업무 매뉴얼, 운영지침, 자주묻는 Q&A, 보고서 등 사내에 문서로 관리하던 지식이 있다면 어떤 형태의 문서든지 모두 에이전트의 지식으로 학습시킬 수 있습니다.문서에 담긴 내용은 각 파일을 '지식'에 업로드하는 것만으로도 AI가 활용할 수 있는 형태의 데이터로 변환됩니다. AI는 이 지식을 학습하고 워크플로우에 활용합니다.지식 페이지에서는 문서와 피드백 2가지 형태의 데이터를 관리합니다.
등록된 문서와 피드백은 AI가 답변을 생성해내는데 참고할 지식으로 활용됩니다.
💡 문서와 피드백
문서는 조직 내에서 축적된 공식적인 지식과 정보를 체계적으로 정리한 자료입니다. 이는 회사의 정책, 절차, 제품 정보, 업무 지침 등을 포함하며, AI 시스템이 참조할 수 있는 신뢰할 수 있는 정보 원천으로 작용합니다. AI 에이전트는 이러한 문서를 활용하여 조직 특화된 질문에 정확하게 답변하고, 일관된 정보를 제공할 수 있습니다.피드백 (Q-A 세트)#
피드백은 AI 에이전트의 성능을 지속적으로 개선하기 위한 핵심 메커니즘입니다. 에이전트가 부정확하거나 불완전한 답변을 제공할 때, 전문가가 작성한 모범 답변을 함께 저장하여 질문-답변(Q-A) 세트를 구축합니다. 이러한 데이터셋은 AI가 유사한 질문을 받았을 때 더 정확한 응답을 제공할 수 있도록 학습 자료로 활용됩니다. 피드백 시스템을 통해 AI는 시간이 지남에 따라 조직의 요구사항과 기대에 더 잘 부합하는 방향으로 발전하며, 사용자의 만족도를 높이고 업무 관련 질의에 더 효과적으로 대응할 수 있게 됩니다.💡 RAG
RAG(Retrieval-Augmented Generation)는 AI가 질문에 답변할 때 외부 정보를 먼저 검색(Retrieval)하고, 그 정보를 바탕으로 답변을 생성(Generation)하는 기술입니다. 쉽게 말해, AI가 자체 지식만 사용하는 것이 아니라 '참고 자료'를 찾아보고 답하는 방식입니다. 이러한 방식을 활용하여 AI는 환각을 피할 수 있습니다.RAG의 특징#
1.
정보 검색(Retrieval): 질문과 관련된 문서, 데이터베이스, 지식 저장소에서 필요한 정보를 찾아옵니다.
2.
정보 활용(Augmentation): 검색한 정보를 AI의 답변 생성 과정에 통합합니다.
3.
답변 생성(Generation): 검색된 정보와 AI의 기본 지식을 결합하여 정확하고 최신 정보를 포함한 답변을 생성합니다.
4.
출처 제공: 답변의 근거가 되는 원천 정보를 함께 제시할 수 있어 신뢰성이 높아집니다.
RAG의 장점#
최신 정보 제공: AI의 학습 데이터 이후에 생성된 최신 정보도 검색하여 활용할 수 있습니다.
정확성 향상: 구체적인 사실이나 수치가 필요한 질문에 더 정확한 답변을 제공합니다.
맞춤형 지식: 기업 내부 문서나 특정 도메인의 전문 정보를 활용해 특화된 답변이 가능합니다.
환각(Hallucination) 감소: AI가 잘못된 정보를 생성할 가능성이 줄어듭니다.
RAG 활용 예시#
기업 지식 검색: "우리 회사의 휴가 정책은 어떻게 되나요?"라는 질문에 내부 문서를 검색하여 정확한 정보 제공
기술 지원: 제품 매뉴얼과 기술 문서를 바탕으로 구체적인 문제 해결 방법 제시
연구 지원: 최신 학술 논문을 검색하여 현재 연구 동향에 맞는 답변 생성
법률/의료 자문: 관련 법규나 의학 문헌을 참조하여 신뢰할 수 있는 정보 제공
쉬운 비유로 이해하기#
RAG는 마치 시험을 볼 때의 오픈북(참고 자료 허용) 방식과 유사합니다. 기억에만 의존하는 것이 아니라, 필요한 정보를 찾아보고 더 정확한 답변을 작성할 수 있습니다.문서 추가하기#
에이전트가 답변에 참고할 문서를 추가하는 방법은 크게 두 가지입니다.문서 업로드 버튼을 클릭한 후, 새로 학습하기 또는 팀 지식 활용하기 중 원하는 방식을 선택해 주세요.새로 학습하기#
문서를 새로 업로드하여 해당 에이전트의 지식으로 학습하는 방식입니다.새로 학습하는 방법은 업로드하려는 문서의 형태와 관리 방식에 따라 구분됩니다.팀 지식 활용하기#
팀 지식에 이미 학습된 문서 중에서 해당 에이전트가 사용할 지식을 선택하는 방식입니다.팀 지식을 활용하는 방법은 지식을 선택하고 연결하는 방식에 따라 구분됩니다. Modified at 2026-07-27 00:58:02
