1️⃣ 벡터 데이터베이스란?벡터 데이터베이스는 텍스트, 이미지, 오디오 등의 데이터를 벡터(Vector) 형태로 저장하고 검색하는 데이터베이스입니다.기존 데이터베이스는 보통 이런 방식으로 데이터를 저장합니다. ID | Name | Description1 | Book | AI introduction2 | Phone| Smartphone 하지만 AI 시스템에서는 데이터를 벡터 형태로 변환하여 저장합니다. ID | Vector1 | [0.12, 0.83, 0.44, ...]2 | [0.91, 0.22, 0.31, ...] 이 벡터는 텍스트나 이미지의 **의미(Semantic Meaning)**를 표현합니다.2️⃣ 왜 벡터 DB가 필요한가?AI 시스템에서는 단순한 키워드 검색보다 **의미 기반 검색(Semant..
1️⃣ RAG(Retrieval-Augmented Generation)란?RAG는 대규모 언어 모델(LLM)에 외부 데이터를 결합하는 기술입니다.기존 AI 모델은 학습된 데이터만을 기반으로 답변을 생성합니다.하지만 기업 환경에서는 내부 문서나 데이터베이스 정보가 필요합니다.그래서 등장한 것이 바로 RAG 아키텍처입니다.기본 구조는 다음과 같습니다. 사용자 질문 ↓문서 검색 (Retrieval) ↓LLM 입력 ↓답변 생성 (Generation) 즉 검색 + 생성 AI를 결합한 구조입니다.2️⃣ 왜 RAG가 필요한가?LLM에는 몇 가지 한계가 있습니다.✔ 최신 정보 부족AI 모델은 학습 이후의 정보를 알 수 없습니다.✔ 기업 내부 데이터 접근 불가기업 문서나 데이터베이스는 학습 데이터에 포함되지 않습니다.✔..
1️⃣ RAG란 무엇인가?RAG는 Retrieval Augmented Generation의 약자입니다.쉽게 말하면LLM + 기업 데이터 검색 시스템입니다.기존 AI 방식은 이렇게 동작했습니다.사용자 질문 → AI 모델 → 답변 하지만 기업 환경에서는 문제가 있습니다.최신 정보 부족사내 데이터 접근 불가환각(Hallucination) 발생그래서 등장한 것이 바로 RAG 구조입니다.사용자 질문 ↓벡터 검색 (Vector DB) ↓관련 문서 조회 ↓LLM에게 컨텍스트 제공 ↓정확한 답변 생성 2️⃣ 왜 기업들은 RAG를 선택할까?기업이 LLM을 사용할 때 가장 큰 고민은 데이터입니다.대표적인 문제는 다음과 같습니다.✔ 최신 데이터 반영LLM은 학습 이후 데이터는 알 수 없습니다.RAG는 실시간으로 데이터를 검..