👗 Amazon Bedrock End-to-End Use Case (AI Stylist Demo)

📌 왜 이 데모가 중요한가?

앞에서 Amazon Bedrock의 여러 기능을 살펴봤지만, 실제로는 콘솔에서 클릭만 하는 것으로 끝나지 않습니다.
실제 애플리케이션에서 Bedrock을 활용하려면 API 호출을 통해 Bedrock 기능을 불러오고, 이를 기반으로 서비스를 만들어야 합니다.

AWS에서는 이를 보여주기 위해 AI Stylist라는 데모 애플리케이션을 제공합니다.
이 데모를 통해 실제 사용자가 어떻게 Bedrock 기반 앱을 경험하는지 확인할 수 있습니다.

🔗 Try the AI Stylist Demo

📎 Demo Video:

👠 AI Stylist 동작 방식

사용자가 질문을 입력합니다.
- 예: “저는 컨설턴트인데, 다음 주 뉴욕 출장을 가는데 첫 출근 날 무슨 옷을 입으면 좋을까요?”

Bedrock Agent가 동작합니다.
- Agent는 단순 답변이 아니라, 여러 **Knowledge Base(지식 저장소)**와 연결됩니다.
- 예:
  - 상품 카탈로그 (회사 내부 데이터)
  - 패션 트렌드 (공개 데이터셋)
  - 주문 내역 (개인 맞춤형 데이터)
  - 고객 리뷰 (내부 데이터)

Agent가 필요한 데이터를 가져와 응답을 생성합니다.
- 예:
  - “비즈니스 정장 스타일”과 “비즈니스 캐주얼 스타일” 2가지를 제안
  - 이미지 생성 모델을 통해 실제 코디 이미지 생성

사용자가 추가 질문을 합니다.
- 예: “이 정장 재킷에 대해 고객들이 뭐라고 하나요?”
- → Agent가 고객 리뷰 데이터베이스를 조회 후, “품질, 색상, 원단이 좋다고 합니다. 리뷰 수는 325개입니다.” 라고 요약

주문 프로세스까지 연결됩니다.
- 사이즈 추천: 이전 주문 내역을 참고 → “M 사이즈를 추천합니다”
- 장바구니 추가: Agent가 API 호출을 통해 직접 장바구니에 상품 추가
- 결제 진행: “주문을 완료하시겠습니까?” → API 연동으로 주문 최종 확정

🔑 여기서 중요한 AWS 개념 (시험 대비용)

Bedrock Agent → 단순 응답이 아니라 멀티스텝 작업(multi-step tasks)을 수행할 수 있음
Knowledge Base 연동 → 비즈니스 데이터(주문내역, 고객 리뷰 등)를 AI가 직접 활용 가능
RAG (Retrieval Augmented Generation) → 외부 데이터(예: 최신 패션 트렌드)를 가져와 응답 품질 향상
API 통합 → 단순 대화형 서비스가 아니라, **실제 시스템 변경(장바구니 추가, 결제 등)**까지 수행
보안 & 권한 관리 → IAM Role을 통해 Bedrock이 Knowledge Base나 API에 안전하게 접근해야 함 (시험 단골 질문)
CloudWatch 모니터링 → Bedrock Agent의 호출 내역과 성능(지연시간, 토큰 사용량)을 추적 가능

📝 요약

Amazon Bedrock은 단순히 질문에 답하는 AI가 아니라,
👉 지식베이스와 시스템(API, DB, Lambda 등)을 연동하여 실제 작업을 수행하는 AI 에이전트를 만들 수 있습니다.

AI Stylist 데모는 이 개념을 보여주는 좋은 예시이며, 실제 현업에서는:

쇼핑몰 추천 서비스
고객 지원 챗봇
IT 운영 자동화
맞춤형 교육/헬스케어 코치

등으로 확장될 수 있습니다.

👉 한 줄 정리:
Amazon Bedrock을 활용하면, 단순한 AI 답변을 넘어서 **실제 업무를 자동화하는 AI 비서(Agent)**를 만들 수 있다.
이 과정에서 Knowledge Base, RAG, API 연동, IAM 권한, CloudWatch 모니터링 같은 AWS 핵심 서비스 개념이 함께 시험 포인트로 등장할 수 있다.