RAG
Retrieval-Augmented Generation
외부 문서 저장소나 웹에서 최신 자료를 검색한 후 이를 LLM 프롬프트에 주입해 정확한 답변을 생성하는 기법
사용자의 모호하거나 대화체인 질문을 검색기가 더 정확한 결과를 찾을 수 있도록 명확한 검색어로 변환하는 작업입니다. 정의와 상세 설명을 통해 기술적 원리를 이해하고, 비즈니스에 미치는 영향과 실무 적용 방법, 구현 시 고려할 주의사항을 관련 용어와 함께 확인하세요.
Query Rewriting
쿼리 재작성은 ‘그거 얼마야?‘처럼 대명사나 생략된 맥락이 담긴 대화체 질문을, 검색기가 정확히 이해할 수 있는 명시적인 질의(예: ‘아이폰 15 프로 가격’)로 변환하는 전처리 단계다. 멀티턴 대화가 늘어날수록 이전 대화 맥락을 참조해 현재 질문의 진짜 의도를 복원하는 재작성 능력이 검색 정확도를 크게 좌우한다. RAG 파이프라인에서는 이 단계가 생략되면 검색기가 엉뚱한 문서를 가져와 전체 답변 품질이 떨어지는 경우가 흔해, 별도의 경량 재작성 모델을 앞단에 배치하는 구성이 일반적이다.
대명사(그것
거기)나 생략된 맥락을 보완하여 1차 검색 정확도를 비약적으로 상승
Retrieval-Augmented Generation
외부 문서 저장소나 웹에서 최신 자료를 검색한 후 이를 LLM 프롬프트에 주입해 정확한 답변을 생성하는 기법
Answer Engine Optimization
AI 검색이나 음성 비서가 직접 생성하는 단일 정답에 브랜드와 콘텐츠가 인용되도록 최적화하는 전략
AI Mode
기존 검색 목록 중심 UI에서 대화형 AI 답변 및 탐색 모드로 전환하여 동작하는 검색 엔진 모드
AI Overviews
구글 검색 최상단에서 여러 웹 소스를 종합하여 생성형 AI가 직접 요약 답변과 출처 링크를 제공하는 기능
AI Visibility
ChatGPT Claude Perplexity 등 다양한 생성형 AI 플랫폼 답변에서 브랜드가 노출되는 빈도와 비중
AI Search
단순 키워드 매칭을 넘어 LLM이 맥락을 이해하고 웹 검색 결과를 종합하여 자연어로 답하는 검색