모든 태그
태그

RAG 기술 블로그 글

RAG 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.

최근 30일 19개 · 많이 쓴 회사 AWS·데보션·채널톡

전체 291개최신 20개 표시
홈에서 필터

RAG 글을 많이 쓴 회사

최신 게시글

20개 표시

AI

사람들이 원하는 건 SQL이 아니라 데이터다: 자연어로 ‘그 데이터’ 찾기

Text-to-SQL의 핵심 난제가 SQL 문법이 아닌 스키마 링킹임을 설명했습니다. 데이터 사전·관계 정보·예시 쿼리 정비와 안전한 운영 방안을 제안합니다.

#LLM#SQL#Text-to-SQL
300

AI

[AI Agent] 검색부터 상담 기록까지 이어지는 서비스 구조 설계

FastAPI 기반 상담 지원 서비스의 검색·답변·기록 흐름을 책임과 자원 수명 기준으로 분리했습니다. 컨테이너, 권한 검증, 부분 실패, 관측과 테스트의 운영 원칙을 설명합니다.

#FastAPI#RAG#PostgreSQL
2200

AI

[AI Agent] 상담 흐름과 오류를 검증하는 API 테스트 설계

고객 컨택 AI Agent의 검색·질의·저장 흐름을 API 계약과 상담 시나리오 관점에서 검증하는 방법을 정리했습니다. 테스트 더블·통합 테스트·품질 회귀를 분리하고 CI 배포 기준으로 함께 운영합니다.

#AI Agent#FastAPI#pytest
400

AI

[AI Agent] 혜택과 제외 조건을 함께 확인하는 프로모션 검색

프로모션 검색과 상세 질의를 분리해 혜택·기간·제외 조건의 근거를 함께 확인하는 흐름을 설계했습니다. 문서 개정, 권한, 기간, 품질 지표를 검증해 상담 오안내를 줄이는 방법을 설명합니다.

#AI Agent#LLM#RAG
300

AI

[AI Ready Data] 문서 게시부터 검색 반영까지 확인하는 운영 흐름

문서 저장·게시·검색 반영을 분리하고 식별자와 게시 스냅샷으로 최신성을 검증하는 흐름을 설명했습니다. Databricks Delta Sync 상태, 행 수, 대표 질의를 함께 확인해 빈 결과와 철회까지 관리합니다.

#Databricks#RAG#검색
300

AI

[AI Ready Data] 업무 질문과 정답 근거로 확인하는 검색 품질 평가

업무 질문 기반 골든셋으로 검색 근거의 충족도와 순서 품질을 분리 평가하는 방법을 설명합니다. 실패·누락·핵심 예외 문항을 함께 기록해 변경 전후를 비교합니다.

#Databricks#RAG#LLM
400

AI

[AI Ready Data] 질문에 맞게 나누고 문맥을 보존하는 문서 분할

문서 분할에서 제목·표·예외·출처를 보존해 검증 가능한 검색 근거를 만드는 방법을 설명했습니다. 검색용 조각과 계층 문맥을 분리하고 질문별 근거 완전성으로 평가해야 합니다.

#Databricks#RAG#벡터검색
300

AI

법규정 AI 상담서비스 구축을 위한 지식그래프 및 GraphRAG 설계

법규정의 위임·예외·준용 관계를 지식그래프로 구조화한 GraphRAG 상담서비스 설계를 설명했습니다. 질문 유형에 따라 검색 전략을 나누고 근거·관계 품질을 검증하는 방안을 제시합니다.

#GraphRAG#RAG#지식그래프
1100

AI

OA-RAG: 온톨로지 reasoner를 도구로 쓰는 Agentic RAG

OA-RAG의 온톨로지 reasoner·LLM 결합 구조와 실험 결과를 분석했습니다. 의료 QA의 효율성과 평가 편향, grounding 신뢰도 한계를 함께 짚었습니다.

#RAG#LLM#온톨로지
4900

AI

QA는 어떻게 추측을 확신으로 바꾸었나

QA 테스트 설계의 기준을 문서 추측에서 운영 코드와 커밋 근거로 전환했습니다. 하네스와 RAG 기반 코드 탐색으로 분석 절차를 표준화하고 설계 기간을 줄였습니다.

#QA#RAG#Claude
5600

AI

LLM은 꼭 한 토큰씩 답해야 할까

확산형 언어모델의 병렬 토큰 예측·반복 정제 방식과 블록 생성, 토큰 편집을 설명했습니다. 도입 시 TPS뿐 아니라 첫 응답 지연, 품질, 비용을 같은 조건에서 비교해야 합니다.

#LLM#Gemini#RAG
2400

AI

RAG 시스템의 재순위화(Reranking): 구조와 발전부터 리랭커 선정까지

RAG 재순위화의 구조와 기술 발전, 운영 설정, 모델 선정 기준을 정리했습니다. 한국어 기업 문서 실험으로 정확도·속도·GPU 비용의 차이를 비교했습니다.

#RAG#LLM#검색
3000

AI

RAG 검색 알고리즘을 바꾸지 않고 검색 품질을 개선한 방법_AIOps

RAG 알고리즘을 유지한 채 질의 중심 인덱스와 답변 DB 분리로 Q&A 검색 노이즈를 줄였습니다. BM25·KNN·RRF의 후보 품질과 운영 검증 기준을 설명합니다.

#RAG#BM25#KNN
3200

AI

AI로 만든 문서, 회사에 남아 있을까? IT 담당자 50명에게 물었습니다

AI 문서의 작성 과정이 개인 계정에 남아 자산화와 인수인계가 어려운 문제를 짚었습니다. 재사용 가치가 높은 자료부터 저장·검색·권한 기준을 단계적으로 마련해야 합니다.

#RAG#검색#문서화
4100

AI

에이전트가 모든 문의를 환불로 보낼 때 — 요청 유형을 제어하는 여섯 가지 구조

환불로 편향된 LLM 에이전트의 요청 유형 제어 문제를 여섯 가지 구조로 비교했습니다. 요청 특성·위험도·운영 여건에 따른 라우터, 가드레일, 검토 조합을 제안합니다.

#LLM#에이전트#RAG
1300

AI

블로그 발행 MCP를 직접 만들며 확인한 AI 에이전트 실무 원칙 - 구성요소부터 사람 승인까지

블로그 발행 MCP 구현 경험으로 AI 에이전트의 구성요소와 단계적 도입 원칙을 정리했습니다. 운영 한계, 권한·데이터 거버넌스, 사람 승인 설계의 중요성을 설명합니다.

#MCP#LLM#Claude
4100

AI

LLM Agent란 무엇이고, 언제 필요한가? RAG와 비교하고 직접 구현해보기

문서 질문에는 RAG가 충분하고 DB 조회·계산이 필요한 질문에는 Agent가 높은 정확도를 보였습니다. 다만 복합 질문의 오류와 비용 증가를 고려해 권한 통제와 도구 호출 기록 검증이 필요합니다.

#LLM#RAG#LangGraph
100

AI

오늘의집 Self-Service Data Analytics 구축기

데이터 거버넌스와 업무 맥락을 기반으로 AI 셀프서비스 분석 환경을 구축했습니다. 라우팅·역질문·평가 체계로 신뢰성을 높이고 데이터 요청 문의를 약 95% 줄였습니다.

#LLM#RAG#SQL
7100

AI

경량 언어모델의 종류와 장점, 한계

경량 언어모델의 종류와 메모리·비용·로컬 배포 측면의 장점을 정리했습니다. 실제 업무 데이터로 성능을 측정하고 RAG·검증 구조를 병행하는 방법을 제안합니다.

#LLM#Gemma#Qwen
400

AI

롯데백화점의 생성형 AI 기반 파트너 제안 채널 ‘AI 비즈센터’ 구축기

생성형 AI로 파트너사의 제안서 작성부터 담당 부서 연결까지 지원하는 AI 비즈센터를 구축했습니다. 다단계 검색과 사용자 확인 절차로 부서 매칭 정확도를 83.72%까지 개선했습니다.

#Amazon Bedrock#RAG#OpenSearch
2100