AWS, 가상 피팅·스마트 추천 통합 리테일 AI 샘플 솔루션 공개… Nova Canvas·Rekognition·OpenSearch 서버리스 기반
AWS가 온라인 쇼핑의 반품률과 구매 신뢰도 문제를 해결하기 위한 생성형 AI 리테일 샘플 솔루션을 공개했다. Amazon Nova Canvas, Amazon Rekognition, Amazon OpenSearch Serverless를 결합해 가상 피팅과 추천 기능을 하나의 솔루션으로 묶은 구조로, AWS 파트너와 리테일러가 자사 AWS 계정에 바로 배포해 커스터마이징할 수 있도록 GitHub에 코드 베이스를 함께 공개했다.
샘플 솔루션은 네 가지 통합 기능을 제공한다. △Amazon Nova Canvas와 Amazon Rekognition을 활용해 고객이 제품을 착용·사용한 모습을 사실적으로 시각화하는 가상 피팅 △Amazon Titan 멀티모달 임베딩으로 스타일 관계와 시각적 유사도를 이해해 시각 인식 기반 추천을 제공하는 스마트 추천 △OpenSearch Serverless의 벡터 유사도 매칭을 활용해 고객 의도를 이해하는 자연어 상품 검색 △Amazon DynamoDB로 고객 상호작용·선호도·트렌드를 실시간 추적하는 분석 및 인사이트 기능이다.
아키텍처는 서버리스 기반으로 구성되며 각기 다른 작업에 최적화된 다섯 개의 AWS Lambda 함수를 사용한다. 웹 프런트엔드(챗봇 인터페이스), 가상 피팅 처리, 추천 생성, 데이터셋 적재, 지능형 검색이 각각 분리된 함수로 구현돼 있다. 저장소는 S3, 벡터 유사도 검색은 OpenSearch Serverless, 실시간 분석 추적은 DynamoDB가 담당하며, Amazon API Gateway 캐싱과 사전 서명 URL로 성능을 최적화한다.
전체 솔루션은 AWS Serverless Application Model(AWS SAM)을 사용해 단일 명령으로 배포되고, 수요에 따라 자동으로 확장된다. 예약 동시성 한도(Reserved concurrency)가 리소스 경합을 방지하며, 모듈형 설계 덕분에 각 구성요소를 독립적으로 확장하거나 업데이트할 수 있고 개별 기능 또는 전체 솔루션을 선택적으로 구현할 수 있다.
배포는 미국 동부(버지니아 북부) us-east-1 리전이 권장된다. 솔루션에 필요한 Amazon Nova Canvas, Amazon Titan 멀티모달 임베딩, Amazon Rekognition, Amazon OpenSearch Serverless가 모두 동일 리전에 지원되어야 하기 때문이다. Amazon Bedrock 기반 모델은 최초 호출 시 자동으로 활성화되어 별도의 수동 활성화가 필요 없다. 배포에 앞서 관리자 권한이 있는 AWS 계정, AWS CLI, Python 3.9 이상과 pip, Git, 텍스트 편집기 또는 IDE가 준비되어야 한다.
배포 절차는 aws-samples/sample-genai-virtual-tryon 리포지토리 복제 후 VirtualTryOne-GenAI 디렉터리로 이동하는 것으로 시작된다. template.yaml에는 SAM 템플릿이 정의되어 있고 requirements.txt에는 Lambda용 Python 의존성, 샘플 이미지와 패션 데이터셋이 함께 포함된다. pip install로 의존성을 설치한 뒤 sam build로 Lambda 함수를 패키징하고, 최초 배포 시에는 sam deploy --guided로 스택 이름·리전·파라미터 등을 대화형으로 입력한다. 이후에는 samconfig.toml 설정이 저장돼 sam deploy 한 줄로 재배포할 수 있다.
AWS는 기본 배포 상태에 대한 보안 경고를 함께 명시했다. 베이스 배포는 API Gateway 엔드포인트에 인증이 없어 프로덕션에 그대로 사용하지 말아야 하며, Amazon Cognito나 API Gateway 오소라이저 등 인증 계층을 반드시 추가해야 한다. 사용자 업로드 이미지에 대해서는 Amazon Rekognition Content Moderation으로 부적절·유해 콘텐츠를 탐지하고, 파일 형식·크기·해상도 검증을 API Gateway 또는 Lambda 단에서 수행해 S3와 Nova Canvas 파이프라인에 도달하기 전에 차단할 것을 권고했다.