려해야 할 트레이드오프입니다. 따라서 초기 단계에서는 특정 도메인이나 제한된 범위의 티켓 클러스터에 우선 적용하여 ROI를 검증하는 신중한 접근이 필요합니다.

원문 보기 →