1. 기업 소개 티오더는 ‘테이블 오더’ 서비스를 시작으로 F&B 시장의 새로운 패러다임을 만들어나가고 있는 기업입니다. 누적 30만 대 이상의 태블릿 설치 대수와 매월 2,500만 명 이상의 사용자를 보유하며 태블릿 메뉴판 시장에서 업계를 선도하고 있습니다. 대규모의 주문/매장/광고 데이터를 수집/가공하여 F&B 시장에 꼭 필요한 인사이트를 추출하고, 이를 다시 매장에 제공하는 선순환 구조를 확립하고 있습니다. [그림 1. 티오더 […] || 1. 기업 소개
티오더는 ‘테이블 오더’ 서비스를 시작으로 F&B 시장의 새로운 패러다임을 만들어나가고 있는 기업입니다. 누적 30만 대 이상의 태블릿 설치 대수와 매월 2,500만 명 이상의 사용자를 보유하며 태블릿 메뉴판 시장에서 업계를 선도하고 있습니다. 대규모의 주문/매장/광고 데이터를 수집/가공하여 F&B 시장에 꼭 필요한 인사이트를 추출하고, 이를 다시 매장에 제공하는 선순환 구조를 확립하고 있습니다.
[그림 1. 티오더 서비스 대표 이미지]
2. 솔루션 개요
티오더 데브옵스팀은 주문/매장/광고 데이터를 기반으로 비즈니스 현황을 모니터링하고 운영 의사결정을 지원하기 위해, AWS QuickSight, Redash 대시보드, 데이터 오케스트레이션 툴을 활용한 스프레드시트 자동화 등 데이터 셀프서비스 환경을 구축해 왔습니다. 그러나 이 환경은 사전에 정의된 지표 범위 안에서만 유효했고, 현업 실무자들이 즉흥적으로 떠오르는 질문을 직접 데이터로 확인하기까지는 여전히 데브옵스팀을 경유해야 하는 병목이 존재했습니다.
티오더는 이 간극을 해소하고, 전사 구성원 누구나 데이터를 직접 조회하고 의사결정에 활용할 수 있도록 자연어 기반의 대화형 데이터 조회 에이전트를 구축했습니다.
티오더가 구축한 대화형 데이터 조회 에이전트의 주요 목표는 다음과 같습니다.
자연어 질문으로 사내 데이터를 조회
Human-in-the-Loop 이중 승인으로 안전한 SQL 실행 (1차: 사용자 질문 의도 확인, 2차: SQL 검증)
멀티턴 대화에서 후속 질문을 자연스럽게 이어가는 세션 관리
처리할 수 없는 요청은 실무자에게 자동 에스컬레이션
3. 아키텍처
[그림 2. 티스푼 아키텍처]
대화형 데이터 조회 에이전트는 LangGraph의 StateGraph를 기반으로 구성된 워크플로우로 동작합니다. 각 판단 단계가 독립적인 노드로 분리되어 있어, 중간 단계의 결과가 명시적으로 기록되고 디버깅이 용이한 구조입니다.
에이전트의 핵심 인프라는 아래 AWS 서비스로 구성됩니다.
Amazon Bedrock은 LLM 추론과 임베딩을 담당하며, Claude 모델을 사용해 의도 분류, SQL 생성, 결과 요약 등 자연어 처리 전반을 수행합니다.
Amazon Athena는 생성된 SQL의 구문 검증(EXPLAIN)과 실제 실행 엔진으로 활용됩니다.
Amazon S3 Vectors는 RAG 파이프라인의 벡터 스토어로, 스키마/쿼리 패턴/도메인 용어 문서를 저장하고 유사도 검색을 지원합니다. 벡터 스토어로 Amazon S3 Vectors를 선택한 이유는, 메타데이터 필터 기반 검색 기능을 활용해 추가적인 Hybrid Search 없이도 충분한 검색 정밀도를 달성할 수 있었고, 그 결과 월 $5 미만의 낮은 비용으로 운영이 가능했기 때문입니다.
Amazon S3는 Athena 쿼리 결과를 저장하고, 대용량 결과를 Google Sheets로 내보낼 때 전체 데이터를 로드하는 용도로 사용됩니다.
4. 에이전트 워크플로우
[그림 3. LangGraph StateGraph 기반 에이전트 워크플로우]
에이전트 워크플로우 실행 예시
실무자는 Slack 채널에서 티스푼 봇을 @멘션하여 자연어로 데이터 조회 요구사항을 입력합니다.
예: @티스푼 지난 달 XXX 광고 상품을 노출한 매장들의 주문 수 알려줘
에이전트는 사용자의 요청사항을 바탕으로 사내 데이터 조회 관련 요청인지 의도를 파악하고, 도메인 용어 검증 과정을 거치게 됩
티오더의 Text2SQL 에이전트 티스푼 구현 사례
생성 일시
2026/04/17 05:06
최종 편집 일시
2026/04/17 05:06
태그
AWS
파일과 미디어