RAG가 뭐예요?
한줄 요약
RAG는 AI가 답하기 전에 외부 자료를 먼저 검색해서 참고하는 방법입니다. 도서관에서 책을 찾아보고 답하는 AI를 상상하면 됩니다.
왜 알아야 할까?
🎯 이런 상황을 상상해보세요.
병원 내부 프로토콜이나 최신 업데이트된 처방 가이드를 AI에게 물어봤는데, AI가 오래된 정보를 바탕으로 엉뚱한 답을 했어요.
💡 RAG를 사용하면 이 문제를 해결할 수 있어요.
RAG를 이해하면:
- ✅ AI가 우리 병원 내부 지식을 쓸 수 있게 됩니다
- ✅ 최신 가이드라인 기반으로 AI가 답할 수 있어요
- ✅ 환각이 크게 줄어들어요
- ✅ 더 신뢰할 수 있는 AI 시스템을 만들 수 있어요
이게 뭐예요?
정의
RAG(Retrieval-Augmented Generation)는 AI가 답변을 생성하기 전에 관련 문서를 먼저 검색해 참고하는 방법입니다.
- Retrieval(검색): 관련 자료를 찾아오는 것
- Augmented(보강): 찾은 자료로 AI 능력을 보강하는 것
- Generation(생성): 최종 답변을 만드는 것
비유 1: 시험 보기 전 교과서 찾기
시험 문제를 받자마자 바로 답하는 학생 vs 문제를 읽고 관련 교과서 페이지를 열어서 답하는 학생.
어느 쪽이 더 정확할까요? 당연히 두 번째 학생이죠.
RAG는 AI가 “교과서를 열어서 확인하는” 방식이에요.
비유 2: 논문 인용
논문을 쓸 때, 기억에만 의존하는 것과 실제 논문을 찾아서 인용하는 것의 차이처럼요.
RAG를 쓰는 AI는 실제 문서를 참고해서 답해요.
예시를 들어볼게
일반 AI vs RAG AI
질문: “우리 병원 패혈증 프로토콜이 뭐야?”
❌ 일반 AI: “패혈증 처치는 항생제 1시간 이내 투여, 수액 소생술, 혈압 모니터링… (일반적인 가이드라인)”
→ 우리 병원만의 특수한 프로토콜은 모름
✅ RAG AI (병원 자료 연결): “우리 병원 2024년 패혈증 프로토콜에 따르면, 응급실 내원 후 30분 이내 혈액 배양 2세트, 피페라실린-타조박탐 3.375g IV 투여, 중환자의학과 즉시 협진…”
→ 실제 병원 자료를 참고해서 답함
의료에서는 이렇게 써요
활용 1: 병원 프로토콜 챗봇
수백 페이지 병원 프로토콜을 RAG 시스템에 연결하면, “패혈증 처치 순서가 뭐야?”라고 물으면 실제 병원 문서에서 찾아서 답해줘요.
새로운 전공의도 빠르게 프로토콜을 찾을 수 있어요.
활용 2: 의약품 정보 챗봇
최신 의약품 정보 데이터베이스를 연결하면, “이 약과 저 약 상호작용이 있나요?”를 물으면 최신 정보로 답해줘요.
활용 3: 진료 가이드라인 AI
대한내과학회, 미국심장학회 가이드라인을 연결하면 “고혈압 1기 치료 시작 기준이 뭐야?”에 학회 가이드라인 그대로 인용해서 답해줘요.
주의할 점 ⚠️
주의 1: 좋은 자료를 연결해야 해요
RAG는 연결된 자료의 품질에 의존해요. 잘못된 자료나 오래된 자료를 연결하면 잘못된 답이 나와요.
✅ 공식적이고 최신 자료를 연결하세요.
주의 2: RAG도 완벽하지 않아요
자료를 잘못 찾거나, 잘못 해석하는 경우도 있어요. 중요한 결정은 원문을 직접 확인하세요.
주의 3: 구축이 필요해요
RAG 시스템은 그냥 ChatGPT에서 되는 게 아니에요. 병원 자료를 연결하려면 IT 시스템 구축이 필요해요. (또는 Microsoft Copilot 같은 기업용 AI 활용)
더 알고 싶다면
🔗 다음 읽으면 좋은 글
- AI 환각이 뭐예요? — RAG가 환각을 줄이는 이유
- AI 에이전트가 뭐예요? — RAG를 활용하는 에이전트
- AI가 뭐예요? — 다시 기초부터