신뢰할 수 있는 Agentic AI 시스템 구축하기

Bayer는 방대한 양의 비정형 전임상 데이터를 효율적으로 처리하기 위해 Agentic RAG 기반의 PRINCE 플랫폼을 개발했다. 기존의 키워드 기반 검색이 가진 한계를 극복하고, 연구자들이 자연어로 복잡한 질문을 던져 정확한 답변을 얻을 수 있도록 설계되었다.

시스템 구축 과정에서 핵심적인 두 가지 엔지니어링 요소는 다음과 같다.

• Context Engineering: 모델이 수신하는 정보의 양과 질을 제어하며, 연구(Research), 성찰(Reflection), 작성(Writing)과 같은 전문화된 단계 사이에서 컨텍스트가 이동하는 방식을 최적화함.
• Harness Engineering: 모델을 둘러싼 스캐폴딩(Scaffolding) 구축에 집중함. 여기에는 오케스트레이션, 도구 경계 설정, 상태 유지(State persistence), 재시도(Retries), 폴백(Fallbacks), 검증, 성찰 루프, 관측 가능성(Observability) 및 인간의 검토 프로세스가 포함됨.

이 사례 연구는 단순한 RAG를 넘어, 실제 프로덕션 환경에서 신뢰할 수 있는 AI Agent 시스템을 운영하기 위해 필요한 기술적 아키텍처와 엔지니어링 의사결정 과정을 다룬다.