[고객사례] 경농 | 생성형 AI로 스마트 영농일지 ‘파밍노트’의 혁신을 끌어올리다
Customer Story Detail
1. Overview (프로젝트 배경)
국내 대표 농업 기업인 경농은 농작업 기록, 작물 관리 이력, 농자재 정보 등을 체계적으로 관리하여 효율적인 농장 운영을 돕는 스마트 영농일지 플랫폼 ‘파밍노트’를 제공하고 있습니다. 경농은 파밍노트의 가치를 한 단계 높이고 농업인들의 실질적인 편의성을 끌어올리기 위해, 보유한 영농 노하우와 데이터에 AWS의 최신 생성형 AI 기술을 단계적·유기적으로 접목해 나가고 있습니다.
작물보호제 추천과 병해충 질의응답을 지원하는 텍스트 기반 AI 챗봇을 탑재한 데 이어, 타자가 익숙지 않은 고령 농업인을 위해 사진 촬영을 통해 제품을 자동으로 인식하는 Vision AI 검색과 AI 기반 운영 콘솔까지 고도화하였습니다.
1차 챗봇 오픈 이후에도 현장의 작은 불편함까지 놓치지 않고, 농업 현장의 디지털 격차를 해소하려는 경농의 진정성 있는 기술 투자를 잘 보여줍니다
2. Challenge
[1차]
전문 농업 분야의 복잡한 언어적 특성을 이해하고 정확한 질의응답을 제공하기 위해 기존 자연어 처리(NLP) 모델의 한계를 극복해야 했습니다.
- 농업 도메인 특화 용어의 높은 장벽
- 일반 자연어 처리 모델이 학습하지 않은 제품명, 성분명, 병해충명, 작물명 등 도메인 전문 용어가 광범위하게 사용되어 사용자의 질문 의도를 정확히 파악하기 어려웠습니다.
- 복잡한 언어 구조와 고유명사 오인식
- 띄어쓰기 불일치, 형태소 분리 오류, ‘배추무름병’과 같은 복합 고유명사의 단어 분해 현상으로 인해, 단순 키워드 매칭이나 일반 LLM만으로는 검색 정확도를 확보하는 데 한계가 있었습니다.
[2차]
농업 현장의 실질적인 페인 포인트를 해결하기 위해, 1차 텍스트 챗봇 수준을 뛰어넘는 고도화된 기술적 난제들을 극복해야 했습니다.
- 비정형 현장 이미지의 품질 한계
- 야외 작업 중 촬영한 사진은 빛 번짐, 흐릿함, 각도 회전이 빈번하며 일반 Vision LLM만으로는 정확한 라벨 텍스트 추출이 어려웠습니다.
- 약 4,000여 종 유사 제품군의 오인식 방지
- ‘가네마이트’라는 제품이 OCR 인식 과정에서 ‘가네마이트’로 오탐되었을 때, 이것이 단순 텍스트 오타인지 아니면 실제로 존재하는 별개의 제품인지 정확히 구분하는 정교한 보정 로직이 필수적이었습니다.
- 운영 및 파이프라인 관리의 복잡성
- 수천 건의 제품 메타데이터 관리, 복잡한 OpenSearch DSL/SQL 쿼리 작성, ETL 스케줄링 등 시스템 고도화에 따른 내부 운영 공수를 최소화할 통합 관리 체계가 요구되었습니다.
3. Solution
경농과 메가존클라우드는 농업 분야의 특수성을 극복하고 효율성을 극대화하기 위해, 1차 도메인 특화 RAG 및 쿼리 증강 파이프라인 구축에 이어 2차 Vision AI 파이프라인 및 AI 통합 관리 콘솔로 솔루션을 단계별로 고도화했습니다.
[1차]
Amazon Bedrock과 Amazon OpenSearch Service를 중심으로, 농업 전문 용어와 사용자 질문의 의도를 정확히 이해할 수 있는 고도화된 RAG(검색 증강 생성) 시스템을 구축했습니다.
- 도메인 특화 지식 기반 구축
- 데이터 통합 및 커스텀 사전 등록: 내부 DB와 공공 농업 데이터를 통합하여 청킹하고, 커스텀 토크나이저 사전을 등록해 고유명사 분리 오류를 사전 방지했습니다.
- Titan Embeddings V2 & OpenSearch RAG: Amazon Titan Text Embedding V2 모델로 전문 데이터를 벡터화하여 Amazon OpenSearch Service 기반의 정밀한 RAG 검색을 구현했습니다.
- ECS Fargate & 파밍노트 연동: Amazon ECS Fargate 서버리스 인프라로 트래픽 유연성을 확보하고, 파밍노트의 재배 이력 데이터를 연동해 맞춤형 응답을 제공합니다.
- 지능형 쿼리 증강 및 하이브리드 검색
- N-gram 기반 복합 용어 처리: 형태소 분석 및 N-gram 결합 기법을 적용해 ‘배추’와 ‘무름병’ 같은 복합 고유명사를 ‘배추무름병’으로 정확히 인식하도록 처리했습니다.
- 카테고리 자동 분류 및 쿼리 재구성: 질문 내 키워드(농약, 작물 등)를 자동 태깅하고, 모호한 질문을 구체적인 맥락형 질의로 재구성하여 검색 정확도를 높였습니다.
- 가중치 기반 하이브리드 검색 & Claude Sonnet 3.5: 카테고리별 가중치를 부여한 키워드·의미 하이브리드 검색을 수행하고, Amazon Bedrock의 Claude Sonnet 3.5 모델로 고품질 응답을 생성합니다.
[2차]
비정형 이미지에서 정밀한 검색 결과를 도출하기 위해 3단계하이브리드 검색 파이프라인과 운영 자동화를 위한 통합 관리 콘솔(Mega Dev Console)을 구현했습니다.
- 3- Stage 이미지 분석 및 검색 파이프라인 .
자연어 기반 파이프라인 스케줄링 (Zero-Configuration): “분기마다 새벽 3시에 ETL을 실행해줘”처럼 자연어로 지시하면 AI가 정확한 크론 표현식을 자동 변환하여 파이프라인 스케줄에 반영합니다.
Stage 1 (Vision LLM & TypoCorrector): Amazon Bedrock 기반 Vision LLM이 라벨에서 제품명, 등록번호, 제조사 등을 추출하고, 자체 구현한 TypoCorrector가 농업 전문 용어 사전을 기반으로 OCR 오타를 1차 보정합니다.
Stage 2 (Amazon OpenSearch Service Fallback): 단 한 번의 쿼리로 정확 일치부터 부분 매칭까지 처리하는 계층적 Fallback 검색을 수행하여 신속하게 후보군을 추출합니다.
Stage 3 (LLM Reranker): LLM Reranker가 원본 이미지를 다시 대조·검증하여 최종 연관성이 가장 높은 상위 순위 결과를 확정합니다.
운영 효율을 극대화한 Mega Dev Console
대화형 쿼리 자동 생성 (Text-to-SQL/DSL): 운영자가 “가네마이트 제품이 몇 개 있는지 리스트로 보여줘”라고 자연어로 질문하면, AI가 DB 스키마를 이해하고 OpenSearch DSL 또는 SQL을 자동 생성하여 실행 결과를 즉시 반환합니다.
AI 메타데이터 자동 생성: 프롬프트 빌더를 통해 제품 이미지에서 제품명, 용도, 이미지 품질 상태 등의 메타데이터 초안을 자동 추출·태깅하여 데이터셋 구축 시간을 획기적으로 단축했습니다.
4. Result
- 운영 효율을 극대화한 AI 기반 통합 관리 플랫폼 구축
- 파밍노트 사용자 경험(UX)의 진화: 농업인들이 번거로운 텍스트 입력 없이 사진 촬영 한 번만으로 원하는 작물보호제 정보와 사용법을 정확히 확인할 수 있는 현장 친화적 인터페이스를 완성했습니다.
- 4,000여 종 제품 데이터의 고도화된 자산화: 많은 환경 변수 속에서도 3단계 검색 아키텍처를 통해 높은 검색 신뢰도와 고품질 응답 성능을 확보했습니다.
- 지능형 농업 솔루션으로의 확장
- 경농은 생성형 AI 기반 기술 고도화를 발판 삼아 스마트 영농일지 ‘파밍노트’를 단순 기록 플랫폼에서 농가 맞춤형 지능형 영농 파트너로 발전시켰습니다. 경농은 앞으로도 AI 기술을 적극 접목한 ‘파밍노트’ 등 지능형 농업 솔루션을 지속적으로 연구·개발하여, 농가의 생산성을 높이고 대한민국 스마트팜의 경쟁력을 강화해 나갈 것입니다. 메가존클라우드는 경농의 기술 파트너로서 데이터와 AI가 만드는 농업 혁신의 여정을 지속적으로 지원할 예정입니다.
