[AWS SUMMIT 2025] LG전자의 AmazonQ로의 차세대BI구축 여정 : 생성형 AI로 혁신하는 BI 플랫폼 구현 사례

들어가며

LG전자의 AmazonQ로의 차세대BI구축 여정 : 생성형 AI로 혁신하는 BI 플랫폼 구현 사례

🎙️민지수 솔루션즈 아키텍트, AWS

🎙️문필재 팀장, 한국영업본부 DX 담당 LG전자

🗂️ 세션 토픽: 기술 트랜드, 생성형 AI, 생성형AI 및 머신러닝응용

LG전자는 AWS의 생성형 AI 기술을 활용하여 기존 BI 시스템의 한계를 극복하고 전사적 데이터의 혁신을 실현했습니다. Amazon QuickSight와 Q Business를 중심으로 구축된 이 솔루션은 비기술 사용자도 자연어로 복잡한 데이터를 분석할 수 있게 하여 의사결정 속도를 획기적으로 개선했습니다. 이 사례는 생성형 AI가 기업의 데이터 분석 문화를 어떻게 근본적으로 변화시킬 수 있는지 보여주는 모범적인 예시입니다.

기업의 데이터 활용은 소수 전문가 중심의 ‘리포트 기반 BI’에서 모든 구성원이 참여하는 ‘생성형 AI 통합 BI’로 진화하고 있습니다. LG전자는 이러한 변화의 선두에서 AWS 클라우드 서비스를 활용한 혁신적인 BI 플랫폼을 구축하여 데이터 기반 의사결정 체계를 고도화했습니다.

개인적으로는 기업에서 생성형 AI를 도입하고 PoC 를 거쳐 실제적으로 사용되고 있는 사례를 확인하기 위하여 이 세션을 청취하였습니다.

데이터 혁신을 위한 생성형 AI의 역할

기존 BI 시스템은 여러 한계점을 가지고 있었습니다. 데이터 분석을 위해서는 SQL 지식이 필요했고, 대시보드 생성에 긴 리드타임이 소요되었으며, 고정된 시각화로 인해 다양한 인사이트를 도출하기 어려웠습니다. 이로 인해 ‘요청→구축→미사용’이라는 비효율적인 순환 패턴이 반복되었습니다.

LG전자는 이러한 문제를 해결하기 위해 Amazon Q in QuickSight와 Q Business를 도입했습니다. 이 솔루션의 핵심은 자연어 처리 기능을 통해 일반 사용자도 복잡한 데이터를 쉽게 분석할 수 있게 하는 것입니다. 예를 들어, “전년 대비 올해 스타일러의 구매대수 증가율이 가장 높은 판매 채널은?”과 같은 질문을 입력하면 시스템이 자동으로 데이터를 분석하고 적절한 시각화와 함께 답변을 제공합니다.

이 접근법은 “AI answers to questions of data on demand”라는 개념을 실현하며, 복잡한 AI 인프라 구축 없이도 즉시 활용 가능한 관리형 서비스를 통해 데이터 분석의 혁신화를 이루었습니다.

QuickSight 기반 BI 플랫폼 구축 과정과 성과

LG전자는 기존의 외부 CDP SaaS에서 AWS QuickSight로의 전환을 통해 맞춤형 내재화 솔루션을 구축했습니다. 이 전환의 주요 동기는 제한된 시각화 옵션 극복, 서버리스 아키텍처 도입을 통한 인프라 관리 부담 감소, 그리고 AWS 데이터 서비스 생태계와의 통합이었습니다.

구현 아키텍처는 다음과 같은 핵심 요소로 구성되었습니다:

1. 데이터 파이프라인: Apache Airflow DAG를 활용한 체계적인 데이터 워크플로우 관리

2. 중앙 데이터 저장소: Amazon Redshift를 활용한 고성능 데이터 처리

3. 분석 엔진: SPICE(Super-fast, Parallel, In-memory Calculation Engine)를 통한 빠른 데이터 분석

4. 접근 경로: CDP → ALB → CDP Explorer → Embedded URL → QuickSight

이 마이그레이션은 4단계 스프린트 방식(Kick-off, Sprint 1-3)을 통해 체계적으로 진행되었으며, 그 결과 놀라운 성과를 달성했습니다:

– 대시보드 로딩 속도 45% 향상(5.34초에서 2.94초로 단축)

– 운영 비용 50% 이상 절감

– 데이터 파이프라인 50% 감소

– 사용자 참여도(MAU) 200% 증가

– 대시보드 사용량 3배 상승

이러한 성과는 단순한 도구 교체가 아닌, 데이터 분석 역량을 근본적으로 강화하는 전략적 전환이었음을 보여줍니다.

Multi-Agent 시스템을 통한 지능형 데이터 분석

LG전자는 한 걸음 더 나아가 AWS Multi Agent Coordinator(MAC)를 활용한 지능형 데이터 분석 시스템을 구축했습니다. 이 시스템은 여러 특화된 AI 에이전트가 협업하여 복잡한 데이터 분석, 코드 개발, 보고서 작성 등의 작업을 자동화합니다.

MAC 시스템의 주요 구성 요소는 다음과 같습니다:

1. Coordinator: 전체 워크플로우 조율

2. Planner: 세부 작업 계획 수립

3. Coder: 코드 작성 및 수정

4. Reporter: 결과 분석 및 보고서 작성5. Supervisor: 전체 프로세스 감독 및 품질 관리

이 시스템의 가장 큰 특징은 자동화된 오류 수정 및 복원 기능입니다. 코드 실행 중 발생하는 오류를 자동으로 감지하고, 문제를 분석하여 해결책을 제시한 후, 수정된 코드로 작업을 재개합니다. 이를 통해 pandas 라이브러리 관련 오류, 파일 경로 문제 등을 실시간으로 해결할 수 있습니다.

실제 데모에서, LG전자는 이 시스템을 통해 예시 데이터로 가전 판매 채널 분석을 수행했습니다. 분석 결과, D2C 채널의 급격한 성장(2022년 3,972대에서 2024년 59,491대로 증가)과 스타일러 제품의 특이한 고객 특성(30대 구매 비중이 42.9%로 전체 가전 28.7%보다 높음)을 발견했습니다. 이러한 인사이트는 마케팅 전략 수립에 직접적으로 활용 될 수 있을 정도로 높은 수준의 결과물을 작성 했습니다.

비즈니스 인사이트와 데이터 기반의 확장 전략

LG전자의 AWS 기반 BI 플랫폼은 단순한 데이터 시각화를 넘어 실질적인 비즈니스 인사이트를 도출하는 데 중점을 두었습니다. 특히 예시 데이터를 활용하여 Smart Insight 솔루션을 통해 다음과 같은 데이터를 현장에서 바로 확인 할 수 있었습니다.

1.정밀한 고객 세분화: 예시 데이터에서 스타일러의 핵심 타겟이 30대 여성, 중대형 평면/고가 주택 거주자임을 파악하고 맞춤형 마케팅 전략 수립

2. 채널별 맞춤 전략: 온라인(30-40대 여성), 전매(30대 이상), D2C(남성), 혼매(여성) 등 채널별 특성에 맞는 접근법 개발3. 지역 집중 전략: 수도권(경기, 서울, 인천) 및 주요 지방 도시(부산, 경남)에 마케팅 리소스 집중 등

이러한 인사이트는 자연어 기반 데이터 분석을 통해 신속하게 도출되었으며, 의사결정 프로세스를 크게 가속화했습니다. 예를 들어, 보고서 작성 시간이 60% 단축되었고, 현업 분석 업무 효율이 2배 향상되었습니다.

LG전자는 이러한 성공을 바탕으로 3단계 확장 전략을 수립했습니다:

1. QuickSight 대시보드 확장

2. AI 기능 고도화

3. 전사 지표 시스템으로 확장

이를 통해 궁극적으로는 전사적 데이터 기반 의사결정 체계를 구축하는 것을 목표로 하고 있습니다.

마무리하며

이 사례의 핵심 성공 요인은 기술 도입 자체가 아닌, 비즈니스 가치 창출에 초점을 맞춘 전략적 접근법에 있다고 봅니다.  운영 효율성 향상, TCO 절감, 그리고 무엇보다 데이터 기반 의사결정 역량 강화를 통해 급변하는 시장 환경에서 경쟁 우위를 확보 할 수 있을것으로 생각됩니다.

AWS의 생성형 AI 서비스와 클라우드 인프라의 결합은 기업이 데이터의 잠재력을 최대한 활용할 수 있는 새로운 패러다임을 제시하고 있으며, LG전자의 사례는 이러한 변화의 선두에 있는 모범적인 예시입니다.

특히 개인적으로 인상 깊었던 Multi Agent 의 사례는 기업 및 조직에 있어서 변화와 혁신을 가속화 할 수 있는 촉매제가 될 것으로 생각합니다.

글 │ 메가존클라우드, Cloud Technology Center(CTC), DSA Team11, 송상병 SA