[reinvent 2025] Amazon Nova를 활용한 AI 기반 폐기물 분류 시스템 구축
Summary
이번 세션은 AWS 서비스만으로 구축된 AI 구동형 폐기물 분류 시스템의 실제 운영 사례를 통해, 생성형 AI와 서버리스 기술이 기업의 지속가능경영(Sustainability)과 운영 효율 개선에 어떤 가치를 제공하는지 설명합니다. AWS IoT Greengrass, Amazon Bedrock Nova, Step Functions, DynamoDB 등 AWS의 핵심 AI·서버리스 서비스를 결합한 아키텍처는 높은 정확도(95%)와 의미 있는 재활용 효율 개선(52%)을 달성했습니다. 이 사례는 AI 기반 자동화가 실제 업무 환경에서 혁신을 촉진하는 방식을 잘 보여줍니다.
Overview
들어가며
많은 기업들이 지속 가능한 운영(Sustainability)을 목표로 재활용률을 높이기 위해 노력하고 있으나, 실제로 사무실이나 현장에서 개인이 폐기물을 올바르게 분류하는 것은 어렵고 비효율적인 경우가 많습니다.
AWS 사무실 역시 동일한 문제를 겪고 있었고, 이를 해결하기 위해 “카메라 기반 AI 폐기물 분류기”를 구축해 실사용하기 시작했습니다.
이번 프로젝트에서 AWS는 규칙을 사람에게 학습시키는 대신, AI가 사용자를 실시간으로 도와주는 방식을 선택했습니다.
카메라로 폐기물을 캡쳐하고, 엣지 단에서 기본적인 이미지 전처리를 거친 후, 서버리스 파이프라인과 Amazon Bedrock의 멀티모달 모델을 활용해 즉시 올바른 분류를 제안하는 구조입니다.
이 세션에서는 이 시스템이 어떻게 설계·배포되었는지, 그리고 실제 AWS 사무실에서 재활용 효율을 52% 개선한 핵심 기술 전략을 소개합니다.
1. 문제 정의: 폐기물 분류의 어려움과 개선 필요성
세션 발표자는 먼저 “사무실에서 점심 피자를 먹고 빈 상자를 어떤 용기에 버려야 하는지 고민하는 상황”을 예로 들며 문제를 설명했습니다. 추가로 남미 지역 전반에 걸친 심각한 폐기물 관리 현황을 공개하면서, 문제를 해결하기 위해 AI도구(Amazon Nova)를 활용하자는 아이디어로 프로젝트를 시작하게되었습니다.
위기의 심각성: 남미는 재활용률이 매우 낮고, 그 양은 계속 늘어나고 있습니다.
비효율적인 시스템: 재활용률(4.5%)과 재생 원료 사용률(<1%)이 극도로 낮아, 자원 순환이 이루어지지 않고 있습니다.
매립 의존도: 칠레의 사례(96% 매립)에서 보듯, 대부분의 쓰레기가 단순히 매립되어 심각한 환경 문제를 야기하고 있습니다.
사용자들은 정확한 분류 기준을 모르기 때문에 재활용률이 낮았고, 사진 기반 재활용 데이터도 충분하지 않아 지속적인 개선이 어려웠습니다, 이를 해결하기 위해 AWS 팀은 폐기물을 실시간으로 분석하고 올바른 용기를 안내하는 기계를 직접 만들기 시작했습니다.
이 기계의 이름은 Narask이며, AWS 사무실 및 이벤트 현장에서 실제 배치되어 운영되고 있습니다.
2. AI 기반 재활용 분류 시스템의 전체 구조와 운영 흐름
AWS 팀은 재활용 분류 정확도를 높이기 위해, 엣지 디바이스–서버리스 파이프라인–멀티모달 AI 모델이 유기적으로 연결된 통합 구조를 설계했습니다. 카메라가 촬영한 이미지는 로컬에서 전처리된 후 Amazon API Gateway로 전달되며, Lambda에서 메타데이터와 함께 안전하게 처리됩니다. 이후 Amazon Bedrock의 멀티모달 모델이 폐기물 종류를 분석하고, 분류 결과는 DynamoDB와 Amazon S3에 저장되어 지속적인 학습 및 피드백 데이터로 활용됩니다.
분류 결과는 즉시 디스플레이에 반영되어 사용자에게 올바른 분리수거 방법을 안내하고, CloudWatch Metrics와 Logs, X-Ray를 통해 성능과 정확도를 실시간으로 모니터링할 수 있습니다. 또한 분석된 데이터는 Amazon QuickSight로 시각화되어 재활용 효율 개선, 오류 패턴 분석, 운영 최적화에 직접 활용됩니다.
3. AI 모델 구성: Amazon Bedrock Nova Multimodal
Amazon Nova Multimodal 모델을 사용하여 폐기물을 분류한 프롬프트 부분에 대하여 소개해드리겠습니다.(Role, Task, Rules)
- Role 정의 : “폐기물 분류 전문가(Expert in waste classification)”로 모델 역할 설정
- Task 정의 :
– 이미지를 분석하여 폐기물 재질을 식별할 것.
– 재활용 규칙에 따른 폐기물 카테고리 결정
– 0~1 사이 Confidence Score 생성
중요 로직: 만약 신뢰도 점수가 0.8(80%)을 넘지 않으면, 해당 물체는 ‘매립(landfill)’으로 분류
- Rules 정의 : 시설에 따라 다른 규정을 적용
– 예: 칠레 AWS 사무실의 경우 특정 플라스틱만 재활용 가능
즉, 단순 물체 인식이 아니라 시설별 정책을 반영한 지능형 분류가 가능하도록 설계되었습니다.
4. AI 기반 분류 시스템의 성과
Amazon NOVA 기반 재활용 분류 시스템의 도입은 기술적 성취를 넘어, 운영 효율성(Operational Excellence), 비용 최적화(Cost Efficiency), 환경적 지속가능성(Environmental Impact)이라는 세 가지 영역에서 모두 의미 있는 변화를 이끌어냈습니다. 이는 AI가 단순히 자동화 수단이 아니라, 기업의 지속가능성 전략을 직접 추진하는 핵심 도구임을 보여줍니다.
Environmental Impact 관점에서 ESG 목표 달성을 위한 실질적 성과가 있었으며 수치는 아래와 같습니다.
- CO₂ 배출 방지 효과: 6개월 동안 650kg 저감
- 재활용 효율: 2023년 대비 52% 증가
- 매립지로 향하는 폐기물(Landfill Waste): 9.3% 감소 (90.3% → 81%)
결론
재활용 분류 정확도를 높이기 위한 AWS의 이번 프로젝트는 단순한 기술 실험을 넘어, AI가 기업의 지속가능한 운영(Sustainable Operations)을 실질적으로 강화할 수 있음을 증명한 사례입니다.
폐기물 분류라는 작은 과정도 데이터 품질, 운영 효율, 탄소 절감 목표에 직접적인 영향을 미치기 때문입니다.
궁극적으로 이번 사례는 아래의 3가지 메시지를 전달합니다.
- AI는 지속가능경영을 실행하는 핵심 레이어(Core Execution Layer) 로 자리 잡을 수 있다.
- Amazon Nova 같은 AI 기반 인사이트 엔진은 ESG 전략을 측정·추적·최적화하는 실제 실천 도구로 진화하고 있습니다.
- 정책·캠페인 중심의 환경 개선 한계를 AI가 보완하며, 즉각적이고 실현가능한 결과를 만듭니다.
AI를 기반으로 한 지속가능 경영은 더 이상 미래의 가능성이 아니라, 이미 실행 가능한 새로운 표준입니다.
