Building Supercharger: How Rocket Close optimized title operations with agentic AI

🖼️ 인포그래픽

Building Supercharger: How Rocket Close optimized title operations with agentic AI 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Rocket Close는 주별 권원 심사와 주문 처리의 병목을 줄이기 위해 Supercharger라는 에이전트형 AI 솔루션을 구축해 내부 지식, 주문 데이터, 정책 검색, 자연어 질의응답을 통합하고 운영 효율과 고객 경험을 개선했다.

📌 핵심 요약

Rocket Close는 주택담보대출과 대출 수요 증가 속에서 권원 심사 업무가 병목이 되는 문제를 겪었다. 심사자는 주별 가이드, 카운티 요구사항, 내부 시스템, 주문 정보 등 여러 출처를 오가며 확인해야 했고, 지역별 상속·세금 ID·기록 요건 같은 규칙 때문에 조사 시간이 길어졌다.
Supercharger는 이러한 문제를 해결하기 위해 Rocket Close가 AWS와 협력해 만든 에이전트형 AI 솔루션이다. 권원·마감 업무 지식과 내부 운영 데이터를 결합해 운영팀이 자연어로 질문하면 주문 처리 흐름에 필요한 지침과 실행 가능한 정보를 제공하도록 설계됐다.
솔루션은 대화 분석, 주별 권원 심사 지원, API 기반 기존 시스템 연동, 응답 정확도와 규정 준수 가드레일, 로깅·모니터링, 여러 데이터 소스에 대한 통합 접근이라는 여섯 가지 기능을 중심으로 구성된다. 사용자의 질문은 인증, 에이전트 호출, 지식베이스 검색, 도구 선택, MCP 도구 실행, 컨텍스트 합성, WebSocket 응답 스트리밍을 거쳐 챗봇 UI에 표시된다.
기술적으로는 Strands Agents가 모델의 계획·도구 호출·반성 능력을 활용해 에이전트의 다음 행동을 정하고, MCP 도구 기반 구조가 각 데이터 소스를 별도 도구로 노출한다. 이 구조는 새 데이터 소스를 추가하기 쉬운 확장성, 시스템별 로직을 분리하는 유지보수성, 질의별로 필요한 도구를 동적으로 선택하는 유연성을 제공한다.
비즈니스 측면에서 Supercharger는 문의 응답 기능을 외부 채팅 인터페이스와 연결해 콜센터로 들어오는 전화와 이메일을 월간 수천 건 줄였고, 전체적으로는 유입 전화·이메일을 30% 감소시켰다. 또한 실시간 주문 인사이트, 주별 심사 보조, 루틴 업무 자동화, 커뮤니케이션 초안 작성, 프롬프트와 아키텍처 개선을 통해 정확도·일관성·지연시간·비용 측면의 개선을 만들었다.

🧩 주요 포인트

Rocket Close는 주택담보대출과 대출 수요 증가 속에서 권원 심사 업무가 병목이 되는 문제를 겪었다. 심사자는 주별 가이드, 카운티 요구사항, 내부 시스템, 주문 정보 등 여러 출처를 오가며 확인해야 했고, 지역별 상속·세금 ID·기록 요건 같은 규칙 때문에 조사 시간이 길어졌다.
Supercharger는 이러한 문제를 해결하기 위해 Rocket Close가 AWS와 협력해 만든 에이전트형 AI 솔루션이다. 권원·마감 업무 지식과 내부 운영 데이터를 결합해 운영팀이 자연어로 질문하면 주문 처리 흐름에 필요한 지침과 실행 가능한 정보를 제공하도록 설계됐다.
솔루션은 대화 분석, 주별 권원 심사 지원, API 기반 기존 시스템 연동, 응답 정확도와 규정 준수 가드레일, 로깅·모니터링, 여러 데이터 소스에 대한 통합 접근이라는 여섯 가지 기능을 중심으로 구성된다. 사용자의 질문은 인증, 에이전트 호출, 지식베이스 검색, 도구 선택, MCP 도구 실행, 컨텍스트 합성, WebSocket 응답 스트리밍을 거쳐 챗봇 UI에 표시된다.
기술적으로는 Strands Agents가 모델의 계획·도구 호출·반성 능력을 활용해 에이전트의 다음 행동을 정하고, MCP 도구 기반 구조가 각 데이터 소스를 별도 도구로 노출한다. 이 구조는 새 데이터 소스를 추가하기 쉬운 확장성, 시스템별 로직을 분리하는 유지보수성, 질의별로 필요한 도구를 동적으로 선택하는 유연성을 제공한다.
비즈니스 측면에서 Supercharger는 문의 응답 기능을 외부 채팅 인터페이스와 연결해 콜센터로 들어오는 전화와 이메일을 월간 수천 건 줄였고, 전체적으로는 유입 전화·이메일을 30% 감소시켰다. 또한 실시간 주문 인사이트, 주별 심사 보조, 루틴 업무 자동화, 커뮤니케이션 초안 작성, 프롬프트와 아키텍처 개선을 통해 정확도·일관성·지연시간·비용 측면의 개선을 만들었다.

🧠 상세 정리

1. Rocket Close가 마주한 권원 업무 병목

Rocket Close는 Rocket Companies 소속의 디트로이트 기반 권원 대리점이자 감정 관리 회사로, 권원 보험, 부동산 가치 평가, 정산 서비스를 제공한다. 모기지와 대출 수요가 늘어나면서 권원 업무는 주택 구매 과정의 병목으로 부상했다. 특히 권원 심사는 주별로 요구사항이 다르고, 수작업 조사와 분산된 시스템에 의존해야 해서 처리량을 늘리기 어려웠다. 심사자들은 여러 시스템, 주별 가이드, 카운티 요구사항을 검색하며 데이터를 확인해야 했고, 지역별 상속 규정이나 세금 ID 같은 세부 규칙은 업무를 더 복잡하게 만들었다. 예를 들어 특정 카운티의 기록 요건을 확인하려는 심사자는 여러 출처를 오가며 몇 시간을 보낼 수 있었다.

2. Supercharger의 목적과 기본 역할

Rocket Close는 이러한 문제를 해결하기 위해 AWS와 협력해 Supercharger를 만들었다. Supercharger는 대출과 주택 구매 과정의 마찰을 줄이고 권원 운영 워크플로를 최적화하기 위한 에이전트형 AI 솔루션이다. 이 솔루션은 권원과 마감 업무에 관한 지식을 결합해 운영팀이 주문 처리 흐름을 따라갈 수 있도록 안내한다. 사용자는 자연어로 질문하고, 시스템은 내부 운영팀과 동적으로 상호작용하면서 주문과 관련된 실행 가능한 인사이트를 제공한다. 핵심 목적은 분산된 지식과 조사 중심 업무를 중앙화·자동화해 정보 검색 시간을 줄이고, 운영 효율과 고객 경험을 동시에 개선하는 것이다.

3. 여섯 가지 핵심 기능으로 구성된 운영 지원 구조

Supercharger의 중심에는 운영팀과 대화하는 도메인 특화 에이전트가 있으며, 여섯 가지 상호 연결된 기능이 전체 흐름을 뒷받침한다. 대화 분석은 다중 턴 대화의 맥락과 의도를 이해해 상호작용이 경직된 거래형 응답이 아니라 직관적인 대화처럼 느껴지게 한다. 주별 권원 심사 지원은 특정 심사 요건에 맞춘 체크리스트와 지침을 제공해 필요한 순간에 필요한 정보를 제시한다. API 기반 통합은 기존 시스템과 연결되어 데이터 일관성을 유지하고 수동 입력을 줄인다. 여기에 응답 품질과 규제 준수를 확인하는 가드레일, 성능과 사용자 상호작용을 추적하는 로깅·모니터링, 여러 데이터 소스의 통합 접근이 결합되어 복잡한 권원 워크플로에서 완전한 문맥을 유지하도록 돕는다.

4. 질문이 응답으로 바뀌는 처리 흐름

운영팀 구성원이 질문을 입력하면 먼저 JWT 토큰을 포함한 HTTP 요청으로 WebSocket 연결이 시작된다. 이후 ID 제공자가 Istio를 통해 토큰을 검증하고 WebSocket 연결을 수립한다. 그다음 Strands Agent가 호출되어 시스템 프롬프트와 사용자 입력을 바탕으로 에이전트형 워크플로가 실행된다. 에이전트는 관련 정책과 절차를 찾기 위해 지식베이스를 검색하고, 어떤 함수와 매개변수를 사용할지 결정한다. MCP 도구는 요청을 처리하면서 Atlas Web API에서 주문 정보를 가져오고, 시스템은 주문별 맥락을 위해 지식베이스를 다시 조회한다. 마지막으로 결합된 응답이 WebSocket을 통해 사용자에게 스트리밍되고, 챗봇 UI에는 합성된 응답이 점진적으로 렌더링된다.

5. Strands Agents를 선택한 이유

Supercharger는 Strands Agents를 기반으로 구성됐다. Strands Agents는 AI 에이전트를 만들고 실행하기 위한 오픈소스 에이전트 하네스 SDK로, 모델 중심 접근 방식을 사용한다. 개발자는 코드에서 프롬프트와 도구 목록을 정의하고, 로컬에서 에이전트를 테스트한 뒤 클라우드로 배포할 수 있다. SDK는 대형 언어 모델의 계획, 도구 호출, 반성 능력을 활용해 에이전트의 다음 단계를 정하고 도구를 실행한다. 더 복잡한 사용 사례에서는 도구 선택 방식, 컨텍스트 관리, 세션 상태와 메모리 저장 위치, 다중 에이전트 애플리케이션 구성까지 조정할 수 있어 단순한 질의응답부터 복합 워크플로까지 확장할 수 있다.

6. MCP 도구 기반 아키텍처의 장점

Supercharger는 각 데이터 소스를 Strands Agents가 호출할 수 있는 별도 도구로 노출하는 MCP 도구 기반 아키텍처를 구현했다. 이 방식의 첫 번째 장점은 확장성이다. 새로운 데이터 소스가 필요해져도 핵심 구조를 다시 짜지 않고 추가 도구로 연결할 수 있기 때문에, 팀은 향후 확장을 염두에 두고 이 설계를 선택했다. 두 번째 장점은 관심사의 분리다. 각 시스템과 상호작용하는 로직이 독립된 도구 안에 캡슐화되어 전체 구조를 더 유지보수하기 쉽고 테스트하기 쉬운 형태로 만든다. 세 번째 장점은 유연성으로, Strands 에이전트가 질의 내용에 따라 어떤 도구를 사용할지 동적으로 선택해 여러 데이터 소스를 가로지르는 워크플로를 지원할 수 있다.

7. 비즈니스 성과와 운영 개선

Rocket Close는 Supercharger가 복잡한 주문 데이터와 일상 업무를 다루는 방식을 바꾸었다고 설명한다. 회사의 독자적 지식베이스와 에이전트형 AI 기능을 결합하고, Supercharger의 질의응답 능력을 외부 채팅 인터페이스와 통합하면서 콜센터로 향하던 전화와 이메일을 월간 수천 건 줄일 수 있었다. 실제로 운영팀과 고객 관계팀에서 즉각적인 효율 개선이 나타났고, 문의 응답 기능을 통해 콜센터 유입 전화와 이메일 수가 30% 감소했다. 또한 기존 워크플로 안에서 주문에 대한 실시간 인사이트를 제공함으로써 주별 심사 정확도가 향상됐고, 조사 시간과 인지 부담이 줄어 의사결정 정확도도 높아졌다. 루틴 업무 자동화, 주문 수준 프로세스 실행, 고객을 대신한 커뮤니케이션 초안 작성은 고객 만족도와 운영 일관성 개선으로 이어졌다.

8. 구현 과정에서 얻은 교훈과 향후 방향

Supercharger 구현 과정에서 Rocket Close는 효율적인 데이터 검색이 성능의 핵심이라는 점을 확인했다. 팀은 MCP 도구가 필요한 주문 정보를 한 번의 호출로 가져온 뒤, LLM 합성을 통해 관련 세부사항을 추출하도록 설계해 여러 데이터베이스 쿼리의 필요를 줄였다. 또한 Strands Agents와 MCP 도구 사이의 관심사를 명확히 분리해 요구사항 변화에 맞춰 발전할 수 있는 기반을 만들었다. WebSocket 기반 스트리밍은 복잡한 질의를 처리할 때도 사용자에게 즉각적인 피드백을 제공해 체감 성능을 높였다. 프롬프트는 에이전트가 무엇을 달성해야 하는지 설명하는 데 집중하는 편이 효과적이었고, 도구 이름과 문서 문자열을 명확히 작성하는 것, 지식베이스 메타데이터 필터링을 활용하는 것, 보안 집행을 세션 속성으로 분리하는 것도 중요한 교훈으로 제시됐다. 향후 Supercharger는 은행 담당자가 대출 관련 질문을 처리하도록 확장되고, 여러 도메인 팀이 에이전트형 솔루션을 만들 수 있도록 빠른 시작 템플릿도 마련할 계획이다.

🧾 핵심 주장 / 시사점

Supercharger의 핵심은 단순히 챗봇을 도입한 것이 아니라, 권원 심사자가 흩어진 시스템과 규정 문서를 오가며 하던 조사 업무를 주문 맥락 중심의 대화형 워크플로로 재구성했다는 점이다.
MCP 도구를 데이터 소스별로 분리하고 에이전트가 질의에 따라 도구를 선택하게 한 설계는, 복잡한 업무 도메인에서 확장성과 유지보수성을 동시에 확보하려는 실용적 접근으로 볼 수 있다.
성과는 모델 자체보다 업무 요구사항, 데이터 검색 구조, 프롬프트 방식, 스트리밍 UX, 보안·감사 요건, 변화관리와 후원까지 함께 맞물릴 때 에이전트형 AI가 실제 운영 개선으로 이어진다는 점을 보여준다.