Guidesly가 AWS를 사용해 AI 생성 여행 보고서를 구축한 방법

Guidesly는 아웃도어 가이드를 위한 AI 기반 트립 리포트 자동 생성 시스템 'Jack AI'를 AWS 서버리스 아키텍처 위에 구축했다. 핵심 파이프라인은 AWS Lambda와 Step Functions를 오케스트레이션 레이어로 활용하여, 가이드가 업로드한 사진·영상 등 트립 미디어를 Amazon S3에 수집한 뒤 Amazon SageMaker AI의 컴퓨터 비전 모델로 어종 식별·장면 분석 등 메타데이터를 추출하고, Amazon Bedrock의 생성형 AI를 통해 마케팅용 콘텐츠로 변환하는 구조다. Amazon RDS에 저장된 가이드 프로필, 지역 정보, 과거 트립 이력 등의 컨텍스트 데이터를 결합하여 단순 이미지 캡셔닝이 아닌 비즈니스 맥락이 반영된 콘텐츠를 생성한다는 점이 기술적으로 주목할 만하다.

이 아키텍처에서 개발자가 참고할 핵심 설계 패턴은 Step Functions를 활용한 멀티스텝 AI 파이프라인 오케스트레이션이다. 미디어 수집 → 전처리 → CV 분석 → LLM 생성 → 멀티채널 배포라는 복잡한 워크플로우를 상태 머신으로 관리함으로써, 각 단계의 재시도·에러 핸들링·병렬 처리를 선언적으로 제어할 수 있다. Lambda의 이벤트 드리븐 특성과 결합하면 트립 미디어 업로드 시점에 자동으로 파이프라인이 트리거되어, 별도의 상시 가동 서버 없이도 수요에 따라 탄력적으로 스케일링된다. SageMaker AI와 Bedrock을 분리 배치한 점도 눈여겨볼 부분인데, 특화된 CV 모델(어종 분류 등 도메인 특화 태스크)은 SageMaker에서 파인튜닝하고, 범용 텍스트 생성은 Bedrock의 관리형 파운데이션 모델을 호출하는 하이브리드 전략이 비용 효율과 품질을 동시에 잡는 실용적 접근이다.

실무 개발자에게 이 사례가 시사하는 바는, 생성형 AI 애플리케이션을 프로덕션에 올릴 때 단일 LLM 호출이 아닌 '데이터 수집 → 보강(enrichment) → 생성 → 배포'의 전체 파이프라인을 설계해야 한다는 점이다. 특히 컨텍스트 주입 단계—RDS에서 가이드 정보와 지역 데이터를 조회하여 프롬프트에 포함시키는 RAG 유사 패턴—가 콘텐츠 품질을 결정짓는 핵심이며, 이는 어떤 도메인의 AI 콘텐츠 생성 시스템에서든 동일하게 적용된다. AWS 서버리스 스택에 익숙한 개발자라면 Step Functions + Lambda + Bedrock 조합으로 유사한 미디어-투-콘텐츠 파이프라인을 비교적 빠르게 구축할 수 있으므로, 자사 서비스에 AI 콘텐츠 자동화를 도입하려는 팀이라면 이 레퍼런스 아키텍처를 출발점으로 삼아볼 만하다.

한 가지 주의할 점은 이러한 멀티스텝 AI 파이프라인의 관찰 가능성(observability)과 비용 관리다. Step Functions의 각 스텝에서 SageMaker 엔드포인트 호출과 Bedrock API 호출이 발생하므로, 트립 건수가 급증할 경우 추론 비용이 선형 이상으로 증가할 수 있다. CloudWatch 메트릭과 Step Functions의 실행 이력을 활용한 비용 모니터링 대시보드 구성, 그리고 Bedrock 호출 시 프롬프트 캐싱과 응답 길이 제한 등의 최적화 전략을 초기 설계 단계부터 반영하는 것이 프로덕션 안정성을 확보하는 데 필수적이다.