공항 운영을 위한 Agentic Voice 어시스턴트

솔루션 개요

공항 지상 운영은 40 연간 백만 회 이상의 항공편을 지원 수화물 처리, 급유, 케이터링 및 유지 관리와 같은 다양한 작업을 포함합니다. 경험이 부족한 직원으로 인해 이러한 복잡성이 가중되어 인적 오류가 발생할 가능성이 높아지고 안전이 위협받으며 비용이 많이 드는 비행 지연이 발생합니다. 인스턴스 들어,15Airbus A321 가 분 지연되면 항공사에 약 €,3 (약030 3500$)의 비용 수 있습니다.

이 솔루션은 Dataworkz, Google Cloud, MongoDB Atlas 사용하여 공항 지상 운영을 위한 에이전트 음성 어시스턴트를 강화합니다. 이 어시스턴트는 운영자에게 필수 체크리스트를 안내하고, Dataworkz의 RAG 애플리케이션 통해 내장된 매뉴얼에서 실시간 답변을 검색하고, 감사 및 최적화를 위한 조치를 기록합니다. 이 시스템은 음성 텍스트 변환, 텍스트 음성 변환,NLP에 Vertex AI 사용하여 핸즈프리 상호 작용을 가능하게 하며, 컨텍스트 인식 검색을 위해 Atlas Vector Search 사용합니다. 직원은 음성 비서를 지능형 지식 기반으로 사용하여 컴플라이언스 보장하고, 운영 효율성 높이고, 지상 근무자의 교육 시간을 줄일 수 있습니다.

참조 아키텍처

이 솔루션의 아키텍처는 다음과 같습니다.

그림 1. 지능형 공항 지상 운영 아키텍처

그림 1에 표시된 대로 이 솔루션은 다음 기술을 사용합니다.

• Dataworkz for RAG and Agentic AI: Dataworkz는 managed RAG 플랫폼으로, Agentic AI 프레임워크 와 AI 에 최적화된 데이터 계층을 제공합니다. MongoDB Atlas 로의 원활한 데이터 통합을 용이하게 하고, 기술 매뉴얼 및 규정을Voyage AI 모델에 수집하고 임베딩하여 엔드 투 엔드 RAG 워크플로를 관리합니다. Dataworkz의 RAG 빌더는 음성 어시스턴트를 MongoDB 에 저장하는 안전 매뉴얼의 복잡한 정보와 통합합니다. 엔드 투 엔드 워크플로가 완료되면 Dataworkz는 정확한 정보 검색을 위해 MongoDB Atlas Vector Search를 사용하여 쿼리를 실행합니다.

• 코어 데이터베이스 로서의 MongoDB Atlas : MongoDB Atlas 애플리케이션의 중앙 집중식 데이터 저장 역할을 합니다. 유연성과 확장성 통해 AI 워크로드에 일반적으로 사용되는 대량의 비정형 데이터를 저장 수 있습니다. 또한 집계 프레임워크 는 AI 애플리케이션 개발 위한 데이터 처리 간소화합니다. 또한 Atlas Dataworkz가 Vector Search를 사용하여 쿼리하는 내장된 매뉴얼의 세션 활동 로그와 원시 및 벡터화된 텍스트 데이터를 저장합니다.

• 음성 및 NLP용 Google Cloud: Google Cloud의 Vertex AI 필수 음성 텍스트 변환, 텍스트 음성 변환 및 NLP 기능을 제공하여 지상 직원을 위한 상담원 음성 비서와의 자연스러운 상호 작용을 가능하게 합니다. 예시 를 들어 , 연산자 항공기 MEAN 질문을 하는 경우, Vertex AI 음성을 텍스트로 변환하고 해당 정보를 Dataworkz로 전송하면 Dataworkz가 Vector Search를 사용하여 MongoDB 지능적으로 쿼리합니다.

• 음성 어시스턴트 기능: 에이전트 음성 어시스턴트는 체크리스트 항목을 교환원에게 동적으로 제공합니다. 시스템은 즉각적인 유효성 검사 제공하고, 다음 단계를 읽고, 불일치를 감지하면 매뉴얼의 추가 컨텍스트를 제공합니다. Dataworkz를 사용하면 MongoDB Atlas Vector Search를 통해 내장된 매뉴얼을 지능적으로 쿼리하여 상황에 맞는 답변을 실시간 으로 제공할 수 있습니다.

데이터 모델 접근 방식

MongoDB의 유연한 문서 모델 공항 환경의 복잡한 모니터링 및 로깅 시스템의 데이터와 같이 AI 개발에 사용되는 비정형 데이터를 지원합니다. MongoDB Atlas 체크리스트의 현재 상태 , 개별 단계, RAG 생성 로그를 포함한 에이전트 메모리를 저장합니다. 이러한 로그는 교육 에 대한 쿼리를 추적 하고 보안 컴플라이언스 에 대한 감사 내역 감사 도움이 됩니다.

아래 코드 스니펫은 logs 컬렉션 이 NLP 쿼리를 기록하는 방법을 보여줍니다.

{
   "_id": {
      "$oid": "686ffc11d66babf8cd958229"
   },
   "sessionId": "efc07eac-ef36-4487-adc0-5c0f82eddfe7",
   "logs": [
      {
         "timestamp": "2025-07-10T17:44:48.838Z",
         "toolName": "consultManual",
         "type": "call",
         "details": {
            "name": "consultManual",
            "args": {
               "query": "What is a tow bar operation?"
            }
         }
      }
   ]
}

이 솔루션은 감사 및 최적화를 위해 각 그라운드 작업을 MongoDB Atlas 에 JSON 문서 로 기록하고 저장합니다. 각 문서 에는 고유한 sessionId가 있으며, 이를 사용하여 필요에 따라 문서를 업데이트 수 있습니다.

솔루션 빌드

다음 단계를 안내하는 GitHub 리포지토리 의 를 따라 이 솔루션을 복제할 수 있습니다.README

git clone https://github.com/mongodb-industry-solutions/aircraft-groundops-sync.git

npm install

npm run dev

npm run build

주요 학습 사항

• 교육 시간 및 인지 부하 감소: 이 솔루션을 사용하면 지상 직원이 광범위한 매뉴얼의 모든 세부 사항을 외울 필요가 없습니다. 음성 도우미는 상황 인식 답변을 실시간 으로 제공하는 지능형 지식 기반 역할을 하며, 운영 단계와 항공기 매뉴얼을 추적 해야 하는 인지적 부담을 줄여줍니다.

• 오류 방지 및 컴플라이언스 강화: 컴플라이언스 체크리스트는 올바른 절차에 즉시 액세스 있도록 하고, 단계를 잊어버림으로 인한 인적 오류의 위험을 최소화하며, 세션 활동 로그를 통해 안전성과 컴플라이언스 강화합니다.

• 데이터 기반 최적화: MongoDB Atlas 에 저장된 세션 활동 로그를 사용하여 데이터를 분석하고 감사 . 이러한 로그는 수동 콘텐츠에 대한 추가 교육 또는 개선이 필요한 영역을 식별하는 데이터 기반 인사이트를 제공하여 지속적인 최적화를 활성화 .

• 유연하고 확장 가능한 AI 기반 지침: MongoDB의 유연한 문서 모델, 실시간 처리 기능 및 고급 벡터 검색 통합하여 에이전트 같은 음성 지원 시스템을 빌드 할 수 있습니다. 이 아키텍처는 정형 데이터와 비정형 데이터를 원활하게 통합하여 AI 애플리케이션이 복잡한 운영 환경을 처리하다 도와줍니다.

작성자

• Romina Carranza, MongoDB

• Humza Akthar, MongoDB

자세히 알아보기

• 에이전틱 AI 기반 커넥티드 차량 사고 조언 시스템

• 실시간 분석으로 항공 작업 향상

• MongoDB와 Google Cloud로 드라이버 경험 혁신

• MongoDB 제조 및 자동차 애플리케이션을 지원하는 방법을 학습 제조 및 모바일용 MongoDB참조하세요.