티스토리 뷰
RAG 는 인공지능이 오픈북 시험을 치루는 것
(목차)
1. 용어기본
2. 사용사례
3. 핵심요약
1. 용어기본 : RAG 란?
Retrieval-Augmented Generation의 약자, 우리말로 '검색 증강 생성'이라고 부릅니다.
쉽게 말해 AI(거대언어모델, LLM)가 답변을 하기 전에 외부에서 신뢰할 수 있는 정보를 먼저 '검색(Retrieval)'하고, 그 내용을 참고해서 답변을 '생성(Generation)'하는 방식입니다. AI는 학습한 데이터가 오래되었거나 모르는 질문을 받으면 거짓말을 하는 '환각(Hallucination) 현상'이 생기곤 합니다. RAG는 AI에게 최신 백과사전을 제공하고 "여기서 정답을 찾아서 말해줘"라고 시키는 것과 같습니다. 덕분에 AI는 훨씬 정확하고 근거 있는 답변을 할 수 있게 됩니다.
2. 사용사례
사례 1. 기업 전용 사내 챗봇
회사의 복지 규정이나 업무 매뉴얼은 외부 일반 AI는 알 수 없습니다. RAG를 쓰면 우리 회사의 문서만 검색해서 답변하는 똑똑한 비서가 탄생합니다.
사례 2. 최신 뉴스 브리핑
어제 발생한 사건은 학습 데이터에 없을 수 있습니다. RAG를 활용하면 실시간 뉴스 기사를 검색해 현재 상황을 정확히 요약해 줍니다.
사례 3. 전문 지식 상담
법률, 의학 등 수시로 변하는 전문 정보를 다룰 때 최신 법령이나 논문을 실시간으로 참고하여 답변의 전문성을 높입니다.
3. 핵심요약
RAG 는 "AI가 자신의 기억력(학습)에만 의존하지 않고, 외부 데이터를 참고해 답변의 정확도를 높이는 기술" 입니다.
- 정확성 향상 : 검증된 문서에서 정보를 가져오므로 거짓말(환각)이 줄어듭니다.
- 최신성 유지 : 매번 AI를 재학습시키지 않아도 새 문서를 넣어주면 바로 최신 정보를 반영합니다.
- 신뢰도 확보 : 답변의 출처를 명확히 제시할 수 있어 사용자가 믿고 사용할 수 있습니다.
RAG는 이제 AI가 단순히 '말을 잘하는 도구'를 넘어 '정확한 정보를 전달하는 전문가'가 되게 하는 필수 기술로 자리 잡고 있습니다.
추가자료