RAG (검색증강생성)
Retrieval-Augmented Generation - AI가 내부 자료를 참조하여 응답을 생성하는 방식
정의
RAG(Retrieval-Augmented Generation, 검색증강생성)는 AI(LLM)가 질문에 답할 때 회사 내부 자료에서 관련 내용을 먼저 검색(Retrieval)한 뒤, 이를 참조하여 응답을 생성(Generation)하는 방식입니다. AI가 회사를 학습하는 것이 아니라 참조하는 것이므로, 참조할 자료가 구조화되어 있어야 합니다.
왜 필요한가
범용 AI(ChatGPT 등)는 회사 내부 데이터를 모릅니다. RAG는 이 한계를 극복하여 기업 고유의 지식을 AI가 활용할 수 있게 합니다. 단, 참조할 자료가 없거나 구조가 없으면 RAG도 작동하지 않으므로, 데이터 구조화가 선행되어야 합니다.
제약·바이오에서는
제약 R&D에서 논문, 특허, 실험 데이터를 RAG로 연결하면 신약 후보물질 탐색이나 규제 문서 작성을 AI가 지원할 수 있습니다.
화장품에서는
화장품 R&D에서 과거 처방 데이터, 안정성 시험 결과 등을 RAG로 활용하면 신제품 개발 시 유사 사례를 AI가 제안할 수 있습니다.
관련 시스템
온톨로지(Ontology), 지식그래프(Knowledge Graph)와 결합하면 GraphRAG로 발전하여, 관계 기반의 복합 질문에도 답할 수 있습니다. ELN, PLM의 구조화된 데이터가 RAG의 품질을 결정합니다.
ER&S 구축 사례
ER&S는 R&D 데이터의 구조화를 통해 RAG 활용의 기반을 마련하고, AI 기반 지식 활용 시스템을 구축합니다.