AI로 데이터 접근성을 높이는 Parcel Perform의 혁신적인 텍스트-투-SQL 도우미

AI와 데이터 접근성

기업에서 데이터를 다루는 방식은 점점 더 복잡해지고 있습니다. 특히 고객과 직접 맞닿아 있는 부서일수록, 빠르고 정확한 데이터 접근이 중요한 경쟁력이 되곤 하죠. 그런데 이런 데이터는 대부분 IT나 데이터 분석팀의 손을 거쳐야만 볼 수 있었기 때문에, 실무자 입장에서는 답답한 경우가 많았습니다. 이 문제를 해결하기 위해 글로벌 전자상거래 물류 플랫폼인 Parcel Perform이 흥미로운 해법을 내놓았습니다. 바로, 누구나 자연어로 질문하면 필요한 데이터를 SQL로 자동 변환해주는 ‘텍스트-투-SQL(Text-to-SQL)’ AI 도우미입니다.

Parcel Perform의 혁신

Parcel Perform은 전 세계 전자상거래 기업을 대상으로 배송 경험을 관리해주는 SaaS 플랫폼을 운영하고 있습니다. 이 회사는 매일 수억 건에 달하는 택배 이동 데이터를 처리하면서, 다양한 택배사들의 정보를 통합적으로 추적할 수 있는 기능을 제공합니다. 문제는 이 방대한 데이터를 실제로 활용하려면 SQL 쿼리를 작성해야 한다는 점이었습니다. 예를 들어 “지난주 배송 지연이 급증한 지역은 어디인가요?” 같은 질문도 데이터팀의 손을 빌려야만 답을 얻을 수 있었죠.

AI의 역할 변화

하지만 이제는 상황이 달라졌습니다. Parcel Perform은 AWS의 다양한 서비스를 활용해, 비전문가도 자연어로 질문하면 AI가 자동으로 SQL 쿼리를 생성하고 결과를 보여주는 시스템을 구축했습니다. 사용자는 웹 인터페이스에 “ABC 고객사의 지난주 배송 지연 건수를 알려줘”라고 입력하면, AI가 관련 데이터베이스 구조와 비즈니스 문맥을 이해한 뒤 적절한 SQL 쿼리를 만들어 실행하고, 그 결과를 다시 사람이 이해하기 쉬운 형태로 정리해줍니다.

물류 업계 특화된 접근

이 시스템의 핵심은 단순히 언어를 번역하는 데 있지 않습니다. Parcel Perform은 물류 업계 특유의 용어나 내부 코드 체계를 AI가 오해하지 않도록, 별도의 지식베이스와 문맥 정보를 함께 제공하는 방식을 채택했습니다. 예컨대 ‘same-day delivery’라는 표현이 실제 데이터에서는 ‘transit_time = 0’으로 기록된다는 점도 AI가 정확히 인식할 수 있도록 돕는 것이죠.

기술적 구성 요소

기술적으로 보면 이 시스템은 Amazon Bedrock 기반의 대형 언어 모델(LLM), LangGraph 기반의 워크플로우 오케스트레이션, Athena를 통한 SQL 실행 등 여러 구성 요소가 유기적으로 연결되어 있습니다. 특히 질문에 따라 적절한 비즈니스 맥락 정보를 검색해서 함께 전달하는 RAG(Retrieval-Augmented Generation) 구조 덕분에 정확도가 높아졌습니다.

AI 기반 자동화 전략

이번 발표는 Parcel Perform이 최근 몇 년간 추진해온 AI 기반 자동화 전략의 연장선에 있습니다. 이미 이 회사는 물류 예측이나 고객 문의 대응 등 다양한 영역에서 머신러닝 기술을 적용해왔고, 이번 텍스트-투-SQL 도입은 그중에서도 ‘내부 사용자 경험 개선’이라는 새로운 방향성을 보여줍니다. 특히 2023년부터 AWS와 협력해 진행한 여러 AI 프로젝트들이 이번 구현에 밑바탕이 되었다고 볼 수 있습니다.

효과적인 시간 절약

실제 효과도 눈에 띕니다. 기존에는 단순한 데이터 요청 하나에도 평균 2~3일이 걸렸지만, 이제는 평균 10분 안에 답변을 받을 수 있게 됐습니다. 월 기준으로 약 3,850시간의 대기 시간이 줄었고, 데이터팀 역시 반복적인 작업에서 벗어나 보다 전략적인 분석 업무에 집중할 수 있게 됐다고 합니다.

데이터 활용 환경 조성

결국 이 사례는 단순히 기술 도입 그 자체보다도 ‘누구나 데이터를 쉽게 활용할 수 있는 환경’을 만드는 것이 얼마나 중요한지를 잘 보여줍니다. 물론 완벽하진 않습니다. 모호한 질의나 과도하게 많은 데이터를 요청하는 경우엔 여전히 조정이 필요하고, 이를 위해 Parcel Perform은 프롬프트 튜닝이나 추가 보완 기능들을 계속 개발 중입니다.

AI 기술의 미래

AI 기술이 점점 더 일상 속으로 들어오고 있는 지금, Parcel Perform의 사례는 우리가 어떤 방향으로 나아갈 수 있을지를 조용히 시사합니다. 복잡한 기술 뒤에는 결국 사람들이 더 빠르고 쉽게 일할 수 있도록 돕겠다는 목표가 있다는 점에서 말이지요.