AWS 기술 블로그
AWS와 함께하는 웅진 AI Runner Challenge – 2부 : 비 개발자도 만드는 AI 실적 인사이트 자동화 솔루션
지난 2025년 7월 9일, AWS와 함께하는 ‘Gen AI Runner Challenge 2025’가 진행되었습니다. AI 기술이 고도화되면서, AI는 개인과 조직의 역량을 강화할 수 있는 열쇠가 되고 있습니다. 이번 AI Runner Challenge는 구성원의 상상력을 AI를 통해 직접 실현하는 자리이며, AI역량을 향상하고 실제 업무에 적용할 수 있는 기회였습니다. 본 게시글은 5부로 구성되어 있으며, 웅진의 AI Runner Challenge에 참가한 팀 중 우수사례로 선정된 5개 팀의 열정 가득했던 한달 간의AI 챌린지 여정과 결과물을 5편의 블로그 글로 소개합니다.
참가팀 소개
본 프로젝트 참가팀은 개발 직군이 아닌, 회사의 재무 흐름을 가장 가까이에서 진단하는 기획팀에 소속되어 있습니다. 매월 전사 본부 및 팀별 실적을 분석하며, “수익성 악화의 원인은 무엇인가?”, “비용 증가는 어디서 발생했는가?”라는 경영진의 질문에 데이터 기반의 명확한 해석과 실행 가능한 인사이트를 제공하는 역할을 수행해 왔습니다.
프로젝트 배경
손익 관리 질의응답은 매월 반복되는 기업의 핵심 업무입니다. 실적 마감 직후, 각 본부는 실적 변동 요인과 비용 증가 원인을 파악하기 위해 기획·경영관리 팀에 수시로 문의하지만, 이러한 질의는 정형화되지 않고 다각도 분석을 요구하기 때문에 실무자의 수작업 부담이 큽니다. 게다가 경영진 보고를 위해서는 수치뿐 아니라 해석 가능한 인사이트까지 제공해야 하므로 업무 강도가 높습니다.
본 프로젝트는 AI 기반 손익 분석 시스템을 통해 이 문제를 해결합니다. 전 직원이 자연어로 실적 분석을 요청하면, 시스템이 자동으로 표와 요약문을 생성하여 답변합니다. 이는 단순한 업무 효율화를 넘어, 전사 데이터 기반 의사결정 체계를 한 단계 고도화 하려는 시도입니다.
Amazon Q Business 활용
Amazon Q Business 기반의 손익 분석 챗봇 시스템을 구축한 솔루션입니다. Amazon Q Business는 별도 개발할 필요없이 데이터를 업로드하여 자연어 응답형 애플리케이션을 구성할 수 있는 최적의 서비스였습니다. 또한 사업의 기밀데이터를 외부에 노출되지 않도록 안전하게 구축할 수 있었습니다. 데이터는 S3와 같은 외부 저장소 연동 없이 엑셀 파일을 직접 업로드하여 자동으로 인덱싱하는 방식으로 구성했습니다.
주요 기능
사용자는 단일 질문으로 팀 및 월 단위 손익 분석을 요청할 수 있으며, 시스템은 다음 항목을 자동으로 수행합니다:
- 매출 및 영업이익 비교: 계획 대비, 전월 대비, 전년 대비 수치를 표 형식으로 출력
- 프로젝트별 실적 분석: 전월 대비 매출 및 매출이익 증감 원인 도출
- 판관비 분석: 계정별 증감 항목 식별 및 증가 원인 요약
- 요약문 자동 생성: 모든 분석 결과를 수치와 함께 한글 인사이트로 정리
분석 결과는 실무 보고나 회의 자료로 즉시 활용 가능한 형태로 제공됩니다.
<Pic1: 실적 비교 예시>
<Pic2: 분석결과 요약 예시>
프롬프트 전략
프롬프트는 다음과 같은 원칙으로 설계되었습니다:
- 사용자 입력값 (팀명, 월) 중심 설계: 입력만으로 전체 분석이 자동 실행되도록 구성
- 고정 비교 기준 설정: 계획비, 전월비, 전년비를 일관되게 비교하도록 안내
- 원인 분석 자동화: 프로젝트 및 판관비 변동 원인을 시스템이 자동으로 탐색 및 요약
- 예외 처리 문구 포함: 데이터 부족 시 “공수 데이터가 필요합니다” 등 명확한 안내 제공
이러한 전략을 통해 후속 대화 없이도 정확하고 풍부한 분석 결과를 제공하는 단일 질문형 챗봇 구조를 성공적으로 구현했습니다.
기대 효과
본 솔루션 도입을 통해 실시간 실적 확인이 가능해져 별도 문의 없이 즉각적인 업무 처리가 가능합니다. 이는 의사결정 속도를 높이고 업무 자율성을 크게 향상시킵니다. AI 기반 자동 인사이트 도출을 통해 전략 방향 설정과 리스크 사전 점검이 용이해지며, 기존 팀 단위를 넘어 프로젝트 및 세부 계정 단위까지 정밀 분석이 가능해집니다. 이를 바탕으로 사업별 전략을 신속하고 유연하게 조정할 수 있습니다. 또한 매월 반복되는 실적 분석 및 보고 업무를 자동화함으로써 연간 약 288시간의 업무 시간을 절감하고, 본질적인 전략 기획 업무에 집중할 수 있는 환경을 조성합니다.
결론
Amazon Q Business를 활용하여 별도 개발 없이 즉시 구축 가능하다는 점에서 큰 의미를 갖습니다. 기획팀이 직접 설정하고 운영할 수 있어 IT 리소스 의존도를 낮추고, 빠른 도입과 유연한 조정이 가능합니다. 이는 데이터 기반 의사결정 문화를 조직 내에 정착시키는 출발점이 될 것입니다. 분석 업무의 자동화는 단순한 효율화를 넘어, 구성원들이 데이터에 쉽게 접근하고 활용할 수 있는 환경을 만듭니다.
실적 분석에서 검증된 이 모델은 재무, 인사, 마케팅 등 반복적 분석이 필요한 다양한 영역으로 확장 가능하며, 각 부서가 자체적으로 유사한 시스템을 구축할 수 있는 기반을 제공합니다.
시리즈 바로 가기
- 1부, AWS와 함께하는 웅진 AI Runner Challenge – 1부: 관제 인력 없이 클라우드 인프라 장애 대응하기
- 3부, AWS와 함께하는 웅진 AI Runner Challenge – 3부: Amazon Bedrock 기반의 렌탈 제품 추천 AI 에이전트
- 4부, AWS와 함께하는 웅진AI Runner Challenge – 4부: Amazon Q Developer CLI 활용한 보안 취약점 진단 및 조치
- 5부, AWS와 함께하는 웅진AI Runner Challenge – 5부: Amazon Bedrock으로 바꾼 컨택센터 상담 품질 관리