Agentic AI 로 공급망 중단 관리 혁신하여 데이터 준비 장애를 극복하고 몇 분 만에 완화를 자동화하세요.
산업: 제조 및 모빌리티
제품: MongoDB Atlas, MongoDB Atlas Search, MongoDB Atlas Vector Search, Voyage AI
파트너: AWS, LangChain
솔루션 개요
공급망 중단으로 인해 기업은 기준으로 연간 $ 십억의 비용184 2026. Agentic AI 이러한 중단의 영향 줄이는 데 도움이 될 수 있습니다. 가트너(Gartner)는 데이터 준비 상태를 공급망의 성패가 달린 장애물 중 하나로 파악했습니다.
AI 에이전트가 챗봇에서 자율적인 협업자로 이동하려면 현재 사일로에 저장되어 있는 고품질 실시간 데이터의 기반이 필요합니다. Agentic AI 다음을 통해 이 격차를 해소합니다.
비정형 데이터 문제 해결: Agentic AI 추론을 사용하여 수천 개의 PDF, 이메일 및 이미지에서 정보를 추출하여 전체 비즈니스에서 사용할 수 있는 UNS로변환합니다.
응답 시간 단축: 상담원은 며칠이 아닌 몇 분 만에 중단을 진단하고 시정 조치를 트리거하다 할 수 있습니다.
자율 완화 활성화: 컨텍스트 인식 에이전트는 여러 데이터 스트림에 걸쳐 동시에 추론할 수 있습니다. 자율적으로 배송 경로를 변경하고, 대체 공급업체와 협상하고, 설정하다 한도 내에서 생산 일정을 조정할 수 있습니다. 이러한 기능은 데이터 준비 상태를 경쟁 이점으로 바꿉니다.
실행 아키텍처: MongoDB Atlas 의 Agentic AI
제안된 솔루션은 여러 AI 에이전트가 단일 AI 지원 데이터 기반 내에서 협업할 수 있는 방법을 보여줍니다. 이 애플리케이션 MongoDB Atlas 사용하여 다음과 같은 운영 순간에 데이터 준비 상태의 장애물을 경쟁 이점으로 전환합니다.
그림 1. 솔루션 에이전트 개요
중단 분석: 카오스에서 로직 추출
긴 이메일 체인, PDF 청구서, QA 보고서 또는 배송 메모는 종종 배송 실패 이유를 숨깁니다. 기존 데이터베이스는 정확한 단어를 찾기 때문에 이 정보를 구문 분석하기가 어렵습니다. 예시 들어 보고서에 기계적 지연이라고 표시되어 있지만 사용자가 트럭 고장을 검색하면 시스템에서 연결이 누락됩니다. 이 솔루션은 Voyage AI 사용하여 이 텍스트를 임베딩으로 변환합니다.
임베딩을 의미의 수학적 표현으로 간주합니다. Atlas Vector Search 텍스트를 저장하는 대신 고차원 공간에 데이터 의미를 매핑합니다. 이를 통해 에이전트 악천후, 눈보라, 지나갈 수 없는 도로와 같은 용어가 비슷한 의미를 주식 것을 인식할 수 있습니다.
에이전트 이 정보를 사용하여 다양한 문서를 통해 추론하고 운송업체가 실패한 이유를 설명할 수 있습니다. 상황을 이해하고 PDF 스택 을 중단에 대한 명확하고 실행 가능한 분석으로 변환합니다.
공급망 계획: 복구 실행
에이전트 실패의 원인을 발견하면 진단에서 승리를 거둘 수 있지만 대안을 찾는 데는 여전히 상당한 시간이 필요할 수 있습니다. 이 점 에서 에이전트 분석가 에서 코디네이터로 전환하고, MongoDB 지리 공간적 쿼리와 함께 Atlas Search 사용하여 즉시 개입할 수 있는 대체 이동통신사를 식별합니다.
에이전트 지도와 함께 스프레드시트를 수동으로 상호 참조하는 대신 지리를 쿼리 가능한 실시간 데이터 점 로 처리합니다. 에이전트 geoWithin 쿼리 사용하여 중단의 특정 반경 내에서 사용 가능한 플릿 허브를 빠르게 찾습니다.
위험 분석: 취약점 완화
최종 에이전트 예측 엔진 역할을 하며 날씨 이벤트 및 과거 사고 로그와 같은 소스의 데이터를 집계하여 각 배송에 대한 부가가치세를 계산합니다. MongoDB Atlas 유연한 문서 모델 사용하므로 에이전트 엄격한 스키마 의 마찰 없이 이처럼 서로 다른 소스를 수집할 수 있습니다.
이 에이전트 현재 조건을 기반으로 위험 가중치에 대한 업데이트를 효과적으로 제안합니다. 예시 들어, 악천후가 예상되는 경우 에이전트 날씨 패턴의 우선 순위 가중치를 늘려 보다 정확한 실시간 위험 평가를 제공하도록 권장할 수 있습니다.
참조 아키텍처
다음으로 구축된 다중 에이전트 공급망 애플리케이션 제공합니다.
데이터 저장, 조회 및 벡터 검색 위한 MongoDB Atlas .
에이전트 오케스트레이션을 위한 LangGraph.
LLM 추론을 위한 AWS 기반.
임베딩 생성을 위한 Voyage AI .
이러한 기술은 자율 에이전트가 물류 데이터를 사용하여 중단 분석, 경로 계획 및 위험 평가를 처리하다 하는 지능형 시스템을 만듭니다.
이 아키텍처의 이점
MongoDB Atlas 구조화된 물류 데이터, 지리 공간적 쿼리, 벡터 검색 단일 데이터베이스 에서 처리하는 통합 데이터 플랫폼 역할을 하므로 여러 개의 특수 시스템이 필요하지 않습니다.
LangGraph는 복잡한 워크플로를 처리하다 위해 각각 고유한 도구와 프롬프트를 가진 특수 에이전트를 조정합니다. 대화 메모리와 상태 관리 MongoDB 에 저장 수 있습니다.
AWS 기반은 중앙 의사 결정 허브 역할을 합니다. 베드락은 클로드 3.5 하이쿠와 같은 모델을 활용하여 키워드를 일치시킬 뿐만 아니라 의도를 이해하는 추론 에이전트 역할을 합니다.
Voyage AI 정확한 검색에 필요한 고품질 벡터 표현을 생성합니다. 임베딩 모델은 문서, 이미지, 오디오와 같은 구조화되지 않고 복잡한 데이터를 의미론적 의미를 캡처하는 밀도가 높은 숫자 벡터(즉, 임베딩)로 변환합니다.
각 에이전트 에는 해당 도메인에 적합한 고유한 도구 설정하다 있습니다. 예시 를 들어 , 과거 배송 패턴과 기상 악화를 쿼리 하는 도구, 지리 공간적 근접성을 사용하여 근처의 운송업체를 찾는 도구, 품질 보증 보고서에서 시맨틱 검색 수행할 수 있는 도구 등이 있습니다. 다음 섹션에서는 에이전트 도구에 대해 자세히 살펴봅니다.
그림 2. 솔루션 아키텍처 다이어그램
중단 분석 도구
구조화된 배송 데이터와 구조화되지 않은 QA 보고서를 사용하여 중단의 기본 원인을 파악할 활성화 도구를 제공합니다.
이동 통신사 기록 조회
저장된 반송파 기록을 사용하여 성능 추세를 감지합니다. 에이전트 는 이 데이터를 통해 지연이 고립된 이벤트 인지 아니면 진행 중인 패턴 의 일부인지 판단할 수 있는 인텔리전스를 확보할 수 있습니다.
QA 보고서 조회
에이전트 Atlas Vector Search 사용하여 데이터베이스 에 저장된 벡터화된 QA 보고서를 분석 하고 이동통신사와 관련된 유사한 문제를 찾을 수 있습니다.
배송 인시던트 보고서 생성
지연 원인에 대한 포괄적인 보고서를 생성합니다. 이 보고서를 데이터베이스 에 저장하므로 나중에 반복되는 문제를 식별하는 데 사용할 수 있습니다.
공급망 계획 도구
대체 운송업체 및 경로를 찾습니다. 지리적 데이터와 이동 통신사 기능을 결합하여 전달을 완료할 수 있는 대안을 제안합니다. 에이전트 다음 도구를 사용합니다.
가장 가까운 이동 통신사 찾기
배송물의 현재 위치 근처에 있는 배송사를 검색합니다. 지연된 배송을 신속하게 처리할 수 있는 운송업체를 식별하여 복구 시간을 최소화합니다.
서비스 커버리지 및 출처 확인
출발지 리전 에서 운영되는 이동통신사를 확인합니다. 이 도구는 픽업 위치의 지역 내에서 활성 작업이 있는 운송업체만 고려합니다.
서비스 커버리지 및 대상 유효성 검사
출발지에서 목적지에 도달한 운송업체를 식별합니다.
형식 대안
데이터베이스 에서 자세한 운송업체 정보를 검색하고 대체 경로 및 운송업체를 표시합니다. 비용, 예상 배송 시간, 안정성 등급, 환경에 영향 과 같은 주요 결정 요소를 강조합니다.
에이전트 는 MongoDB의 지리 공간적 기능을 사용하여 실행 가능한 대안을 보장하고 데이터 기반 의사 결정을 내리는 데 필요한 귀중한 인사이트를 제공합니다.
위험 분석 도구
기상 조건, 국경 통과 중단, 항공사의 과거 안정성을 검토하여 설정하다 경로에 대한 잠재적 위험을 분석합니다. 이러한 컨텍스트를 바탕으로 에이전트 잠재적인 재무 위험을 추정하는 VAR 메트릭을 생성합니다. 에이전트 다음과 같은 도구를 사용할 수 있습니다.
날씨 이벤트 조회
허리케인, 눈보라, 홍수 및 지연을 일으킬 수 있는 기타 조건과 같이 경로를 따라 과거 기상 패턴을 조회합니다. 그러면 에이전트 배송을 예약할 때 예기치 않은 기상 위험에 대해 경고할 수 있습니다.
보더 인시던트 조회
검사 지연 및 예기치 않은 국경 폐쇄와 같은 국경 교차로에서의 과거 중단을 가져와 분석합니다.
이동 통신사 성능 조회
선택한 배송사의 최근 배송을 검토하여 지연, 컴플라이언스 문제 또는 안정적인 성능과 같은 패턴을 식별합니다. 에이전트 이 기록을 사용하여 이동통신사를 전환하면 위험이 감소하는지 평가합니다.
금융 노출을 추정하기 위한 VAR 계산
이전 도구에서 상황에 맞는 정보를 수집하여 예상 VAR을 생성합니다. 이 계산은 기본 경로 비용 과 각 위험 요소에 대한 사용자 선호도에 따라 가중치가 적용된 위험 조정 값을 결합합니다.
이러한 도구는 함께 MongoDB Atlas 에 저장된 운영 인텔리전스 를 기반으로 팀이 결정을 내리는 데 도움이 되는 위험 분석을 제공합니다.
솔루션 빌드
이 솔루션을 복제하려면 다음 단계를 안내하는 README GitHub 리포지토리 의 을 따르세요.
환경 구성
템플릿을 복사하고 로컬 환경 파일 만듭니다.
cp .env.example .env
.env 파일 열고 자격 증명 업데이트 .
MONGODB_URI="mongodb+srv://<user>:<password>@<cluster>.mongodb.net/" DATABASE_NAME="supply_chain_demo" AWS_REGION="us-east-1" AWS_PROFILE="default" COMPLETION_MODEL="your_completion_model" EMBEDDING_MODEL="your_embedding_model" VOYAGE_API_KEY="your_voyage_key_here"
예시 를 들어 완성 모델로 us.anthropic.claude-4-5-haiku-20251001-v1:0 을 선택하고 임베딩 모델로 voyage-large-2-instruct 을 선택할 수 있습니다.
애플리케이션 액세스
앱 이 실행 되면 브라우저로 이동하여 http://localhost:8080 로 이동하여 솔루션을 사용합니다.
주요 학습 사항
Agentic AI 로 공급망 운영 오케스트레이션 : Agentic AI184 데이터 준비 상태를 경쟁 이점으로 전환하여 연간 0억 달러에 달하는 비용 으로 추정되는 공급망 중단을 완화할 수 있습니다.
비정형 데이터에서 인사이트 확보: Agentic AI 사용하여 PDF 및 이메일과 같은 비정형 데이터를 분석 하여 응답 시간을 며칠에서 몇 분으로 단축할 수 있습니다.
데이터 기반 통합: MongoDB Atlas 단일 데이터 플랫폼으로 채택하세요. 구조화된 물류 데이터, 경로 최적화를 위한 지리 공간적 데이터, QA 보고서의 의미론적 검색을 위한 벡터 검색 단일 데이터베이스 로 통합하여 여러 개의 특수 데이터베이스가 필요하지 않습니다.
특수 멀티 에이전트 배포: LangGraph 관리형 에이전트를 배포하여 중요한 운영 중단을 처리하다 . Voyage AI 와 Atlas Vector Search 사용하여 중단 의도를 식별하고, MongoDB 지리 공간적 쿼리를 활용하여 대체 통신 사업자를 찾고, 조각난 데이터 스트림을 유연한 문서 모델 로 집계하여 급변하는 이벤트 발생 시 잠재적인 VAR을 추정하는 시스템을 구축합니다.
모듈식 AI 스택 구축 : MongoDB Atlas, LangGraph, AWS 침대록, 보야지 AI 결합하여 공급망 데이터를 위한 고성능 추론 엔진 생성합니다.
작성자
Javier Guajardo, MongoDB
Dr. Humza Akhtar, MongoDB