AI 에이전트, LangGraph, RAG
회사에서 ChatGPT 쓰다가 한 번쯤 이런 생각 해본 적 없는가. “이 데이터, 외부 서버로 나가도 괜찮은 건가?” 실제로 2023년 삼성전자 반도체 부문에서 챗GPT에 소스코드를 입력한 사건 이후, 국내 대기업 상당수가 외부 AI 서비스 이용을 제한하기 시작했다. 그리고 2026년 지금, 상황은 더 심각해졌다. AI 기본법 시행을 앞두고 데이터 거버넌스에 대한 압박이 커지면서, 기업이든 개인 개발자든 “내 … Read more
주요 기사 요약 2025년 기준 기업 검색 시스템 중 70% 이상이 semantic 기술을 통합했으며, 이는 2019년 30% 미만에서 급증한 수치다. 하지만 실무에서는 semantic search가 모든 상황에 적합하지 않다는 것이 드러났다. 기술 문서 검색, SKU 조회, 법률 문서 검색 등 특정 분야에서는 keyword search의 정확도가 semantic search를 능가한다. 전문가들은 “semantic search는 의도를 이해하지만 keyword search는 명확한 … Read more
주요 기사 요약 2026년 벡터 DB 벤치마크에서는 단순 성능 비교를 넘어 운영 복잡도와 비용 효율성이 중요한 요소로 떠올랐다. Pinecone은 관리 부담이 거의 없지만 월 $3,300(10M 벡터 기준), Qdrant는 50M 벡터에서 QPS 41.47(99% recall)로 강력하지만 자체 관리 필요, PGvector는 pgvectorscale로 50M 벡터에서 471 QPS를 달성하며 AWS 대비 75% 비용 절감이 가능하다. 실제 스타트업과 엔터프라이즈의 선택 기준은 … Read more
핵심 요약 최근 AI 에이전트 개발 시장에서 노코드 플랫폼이 급부상하고 있습니다. 개발자가 아니어도 드래그 앤 드롭만으로 복잡한 멀티에이전트 시스템을 구축할 수 있게 되면서, 기업들의 AI 도입 장벽이 크게 낮아지고 있습니다. 이 글에서는 노코드 에이전트 플랫폼이 어떻게 실제 코드와 연결되는지, 요약·RAG·라우팅·검증 에이전트를 어떻게 조합하는지, 그리고 LangGraph 기반의 플로우 설계 핵심을 실무 관점에서 풀어드립니다. “코딩 없이 AI … Read more
핵심 요약 기업 환경에서 RAG 시스템을 구축할 때 가장 큰 난관은 수많은 문서 중에서 정확한 정보를 빠르게 찾아내는 것입니다. 특히 10페이지짜리 간단한 보고서부터 1000페이지가 넘는 기술 매뉴얼까지 다양한 분량의 문서가 섞여 있다면 검색 정확도는 더욱 떨어지게 됩니다. 이 문제를 해결하기 위해 사전에 문서를 체계적으로 요약하고, 이를 쿼리 라우팅에 활용하는 Agentic RAG 접근법이 주목받고 있습니다. 문서 … Read more