KAIST "기업용 AI 상용화 걸림돌 '데이터 처리 정확도·속도' 개선"
인공지능(AI) 에이전트가 검생증강생성(Retrieval-Augmented Generation·RAG) 기술을 기반으로 빠르게 확산되고 있다. RAG는 대규모 언어모델(LLM)이 관련 정보를 검색한 후 습득한 정보를 토대로 사용자에게 답변(설명)을 내놓는 기술이다.
하지만 기업 데이터는 문서·표·개체 간 관계가 다양하게 분산돼 AI가 종합적으로 이해하고 활용하기 어렵다. 같은 이유로 AI는 충분한 근거 없이 답변을 생성하는 일종의 '환각 현상'을 겪게 되고, 이는 기업용 AI 확산을 가로막는 주된 요인이 된다.
이 같은 문제를 해소하기 위해 국내 연구팀이 AI 답변 정확도를 기존보다 최대 78%, 처리 속도는 최대 20배 높인 차세대 데이터베이스 기술을 개발했다.
KAIST는 전산학부 김민수 교수 연구팀이 교원창업기업 ㈜그래파이와 공동으로 벡터·그래프·관계형 데이터베이스(DB) 기능을 하나의 관리 시스템(DBMS)에 통합한 '아카식 DB(AkasicDB)'와 아카식 DB 기반의 RAG 기법 '옴니 RAG(Omni RAG)'를 개발했다고 19일 밝혔다.
아카식 DB는 문서 또는 이미지가 갖는 의미를 숫자 벡터로 변환해 유사한 정보를 찾는 '벡터 DB', 사람·기업·제품 등 개체 간 관계를 저장·분석하는 '그래프 DB', 표 형태의 데이터를 체계적으로 관리하는 전통적 방식의 '관계형 DB' 기능을 DBMS에서 통합 실행할 수 있게 설계됐다.
옴니 RAG는 아카식 DB를 기반으로 문서의 의미 정보와 개체 간 관계, 구조화된 데이터를 동시에 활용해 생성형 AI의 답변 정확도를 높인다.
기존 RAG는 사용자의 질문과 문서를 벡터로 변환해 의미상으로 유사한 문서를 검색한 후 LLM에 제공하는 게 일반적이다. 이러한 방식은 비정형 문서 검색에는 효과적이지만, 문서 속 개체 간 관계 또는 특정 기간·유형·범위 등 구조화된 조건을 동시에 고려하는 복합 질의에 답을 내놓는 데는 한계가 따른다.
예컨대 "지난해 체결한 계약서 중 A사와 관련된 조항을 찾고, 해당 조항이 어떤 제품 공급 이슈와 연결되는지 설명해줘"라는 사용자 요청에 기존 RAG는 여러 종류의 데이터베이스를 별도로 구축해 응용프로그램 계층에서 결과를 결합해야 했다. 관리가 복잡하고, 응답이 늦어지는 문제가 발생한 것도 같은 이유다.
이와 달리 연구팀은 옴니 RAG로 벡터 유사도 검색과 그래프 탐색 그리고 관계형 필터링 등을 하나의 질의와 실행계획 안에서 통합 수행할 수 있게 했다. 옴니 RAG는 문서의 의미 정보, 지식 그래프의 관계 정보, 표 형태 데이터의 구조적 조건을 동시에 활용해 보다 정확한 근거를 찾아내고 AI의 환각 현상을 줄이는 장점을 가졌다.
이때 아카식 DB는 벡터·그래프·관계형 DB를 하나의 엔진으로 통합한 새로운 구조를 채택, 벡터 검색·그래프 탐색·관계형 필터링을 결합한 복합 RAG 질의를 하나의 구조화 질의어/그래프 질의어(SQL/GQL)로 표현해 이를 단일 실행 계획으로 최적화해 처리할 수 있게 돕는다.
SQL/GQL은 DB에 저장된 정보를 검색하거나 수정하기 위한 명령 언어다. SQL은 표 형태의 데이터, GQL은 사람·기업·제품 등 개체 간 연결 관계를 분석하기 위해 사용되는 그래프 데이터 전용 언어를 각각 다룬다.
결과적으로 아카식 DB는 불필요한 중간 결과 생성과 데이터 이동을 최소화해 LLM의 토큰 사용량을 줄이고, 응답 지연시간을 단축한다.
실제 연구팀은 실험을 통해 기존 시스템에서 최대 21.3초 소요되던 복합 검색 질의가 아카식 DB를 이용하면 '1초 이내'에 처리되는 것을 확인했다. 20배 이상의 성능 향상 효과를 거둔 셈이다.
옴니 RAG도 기존 RAG보다 답변 정확도를 최대 78% 높이는 성능을 나타냈다. 이는 기업용 AI 에이전트가 떠안은 핵심 과제인 '환각 문제'를 해결할 단초가 될 것이라는 게 연구팀의 설명이다.
김 교수는 "AI 에이전트가 기업의 방대한 데이터를 정확하게 이해·활용하기 위해선 복수의 데이터를 하나의 시스템에서 통합해 처리할 데이터 인프라가 필요하다"며 "이러한 관점에서 아카식 DB는 향후 국방·제조·금융·법률·과학기술 등 고도의 신뢰성이 요구되는 분야에 핵심 데이터 인프라로 활용될 수 있을 것"이라고 말했다.
한편 이번 연구에는 KAIST 전산학부 이건호 박사과정생이 제1 저자로 참여했다. 연구 결과는 지난 2일 데이터베이스 분야 국제학술대회 'ACM SIGMOD 2026'에서 데모 논문으로 발표됐다.
<ⓒ투자가를 위한 경제콘텐츠 플랫폼, 아시아경제. 무단전재 배포금지, AI 학습 및 활용 금지>