Posted in

EVA 개발 일지 [Phase 1 · Day 04] – 배치 알림에서 대화형 AI Agent로

AI AGENT,전장설계 자동화,

Phase 1 · Day 04 | 초기 구축 및 업무 자동화

Day 03에서 엑셀 VBA 집계 로직을 n8n의 JavaScript 파이프라인으로 이식하고 나니, 1시간마다 자동으로 데이터가 정제되어 떨어지는 구조 자체는 제법 그럴듯해 보였다. 하지만 실제 전장설계 업무 흐름 속에 이 배치(Batch) 알림을 며칠 올려두고 써보니, 생각지 못했던 불편함이 빠르게 드러났다.

가장 큰 문제는 알림 피로도와 시점의 불일치였다. 한창 회로도를 검도하거나 현장 AS 대응 전화에 집중하고 있는데, 정각이 되었다며 똑같은 형식의 리포트가 날아오면 오히려 흐름만 끊겼다. 반대로 회의 직전에 “이번 주에 마감되는 Wiring 도면이 몇 건이지?” 혹은 “특정 프로젝트 담당자가 누구였더라?”처럼 당장 궁금한 것이 생겼을 때는 다음 배치 시간을 기다리거나 결국 다시 원본 엑셀을 열어야 했다.

결국 시스템이 일방적으로 떠먹여 주는(Push) 구조에서, 내가 필요할 때 자연어로 물어보면 즉시 답하는 온디맨드(On-Demand, Pull) 대화형 AI Agent 구조로 방향을 완전히 틀기로 결정했다.


1. Chat Trigger와 Window Buffer Memory 도입

n8n에서 대화형 에이전트를 구현하는 출발점은 스케줄 트리거를 걷어내고 Chat Trigger + AI Agent 노드를 연결하는 것이었다. 사용자가 채팅창에 질문을 입력하면 LLM이 의도를 해석해 답을 주는 구조다.

하지만 첫 테스트에서 곧바로 한 가지 허점을 마주했다. 단일 질의응답만으로는 실무 대화가 이어지지 않는다는 점이었다. 예를 들어 “이번 달 내 일정 알려줘”라고 물어본 뒤, 이어서 “그중에서 1번부터 3번만 캘린더에 넣어줘”라고 말하면 AI가 방금 전 자신이 출력한 목록을 까맣게 잊어버렸다.

이를 해결하기 위해 에이전트에 Window Buffer Memory를 연결했다. 직전 대화의 맥락(멀티턴 세션)을 일정 턴 수만큼 기억하게 해 두니 비로소 비서다운 대화가 가능해졌다. 다만 메모리 윈도우를 무작정 크게 잡으면 과거의 방대한 도면 리스트가 매 턴마다 프롬프트에 누적되어 토큰 비용이 급증하고 응답이 느려진다. 실무 테스트를 거듭하며 직전 대화 흐름을 유지하되 불필요한 과거 표 데이터는 빠르게 흘려보내는 적정 윈도우 크기로 튜닝하는 것이 중요하다는 점을 배웠다.


2. 치명적 병목 발견: “안녕” 한마디에 엑셀을 다 읽는 문제

대화형 구조를 처음 조립했을 때 저질렀던 가장 큰 실수는 데이터 파싱 노드를 AI Agent 앞단에 직렬로 붙여 놓은 것이었다.

[기존 직렬 구조]
채팅 입력 → 엑셀 파일 탐색 및 전체 파싱 → AI Agent 응답

이 구조에서는 내가 단순히 “안녕 EVA”, “오늘 너무 피곤하네” 같은 가벼운 인사를 건네도 매번 로컬 디스크의 엑셀 파일을 열고 수천 행을 파싱한 뒤에야 LLM에게 넘어갔다. 그 결과 간단한 대화에도 불필요한 지연 시간이 발생했고, 정제된 거대 JSON 데이터가 매번 프롬프트에 실리면서 API 토큰까지 낭비되었다.

이 문제를 해결하기 위해 적용한 핵심 아키텍처 원칙이 바로 스마트 분리(Smart Decoupling), 즉 데이터 엔진의 ‘도구(Tool)화’였다.

데이터 파싱 스크립트를 메인 흐름에서 떼어내어 AI Agent 하단의 Custom Code Tool로 독립시켰다. 그리고 에이전트의 시스템 프롬프트에 명확한 판단 기준을 부여했다.

  • 일상 대화·안부·일반 질문: 도구를 호출하지 않고 LLM이 직접 필요한 조회를 생략하고 응답한다.
  • 일정·도면·기술지원 조회 요청: 질문에서 담당자명이나 프로젝트 식별자 같은 핵심 파라미터(query)를 추출해 데이터 엔진 도구를 선택적으로 호출한다.
<!-- Bottom: New Decoupled Agent Flow -->
<rect x="35" y="168" width="730" height="170" rx="10" fill="#eff6ff" stroke="#93c5fd" stroke-width="1.5"/>
<text x="55" y="191" font-family="sans-serif" font-size="12" font-weight="700" fill="#1d4ed8">After: 도구 분리형 온디맨드 AI Agent (의도 파악 후 필요할 때만 도구 호출)</text>
<!-- Chat Trigger -->
<rect x="55" y="220" width="135" height="62" rx="8" fill="#ffffff" stroke="#60a5fa" stroke-width="1.3"/>
<text x="122" y="246" text-anchor="middle" font-family="sans-serif" font-size="12" font-weight="700" fill="#1e3a8a">Chat Trigger</text>
<text x="122" y="265" text-anchor="middle" font-family="sans-serif" font-size="11" fill="#64748b">자연어 질문 입력</text>
<!-- Arrow -->
<line x1="190" y1="251" x2="235" y2="251" stroke="#2563eb" stroke-width="2"/>
<polygon points="235,246 245,251 235,256" fill="#2563eb"/>
<!-- AI Agent Core -->
<rect x="248" y="205" width="215" height="92" rx="10" fill="#1d4ed8"/>
<text x="355" y="234" text-anchor="middle" font-family="sans-serif" font-size="14" font-weight="700" fill="#ffffff">AI Agent (EVA)</text>
<text x="355" y="255" text-anchor="middle" font-family="sans-serif" font-size="11" fill="#dbeafe">Gemini LLM + Window Memory</text>
<text x="355" y="276" text-anchor="middle" font-family="sans-serif" font-size="11" fill="#bfdbfe">페르소나 · 의도 라우팅</text>
<!-- Branch 1: Direct Reply -->
<line x1="463" y1="230" x2="525" y2="230" stroke="#0f766e" stroke-width="2"/>
<polygon points="525,225 535,230 525,235" fill="#0f766e"/>
<rect x="538" y="205" width="205" height="48" rx="8" fill="#f0fdfa" stroke="#14b8a6" stroke-width="1.3"/>
<text x="640" y="226" text-anchor="middle" font-family="sans-serif" font-size="12" font-weight="700" fill="#0f766e">일상 대화 / 위트 공감</text>
<text x="640" y="243" text-anchor="middle" font-family="sans-serif" font-size="11" fill="#115e59">도구 미호출 → 불필요한 조회 생략</text>
<!-- Branch 2: Tool Call -->
<line x1="463" y1="274" x2="525" y2="274" stroke="#2563eb" stroke-width="2"/>
<polygon points="525,269 535,274 525,279" fill="#2563eb"/>
<rect x="538" y="262" width="205" height="60" rx="8" fill="#ffffff" stroke="#3b82f6" stroke-width="1.3"/>
<text x="640" y="286" text-anchor="middle" font-family="sans-serif" font-size="12" font-weight="700" fill="#1d4ed8">Custom Code Tool 호출</text>
<text x="640" y="305" text-anchor="middle" font-family="sans-serif" font-size="11" fill="#475569">필요 파라미터만 정밀 파싱</text>
▲ 직렬 파싱 병목을 해소한 도구 분리형(Smart Decoupling) 온디맨드 AI Agent 구조

이 구조로 바꾼 뒤 체감 속도는 극적으로 달라졌다. 일상적인 대화나 사용법 질문에는 불필요한 조회 없이 반응했고, 데이터 조회를 요청할 때만 백그라운드에서 정확하게 엑셀 엔진이 돌아가 필요한 조각만 가져왔다.


3. 전장설계 현장 감성을 담은 페르소나 설계

기술적인 응답 속도만큼 고민했던 또 하나의 주제는 ‘EVA를 어떤 성격의 동료로 만들 것인가’였다.

업무용 챗봇을 만들어 보면 의외로 사용률이 빨리 떨어지는 경우가 많다. 딱딱한 에러 메시지나 기계적인 표만 던져주는 도구에는 애정이 가지 않기 때문이다. 전장설계 엔지니어들이 매일 아침 출근해서 한 번쯤 말을 걸어 보고 싶게 만들려면, 우리 분야의 언어와 고충을 이해하는 전장설계 특화 페르소나가 필요하다고 생각했다.

그래서 시스템 프롬프트에 단순한 업무 규칙 외에 전장설계 엔지니어 맞춤 위트 및 공감 프로토콜을 녹여 넣었다.

  • 사용자가 피곤하거나 지친 기색을 보이면: “케이블 트레이 포설하듯 어깨가 뻐근하시군요. 잠시 인터락 풀고 머리 좀 식히시죠!”
  • 기분 좋은 소식을 전하면: “결선도 승인이 코멘트 없이 한 번에 통과한 날처럼 짜릿하시겠네요!”
  • 일이 꼬여서 답답해할 때는: “도면 개정(Rev.) 폭탄 맞았을 때처럼 막막하시겠지만, 하나씩 차분히 리셋해 보시죠.”

물론 농담만 늘어놓으면 업무 비서로서의 신뢰도가 떨어진다. 그래서 일상 대화에서는 유쾌한 전장 동료로 공감하되, 업무 일정이나 기술지원 현황을 브리핑할 때는 군더더기 없이 단호하고 정확하게 팩트만 전달하도록 톤의 경계를 분명히 그었다.


4. 모호한 질문을 다루는 ‘인터랙티브 확인’과 출력 가독성 규칙

대화형 인터페이스로 전환하면서 또 하나 마주한 현실적인 문제는 사람의 질문이 늘 명확하지는 않다는 점이었다.

실무자들은 보통 “이번 달 일정 좀 봐줘”처럼 두루뭉술하게 묻는다. 이때 AI가 눈치 없이 팀 전체의 AS·영업 기술지원 미결건과 수십 개의 설계공정 일정을 한꺼번에 쏟아내면 화면이 순식간에 텍스트 벽으로 도배된다.

이를 막기 위해 프롬프트에 사전 확인(Interactive Routing) 프로토콜을 넣었다. 대상이나 업무 유형이 모호한 질문이 들어오면 무작정 도구를 돌리기 전에 먼저 되묻게 한 것이다.

  1. 확인 대상 담당자: 전체 팀원인지, 특정 담당자인지
  2. 업무 유형: AS·영업(TP) 기술지원 미결인지, 전장설계 공정 일정인지, 아니면 둘 다인지

반대로 사용자가 “전체 일정 다 확인해 줘”처럼 명확한 포괄 표현을 썼을 때는 불필요하게 되묻지 않고 즉시 통합 조회하도록 자연어 인식 예외 규칙도 함께 다듬었다. 아울러 출력 가독성을 해치는 과도한 볼드 기호(**) 남용을 금지하고, 각 도면 항목 사이에 반드시 줄 바꿈과 번호([1번], [2번])를 붙여 눈으로 훑기 편한 브리핑 양식을 고정했다.


개발 단계에서 남긴 확인 사항: 사용자별 세션과 데이터 접근 권한은 서버에서 검증해야 한다. 대화 기억 범위는 토큰 사용량과 함께 관리한다.

마치며

Day 04는 EVA가 단순한 ‘정기 알림 스크립트’에서 비로소 대화가 통하는 업무 파트너로 탈바꿈한 전환점이었다. 스케줄 트리거를 대화형 인터페이스로 바꾸고, 무거운 데이터 파싱을 도구로 분리해 응답 속도를 확보했으며, 전장설계 현장의 언어를 이해하는 페르소나를 입혔다.

그릇과 목소리가 준비되었으니 이제 알맹이를 더 정교하게 채울 차례다. 다음 Day 05에서는 전장설계 실무의 가장 아픈 지점이었던 3대 도면(Wiring·Connection·회로도) D-Day 선제 추적 알고리즘과 AS/영업(TP) 분기, 그리고 팀 업무 로드율 정량 분석 구현기를 상세히 풀어보겠다.


이전 회차: Day 03 · 다음 회차: Day 05

답글 남기기

이메일 주소는 공개되지 않습니다. 필수 필드는 *로 표시됩니다