VEQRA는 제가 구축한 기존의 Microsoft 365 자동화 플랫폼으로, 기업의 인시던트(incident)를 탐지하고 라우팅합니다. 하지만 다음과 같은 핵심적인 질문에는 답할 수 없었습니다: 왜 이런 일이 발생했는가? 재무적 영향은 무엇인가? 지금 당장 무엇을 해야 하는가?

Qwen Cloud Global AI Hackathon는 VEQRA에 부족했던 지능 계층(intelligence layer)을 구축할 수 있는 기회였습니다.

기능

VEQRA AI는 세 가지 특화된 AI 에이전트(agent)를 오케스트레이션(orchestrate)하여 13초 만에 중대한 기업 인시던트를 해결합니다:

• Memory Agent — 과거 인시던트 데이터베이스를 검색하고, 유사한 과거 사례를 식별하며, 신뢰 점수(confidence score)와 함께 근본 원인(root cause)을 결정합니다.
• BI Agent — 재무적 영향(financial impact)을 계산하고, SLA 위반 위험을 예측하며, 중요도 점수(criticality score)를 할당합니다.
• Action Agent — 구조화된 실행 계획을 생성합니다: Teams 작업, 데이터 소유자(Data Owner)에게 이메일 발송, Power BI 대시보드 업데이트.

데모 시나리오: 중대한 리스 VIP 계약(€120,000 연체)이 인간의 개입 없이 13초 만에 해결됩니다.

구축 방법

각 에이전트는 OpenAI 호환 엔드포인트(endpoint)를 사용하여 Alibaba Cloud DashScope를 통해 Qwen3-235B를 직접 호출합니다. 에이전트들은 구조화된 JSON 출력을 통해 통신하며, Python 오케스트레이터(orchestrator)에 의해 순차적으로 조정됩니다.

도전 과제

세 에이전트 모두에서 일관되고 구조화된 JSON 출력을 생성하는 프롬프트(prompt)를 설계하는 것이 가장 어려운 부분이었습니다. 전체 해결 시간을 15초 미만으로 유지하기 위해서는 세심한 프롬프트 엔지니어링(prompt engineering)이 필요했습니다.

배운 점

깊이가 넓이보다 중요합니다. 부분적으로 작동하는 5개의 에이전트보다 완벽하게 실행되는 하나의 완벽한 시나리오가 더 가치 있습니다. Qwen3-235B의 긴 문맥 추론(long-context reasoning) 및 구조화된 출력(structured output) 능력은 멀티 에이전트 오케스트레이션(multi-agent orchestration)을 신뢰할 수 있고 결정론적(deterministic)으로 만들어 주었습니다.

GitHub: https://github.com/nabilfattouch1/VEQRA-AI
Demo: https://youtu.be/zakd6bsdzDA