AI 환각 줄이고 정확도 78% 높였다…KAIST, 차세대 DB 기술 개발 작성일 06-19 34 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">‘기업용 AI’ 상용화 핵심 난제 해결 기대<br>토큰 사용량 줄이고 응답 지연시간 단축</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="U7QJdssAhL"> <figure class="figure_frm origin_fig" contents-hash="610315adcd17281493221afdf7f4240bcd30e81f53a172466eeeed0943668366" dmcf-pid="uzxiJOOchn" dmcf-ptype="figure"> <p class="link_figure"><img alt="KAIST 제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/seouleconomy/20260619104503513fnje.jpg" data-org-width="800" dmcf-mid="xbsSlUUZWO" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/seouleconomy/20260619104503513fnje.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> KAIST 제공 </figcaption> </figure> <p contents-hash="48cfc9d71ecb7e855ef668c2823d534ab91bea5d89c0a390af8c21530c19b199" dmcf-pid="7qMniIIkli" dmcf-ptype="general">기업에서 인공지능(AI) 에이전트를 도입할 때 가장 큰 문제로 꼽히는 ‘환각’ 현상을 줄일 수 있는 데이터베이스 기술이 개발됐다.</p> <p contents-hash="0e919071d2ad14a4b1f37a2ee28f25bbe9e66697c98b5f6f368cb0733236347d" dmcf-pid="zBRLnCCETJ" dmcf-ptype="general">한국과학기술원(KAIST) 전산학부 김민수 교수 연구팀은 차세대 데이터베이스 기술 ‘아카식DB(AkasicDB)’와 이를 활용한 새로운 검색증강생성(RAG) 기법 ‘옴니RAG(Omni RAG)’를 개발했다고 19일 밝혔다. 새로운 기술을 사용한 결과 AI 답변 정확도는 최대 78% 높아지고 처리 속도는 최대 20배 개선된 것으로 나타났다.</p> <p contents-hash="599eae5060796ab81c7fc7b1080816aac1d2ea58676d38baf233059c6e41eac2" dmcf-pid="q3fxQEEohd" dmcf-ptype="general">아카식DB는 여러 종류의 데이터를 한 번에 분석할 수 있는 통합 DB다. 통상 기업 내부 데이터는 보고서·계약서 등의 문서와 표 형태의 데이터, 사람·기업·제품 간 관계 정보 등 다양한 형태로 저장된다. 하지만 기존 AI는 이런 정보를 따로따로 검색해야 해 필요한 근거를 충분히 찾지 못하거나 잘못된 답변을 내놓는 경우가 많았다.</p> <p contents-hash="7cd142858e8a1ee5ff1f1316d0fa43afa8efd2b5cedace98e4202e1f4e453bd9" dmcf-pid="B04MxDDgWe" dmcf-ptype="general">이에 연구팀은 문서의 의미를 찾는 벡터 DB·개체 간 관계를 분석하는 그래프 DB·표 형태 데이터를 관리하는 관계형 DB를 하나의 시스템으로 통합했다. AI가 문서 내용과 데이터 간 관계, 구조화된 정보를 동시에 이해할 수 있도록 한 것이다.</p> <p contents-hash="a3b5432b86083efba2328b5234c6c17272036a07108f6edeaca0b1818dacaf03" dmcf-pid="bp8RMwwaCR" dmcf-ptype="general">예를 들어 “작년에 체결된 계약서 중 A사와 관련된 조항을 찾고, 해당 조항이 어떤 제품 공급 이슈와 연결되는지 설명해 달라“는 질문은 기존에 여러 데이터베이스에서 문서 검색·관계 분석·날짜 조건 검색을 거치고 결과를 조합해야 했다. 이는 관리 복잡성과 응답 지연을 야기했다.</p> <p contents-hash="ae75d405984b1755e784f95776d4e8c517f4c14b713d091705b9fadfce9c5681" dmcf-pid="KU6eRrrNlM" dmcf-ptype="general">옴니RAG는 이를 한 번에 처리할 수 있다. 벡터 유사도 검색·그래프 탐색·관계형 필터링을 하나의 질의와 실행 계획 안에서 통합 수행하고, 정보를 동시에 활용함으로써 더욱 정확한 근거를 찾아내고 AI의 환각 현상을 크게 줄인 것이다.</p> <p contents-hash="4b76fbd2f9e0d83f238c1d630abe87e5aa1f796bafa35b4d6265721139f786b0" dmcf-pid="9uPdemmjyx" dmcf-ptype="general">이를 지원하는 아카식DB도 여러 검색 방식을 하나의 질의로 수행할 수 있도록 설계됐다. 중간 데이터 생성과 이동을 최소화해 처리 효율을 높인 것이 특징이다.</p> <p contents-hash="793d6ea4aa6af79ec959a60a0194a01be9416d6d81e0915c4deda83207eff257" dmcf-pid="27QJdssAlQ" dmcf-ptype="general">실제로 실험 결과 아카식DB는 기존 시스템에서 최대 21.3초가 소요되던 복합 검색 질의를 1초 이내로 처리해 최대 20배 이상의 성능 향상을 달성했다. 또한 옴니RAG는 기존 RAG 대비 답변 정확도를 최대 78% 향상시킨 것으로 나타났다.</p> <figure class="figure_frm origin_fig" contents-hash="90c9b92c107c24ab855b132e4b488476051bd043d89332723205225e90ada003" dmcf-pid="VzxiJOOclP" dmcf-ptype="figure"> <p class="link_figure"><img alt="왼쪽부터 박정호 그래파이 엔지니어(제2저자), 한동형 그래파이 CTO(제3저자), 이건호 KAIST 전산학부 박사과정생(제1저자), 김민수 KAIST 전산학부 교수(교신저자).사진=KAIST제공" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/19/seouleconomy/20260619104504832ahdj.jpg" data-org-width="800" dmcf-mid="p5K84jjJSo" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/19/seouleconomy/20260619104504832ahdj.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 왼쪽부터 박정호 그래파이 엔지니어(제2저자), 한동형 그래파이 CTO(제3저자), 이건호 KAIST 전산학부 박사과정생(제1저자), 김민수 KAIST 전산학부 교수(교신저자).사진=KAIST제공 </figcaption> </figure> <p contents-hash="73122a17328c444bb2ccb865774a159d365ac15ac7a9ba505b3c66ea7832af02" dmcf-pid="fqMniIIkC6" dmcf-ptype="general">연구팀은 이번 기술이 기업용 AI 에이전트의 핵심 과제인 환각 문제를 완화하고, 기업 내부 데이터를 활용한 AI 서비스의 실용성을 높일 수 있을 것으로 기대했다.</p> <p contents-hash="ac67d4b95cd3fe66eeec8e403c2bc394f9b30cd5c684675277d86494f7109850" dmcf-pid="4BRLnCCEh8" dmcf-ptype="general">김민수 교수는 “AI 에이전트가 기업의 방대한 데이터를 정확하게 이해하고 활용하기 위해서는 벡터, 그래프, 관계형 데이터를 하나의 시스템에서 통합 처리할 수 있는 데이터 인프라가 필수적”이라며 “아카식DB는 AI 에이전트 시대를 위한 차세대데이터베이스 기술로, 국방·제조·금융·법률·과학기술 등 고도의 신뢰성이 요구되는 분야에서 핵심 데이터 인프라로 활용될 것으로 기대한다”고 말했다.</p> <p contents-hash="dc9af37cb5b16ec595a649509f5a3b10b94947d7c46e8d71dc590510678140af" dmcf-pid="8beoLhhDy4" dmcf-ptype="general">한편 이번 연구는 교원창업기업 ㈜그래파이와 협력해 진행됐으며 연구 성과는 지난 6월 2일 데이터베이스 분야 최고 권위 국제학술대회인 ACM SIGMOD 2026에서 데모 논문으로 발표됐다.</p> <p contents-hash="f80a1d0141a20f52faab1b92082c8a2d2340bbc53ef7b03b41472e37ee890e09" dmcf-pid="6Kdgollwlf" dmcf-ptype="general">장형임 기자 jang@sedaily.com</p> </section> </div> <p class="" data-translation="true">Copyright © 서울경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 틱톡서 뜬 '고추장 버터 파스타' 상품으로…"이용자 참여가 구매 이끈다" 06-19 다음 [IT백과] GPU 공장 아냐…엔비디아의 'AI 팩토리'란 06-19 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
