RAG (검색 증강 생성)

RAG의 작동 방식

이 과정은 세 가지 뚜렷한 단계로 이루어집니다.

1. 질의 분석: AI는 사용자의 질문을 검색 의도로 분해합니다.

2. 검색(Retrieval): 시스템은 검색 엔진(ChatGPT의 경우 Bing, Perplexity의 경우 자체 인덱스)에 질의하여 가장 관련성 높은 발췌 내용을 가져옵니다.

3. 증강 생성: AI는 검색된 정보를 기존 지식과 종합하여 일관된 답변을 작성합니다.

RAG가 가시성의 판도를 바꾸는 이유

RAG는 LLM에 대한 당신의 실행 창구입니다. 모델의 학습 데이터는 이미 고정되어 있어 소급 수정이 불가능합니다. 하지만 검색 시스템에 의해 선택되도록 콘텐츠를 최적화하는 것은 가능합니다.

Bing이 전략적으로 중요해집니다: ChatGPT는 RAG를 위해 Bing을 사용합니다. Bing에서의 위치는 ChatGPT 답변에서의 가시성에 직접적인 영향을 미칩니다.

콘텐츠의 구조가 중요합니다: RAG는 페이지 전체가 아니라 특정 구절을 추출합니다. 독립적인 블록으로 잘 구조화된 콘텐츠일수록 선택될 가능성이 높습니다.

RAG와 학습 데이터 비교

측면	학습 데이터	RAG
시점	특정 시점에 고정	실시간
통제 가능성	거의 없음	최적화 가능
인용	출처 표기가 드묾	출처가 명확히 표시됨
실행 소요 기간	몇 달~몇 년	몇 주