Knowledge & Retrieval
매일 핵심 AI 뉴스 알림 받기지식베이스·온톨로지·RAG·그래프 등 지식을 컨텍스트로 만들어 AI 가 읽을 수 있게 쓰이는 사례를 연구합니다
기업용 SQL, 언제까지 '자연어 질문'만 던질 것인가 기업용 Text-to-SQL은 검색 방식 개선보다 검색 대상이 되는 지식, 즉 실제 쿼리에서 뽑은 조인·필터·CTE 패턴을 SQL 레퍼런스 카드로 정제하는 작업이 성능을 더 크게 좌우한다. ALL ARTICLES
- 찾는 RAG에서 판단하는 RAG로 검색 결과가 질문과 관련 있어도 답에 필요한 정보가 빠져 있을 수 있다. Google의 Agentic RAG는 초안을 만든 뒤 근거가 충분한지 다시 판정하고, 부족하면 빠진 부분을 검색어로 바꿔 재검색한다.
- 벡터 DB 수백만 원 쓰고도 졌다고? 에이전트 검색에서 grep이 이긴 이유 AI 에이전트의 검색 성능은 검색 알고리즘 자체보다 하네스와 결과 전달 방식에 더 크게 좌우되며, grep과 벡터 검색의 우열도 조건에 따라 뒤바뀐다.
- 검색 알고리즘이 아니라 ‘검색 인터페이스’가 승부를 결정한다 검색 결과 양을 늘려도 정확도는 오르지 않았고, 무엇을 찾고 읽을지 모델이 직접 정하는 구조에서 토큰을 적게 쓰고도 더 정확한 답이 나왔다.
- 벡터 DB에 쌓아도 기억이 아니다. 에이전트 ‘메모리’가 구조적으로 전문가가 못 되는 이유 에이전트가 대화 기록을 저장했다 불러오는 것과 가중치가 실제로 바뀌는 학습은 다른 과정이며, 검색 기반 기억만으로는 처음 보는 조합 문제를 푸는 능력이 늘지 않는다.
- GraphRAG, 확장보다 압축이 먼저다 AWS와 Cisco가 아홉 가지 RAG 방식을 비교한 결과, 검색은 정답의 83.5%를 찾았지만 답변에 반영된 비율은 47.9%에 그쳤다. 컨텍스트 앞부분 정보만 주로 쓰였고 관계를 압축해 걸러낸 GraphRAG는 토큰을 줄이면서도 성능을 유지했다.
- 도메인 지식베이스의 병목 유사도 검색은 관련 문서를 찾아내지만 그 조항이 지금도 유효한지는 확인하지 못한다. 법률, 의약품, 사내 문서 사례에서 답변 근거는 발효일과 승인 주체, 대체 관계를 갖춘 항목으로 따로 관리한다.
- 컨텍스트 다이어트의 함정 에이전트 메모리는 통째로 요약해 덮어쓰면 정확도가 오히려 떨어진다. ACE 연구는 항목 단위로 추가하고 성공률을 기록해 만료시키는 방식이 정확도와 비용을 함께 지킨다는 결과를 보여준다.
- 에이전트가 그래프를 대신 짜면, GraphRAG는 여전히 필요한가 GraphRAG는 여러 문서의 근거를 연결하는 multi-hop 질의에서 강점을 보이지만 단순 사실 확인에는 비용이 과하다. 그래프는 구축비를 먼저 내고 재사용하는 구조라 자료 변경 빈도와 질의 반복도, 근거 소급 설명 필요성에 따라 선택이 갈린다.
- 하이브리드 검색 라우터 시대, 그래프는 롱컨텍스트 앞에서 자리를 지킬 수 있는가 롱컨텍스트 비용이 계속 떨어지는데도 기업은 왜 그래프 인덱스를 유지하는가. 검색 성능 축에서는 과도기적 수단이지만, 감사·책임 축에서는 장기 기반으로 남는다 — 라우터가 그 경계를 조직 구조 위에 그린다.
- Cerebras의 지식베이스가 주는 교훈 Cerebras가 데이터 이동 대신 검색 레이어로 하루 1만5000건 질문을 처리한 내부 지식베이스 사례에서 국내 기업이 얻을 구조화 우선순위의 교훈.