30분

RAG: 검색 + 생성의 결합

Day 1: RAG 개요 & 제조 문서 이해

학습 목표

RAG(Retrieval-Augmented Generation)의 정의를 설명할 수 있다 RAG와 순수 LLM의 차이를 구분할 수 있다 RAG 파이프라인의 3단계를 이해한다

RAG란?

RAG = Retrieval-Augmented Generation (검색 증강 생성)

한 문장으로: "내 문서에서 찾아서 답변하게 만드는 기술"

LLM만 쓰면 안 되나?

GPT-4o에게 직접 물어보자:

에디터 로딩 중...

LLM의 3가지 한계

한계	설명	제조 현장 영향
지식 한계	학습 데이터에 없는 정보는 모른다	우리 회사 매뉴얼을 모른다
환각(Hallucination)	모르는 걸 그럴듯하게 지어낸다	잘못된 절차로 설비 파손 위험
최신성	학습 시점 이후 정보를 모른다	최신 SOP 반영 불가

제조에서 환각은 치명적이다. 잘못된 파라미터 하나가 수억 원 장비를 망가뜨린다.

RAG의 해결법: 내 문서에서 찾아서 답하라

에디터 로딩 중...

순수 LLM vs RAG 비교

항목	순수 LLM	RAG
지식 범위	학습 데이터만	학습 데이터 + 내 문서
정확도	일반적 답변	문서 기반 정확한 답변
환각 위험	높음	낮음 (출처 검증 가능)
최신성	학습 시점까지	문서 업데이트 시 즉시 반영
비용	매번 API 호출	색인 1회 + API 호출
출처	제공 불가	문서명, 페이지 번호 제공

제조 현장에서 "출처"는 단순한 부가 기능이 아니다. ISO 감사, 사고 조사, 책임 추적에 필수다.

RAG가 가져오는 변화: 실제 사례

에디터 로딩 중...

이 숫자들은 과장이 아니다. 문서 검색이 빨라지면 모든 것이 빨라진다.

추가 자료