지난 몇 달 동안, 저는 AI가 챗봇을 넘어 비즈니스 워크플로우의 능동적인 부분이 될 수 있는 방법을 탐구해 왔습니다.

그 여정은 현대적인 웹 기술과 AI 에이전트(AI agents), 검색 증강 생성 (RAG, Retrieval-Augmented Generation), 수요 예측(demand forecasting) 및 자동화를 결합한 재고 관리 플랫폼인 SmartStock AI를 구축하는 것으로 이어졌습니다.

SmartStock AI는 단순히 재고를 추적하는 대신, 기업이 선제적인 결정을 내릴 수 있도록 돕습니다.

SmartStock AI가 할 수 있는 일

• 🤖 미래 제품 수요 예측
• 📦 AI 에이전트를 통한 구매 결정 권장
• 📚 출처 인용을 포함한 하이브리드 RAG (Hybrid RAG)를 사용하여 재고 관련 질문에 답변
• 📄 멀티모달 AI (multimodal AI)를 사용하여 송장 처리
• ⚡ 실시간 재고 알림 생성
• 🔐 JWT 인증 및 역할 기반 액세스 제어 (role-based access control)를 통한 플랫폼 보안

기술 스택 (Technology Stack)

프론트엔드 (Frontend)

• React 19

백엔드 (Backend)

• Django 5
• Django REST Framework

데이터베이스 (Database)

• PostgreSQL
• pgvector

AI

• LangChain
• 하이브리드 RAG (Hybrid RAG)
• AI 에이전트 (AI Agents)
• Prophet Forecasting

인프라스트럭처 (Infrastructure)

• Celery
• Redis
• Docker
• GitHub Actions

배운 점

SmartStock AI를 구축하면서 애플리케이션에 LLM을 통합하는 것 이상의 많은 것을 배웠습니다.

가장 큰 교훈 중 일부는 다음과 같습니다:

• 실제 비즈니스 문제를 해결하는 AI 기능 설계하기.
• 단순한 챗봇 상호작용 대신 신뢰할 수 있는 에이전트 워크플로우 구축하기.
• 벡터 검색 (vector search)과 구조화된 데이터베이스 쿼리 (structured database queries) 결합하기.
• Celery 및 Redis를 사용하여 비동기 AI 작업 관리하기.
• Django REST Framework를 사용하여 프로덕션 준비가 된 API 생성하기.
• 현대적인 풀스택 애플리케이션 배포 및 유지 관리하기.

데모 (Demo)

🎥 YouTube 데모

🌐 라이브 데모

https://smart-stock-dev.vercel.app/

데모 계정

이메일: viewer@smartstock.ai

비밀번호: Viewer123!

💻 GitHub 저장소

https://github.com/Eng-Ayman-Mohamed/SmartStock-AI

마치며

이 프로젝트는 Information Technology Institute (ITI) Full Stack Web & Generative AI 프로그램 과정 중 저의 졸업 프로젝트로 개발되었습니다.

실용적인 제품을 구축하면서 AI 엔지니어링 (AI engineering), 백엔드 아키텍처 (backend architecture), 그리고 현대적인 소프트웨어 개발을 탐구할 수 있었던 놀라운 기회였습니다.

저는 에이전틱 AI (Agentic AI), RAG 시스템 (RAG systems), 그리고 지능형 자동화 (intelligent automation)에 대해 계속해서 학습하고 있으며, 제가 구축하고 배우는 것들에 대해 더 많은 기술적인 글들을 공유할 계획입니다.

SmartStock AI를 개선하기 위한 피드백이나 아이디어가 있다면 언제든 환영합니다!