디노티시아의 ‘벡터DB 혁신’, 그 배경에 씨홀스클라우드·VDPU 양대 전략

검색증강생성(RAG)은 이제 단순한 실험적 기술이 아니라, 조직 내부 데이터와 AI를 연결하는 엔터프라이즈 AI솔루션의 표준아키텍처로 자리 잡았다. 이를 통해 모델 재학습 없이도 최신 데이터를 연결해 답변의 정확성을 보완할 수 있으며, 지속적인 모델학습 비용 부담도 줄일 수 있다.게다가 AI가 질문에 답하는 것을 넘어 스스로 계획을 세우고 도구를 활용해 행동을 수행하는 AI 에이전트로 성능이 진화하며 RAG 역시 에이전틱 RAG로 나아가고 있다. 초기의 RAG가 질문과 관련된 문서를 검색해 답변에 활용하는 방식이었다면 이제는 AI가 검색 결과의 당위성을 판단하고 최적의 결과물을 찾는 에이전틱 RAG, 데이터 간 관계를 지식 그래프로 구성해 활용하는 그래프RAG 형태로 발전하고 있다.이제 AI 업계에서는 언어모델 자체의 성능을 높이는 것을 넘어 모델에 무엇을 어떻게 전달할 것인가로 옮겨가고 있다. 검색 성능을 끌어올리고, 필요한 문서를 의미 단위로 어떻게 분할할 것인가? 벡터, 키