영상 핵심 정리 — 그래프DB 의 재부상

이 영상은 "왜 2024년 그래프DB 시장이 다시 두 자릿수 성장하는가" 를 LLM/KG 시너지로 설명한다.

---

1. 그래프DB 부상의 3가지 동인

동인 1: 환각 (Hallucination)
  LLM 단독: 그럴듯한 거짓말
  LLM + KG: "근거 노드/관계를 인용해" 답변 → 검증 가능

동인 2: 구조 추론 (Reasoning)
  Vector RAG: 유사 문서만 검색 → "왜?" 추론 불가
  Graph: 인과 사슬(원인→증상→조치) 따라가며 "왜?" 5단 답변

동인 3: 감사 (Auditability)
  LLM 답변의 추적: 어떤 문서 어떤 노드를 봤는지 명시
  → 제조/금융/의료 등 규제 산업의 필수 조건

위 3가지 동인이 동시에 작동하면 그래프DB 가 '옵션'에서 '필수' 로 바뀐다.

---

2. 정량 수치 (Gartner / Neo4j 2024 벤치마크)

지표	LLM 단독	LLM + Vector	LLM + GraphRAG
환각률 (제조 도메인)	40%	18%	8%
답변에 출처 인용	0%	60%	95%+
다중 hop 질의 정답률	25%	35%	78%

→ 다중 hop 질의 ("왜?" 3번 묻기) 에서 압도적 격차. 단순 사실 질의에서는 Vector 만으로도 충분.

---

3. 시장 흐름 한눈에

2020~2022: NoSQL 붐 잔존, MongoDB/Neo4j 후순위
2023      : LLM 폭발, Vector DB (Pinecone 등) 폭발
2024      : RAG 한계 인식 (환각/추론) → GraphRAG 부상
2025~     : Hybrid (Vector + Graph) 가 표준 아키텍처

투자 데이터:

• 2024 그래프DB 시장 규모: 약 33억 USD, YoY +24%
• Neo4j 2024 누적 투자: 5.1억 USD (사상 최대)

---

4. 주간 프로젝트 한 문장 요약

"오늘부터 5일간, 설비-공정-부품-고장의 미니 온톨로지를 그리고, Neo4j 에 데이터를 적재한 뒤, GraphRAG 로 자연어 Q&A 시스템을 한 개 완성한다."

Step 1: 확장 온톨로지 설계 (50분)
   → 영상 + Day 1~3 학습을 종합

Step 2-3: Neo4j 데이터 구축 + 핵심 분석 쿼리 (70분)
   → Day 2 Cypher 실습 응용

Step 4: Q&A 시스템 통합 (60분)
   → Day 4 GraphRAG 패턴 적용

Step 5: 문서화 및 최종 제출 (35분)
   → 코드 + 데모 영상 (선택) + 회고

---

5. "관계가 답인 질의" — 본인 산업에서 3개

오늘 종이에 적어보자:

질문 1: "___ 의 원인은 무엇인가?"  (예: 불량률 상승 원인)
질문 2: "___ 에 영향을 미치는 것은?"  (예: 신제품 라인 가동 → 어느 라인이 영향?)
질문 3: "___ 과 가장 연결된 것은?"  (예: 이 베어링 고장 - 다른 어느 부품 점검?)

이 세 질문이 다음 5단계 프로젝트의 요구사항 이 된다.

---

다음 task 와의 연결

다음 reading 에서 주간 프로젝트의 5단계 전체 개요를 본다. 위 "관계가 답인 질의" 3개를 가지고 다음 페이지로 가자.

제조 설비 진단 LLM에 Knowledge Graph를 결합했을 때 환각률이 크게 줄어드는 이유를 설명해줘. KG가 없을 때 LLM이 설비 부품 관계나 고장 원인을 잘못 생성하는 사례, KG 트리플을 컨텍스트로 주입했을 때 사실 기반 답변이 어떻게 달라지는지 비교 예시로 보여줘. '온톨로지 → Neo4j → GraphRAG → Q&A' 전체 흐름도 정리해줘.