모델2026-10-25

아마존 베드락으로 구현한 바이엘의 농업 AI 에이전트

한국 독자에게 왜 중요할까?
아마존 베드락을 기반으로 다중 에이전트 시스템을 구축해 복잡한 육종 및 농업 데이터 분석을 자동화하는 선도 사례이기 때문입니다.

농업과 생명과학 분야에서 품종 개량과 육종 결정을 내리기 위해서는 유전체학부터 현장 시험, 이미지, 환경 조건까지 방대한 양의 데이터를 다뤄야 합니다. 바이엘 크롭사이언스는 이러한 데이터를 바탕으로 수많은 머신러닝 모델을 운영해왔으며, 분석 결과의 재현성과 관리 체계를 유지하기 위해 연결된 의사결정 엔진이라는 시스템을 구축해 활용하고 있습니다. 이 시스템은 연구원과 데이터 과학자들이 일관된 방식으로 분석을 수행할 수 있도록 돕는 기반 역할을 해왔습니다.

그러나 시스템을 활용하는 사용자가 늘어나면서 새로운 병목 현상이 발생했습니다. 분석 결과가 왜 나왔는지, 워크플로가 왜 실패했는지 그 이유를 파악하려면 여러 로그와 대시보드, 애플리케이션 프로그래밍 인터페이스를 일일이 찾아다니며 문맥을 조합해야 했습니다. 이 문제를 해결하기 위해 바이엘은 자연어로 소통하며 복잡한 시스템 속에서 답을 찾아주는 다중 에이전트 기반의 에이전틱 의사결정 엔진을 개발했습니다.

이 새로운 엔진은 첫 도입 단계에서 엔지니어의 개입 없이 사용자 질문의 약 80퍼센트를 스스로 해결하고 있습니다. 사용자가 질문을 던지면 총괄 관리 역할을 하는 슈퍼바이저 에이전트가 이를 분류하여 적절한 전문 에이전트에게 전달하고, 전문 에이전트는 관련 시스템에서 필요한 맥락을 수집해 사용자에게 복잡한 조작 없이 곧바로 답을 제공합니다.

이 시스템의 핵심 구동 환경은 아마존 베드락의 에이전트코어 서비스입니다. 개발팀은 에이전트 호스팅이나 세션 격리, 도구 접근 계층을 직접 구축하고 운영하는 대신 에이전트의 행동 양식 자체에 집중할 수 있었습니다. 특히 사용자 세션을 안전하게 격리하는 관리형 런타임과, 권한 부여를 에이전트 코드 외부에서 안전하게 처리하는 관문 기능, 그리고 프레임워크에 구애받지 않는 설계 방식이 채택의 결정적 요인이 되었습니다.

시스템 내부에는 22개의 전문 에이전트가 투입되어 각자 지정된 도메인의 도구와 데이터를 활용합니다. 예를 들어 문제 해결 에이전트는 운영 텔레메트리를 분석하고, 도메인 전문가 에이전트는 검색 증강 생성 기술을 통해 개념적인 질문에 답합니다. 과거에는 육종가가 분석 실패 원인을 파악하기 위해 한 시간 이상 로그를 찾아야 했으나, 이제는 에이전트를 통해 10분 이내에 진단을 받을 수 있게 되었습니다.

원문: AWS — How Bayer Crop Science built an agentic decision engine on Amazon Bedrock AgentCore with AWS Unified Operations

← 오늘의 뉴스로

유튜브 채널

AI 한입구독하기

오늘의 AI 뉴스를 쇼츠로 짧게 정리합니다.

숫자쇼크구독하기

숫자로 놀라는 30초 쇼츠, 자매 채널입니다.