DEFINITIONRAG란?
RAG(검색 증강 생성)는 AI가 답변하기 전에 회사 문서 · FAQ 같은 자료에서 관련 내용을 먼저 찾아, 그 내용을 근거로 답하게 하는 방식입니다.
RAG · Retrieval-Augmented Generation · 최종 수정 · 작성 시스템메이트 개발팀
DETAIL자세히 알아보기
AI가 학습하지 않은 회사 내부 정보로 답하게 할 수 있고, 근거가 없는 질문에는 답하지 않도록 제한할 수 있어 사내 자료 챗봇에 주로 쓰입니다.
KEY POINTSRAG 핵심 포인트
- 01검색 단계
질문과 관련된 문서 조각을 먼저 찾습니다(임베딩 · 벡터 검색).
- 02생성 단계
찾은 문서를 근거로 AI가 답변을 만듭니다.
- 03근거 제시
어느 문서를 참고했는지 함께 보여 줘 사람이 확인할 수 있습니다.
- 04자료 관리
자료를 고치면 답변도 바로 바뀌므로, 모델을 다시 학습시킬 필요가 없습니다.
WHEN이럴 때 필요합니다
- 매뉴얼 · 규정 · 상품 정보로 반복 질문에 답해야 할 때
- AI가 회사 밖의 엉뚱한 내용을 답하지 않게 하고 싶을 때
CASES사례로 보는 RAG
적용 예시
사내 규정 질의응답 챗봇
예를 들어 직원 50명 회사라면 휴가 · 경비 · 장비 신청 규정을 묻는 질문이 인사팀에 반복됩니다. 규정 문서를 RAG 챗봇에 등록하면 직원이 질문했을 때 관련 조항을 근거로 답하고, 규정이 바뀌면 문서만 교체하면 됩니다.
적용 예시
상품 상담 1차 응대
예를 들어 제품 사양 문의가 많은 판매사라면, 상품 상세 · FAQ를 근거로 1차 답변을 하고 근거가 없는 질문은 상담원에게 넘기도록 설계할 수 있습니다.
FAQRAG 자주 묻는 질문
QRAG와 파인튜닝은 무엇이 다른가요?
RAG는 답변할 때 자료를 찾아 참고하는 방식이고, 파인튜닝은 모델 자체를 추가 학습시키는 방식입니다. 자주 바뀌는 회사 자료에는 RAG가 비용과 관리 면에서 유리합니다.