AI Native 팀 운영 가이드
AI를 ‘도구’로 쓰는 팀에서, AI를 ‘전제’로 설계된 팀으로. 6가지 운영 원칙, 4가지 핵심 역할, 5단계 도입 로드맵까지. AI Native 팀의 정의, 운영 원칙, 실전 적용법, 도입 로드맵을 다루는 종합 가이드입니다. “각자 알아서 AI 써요”가 아니라, 팀의 일하는 방식 자체를 다시 설계하는 방법을 정리했습니다. Copilot을 쓰고...
figure.2
AI Engineering 개인 학습 로드맵
AI Engineering은 모델 사용법만 배우는 분야가 아닙니다. LLM 기능을 실제 서비스에 넣으려면 데이터, 백엔드, 평가, 관측, 비용 관리, 배포까지 함께 다뤄야 합니다. 이 로드맵은 AI 기능을 제품 안에 안정적으로 넣기 위해 어떤 역량을 순서대로 쌓아야 하는지 정리한 것입니다. 학습 축 AI Engineering 학습은 네 축으로 나...
Production RAG Engineering 3: Evaluation, Operations, Checklist
Production RAG의 품질은 검색 단계에서 끝나지 않습니다. 검색된 컨텍스트를 생성 단계에 어떻게 전달할지, 응답을 어떻게 평가할지, 운영 중 어떤 지표를 볼지를 함께 설계해야 합니다. Generation & Prompting 검색된 context를 LLM에 전달할 때는 “많이 넣기”보다 “필요한 근거를 읽기 좋은 구조로 넣기”가 중...
Production RAG Engineering 2: Chunking, Embedding, Retrieval, Reranking
Production RAG의 검색 품질은 chunking, embedding, retrieval, reranking이 함께 결정합니다. 이 글에서는 각 단계의 선택지가 만드는 trade-off를 정리합니다. Chunking Strategy 청킹은 RAG 품질의 기초입니다. 전략에 따라 검색 정확도가 20~40% 달라질 수 있습니다. Vectara...
Production RAG Engineering 1: 아키텍처와 설계 지점
Production RAG는 검색 파이프라인 하나로 끝나지 않습니다. ingestion, query processing, hybrid retrieval, reranking, generation, evaluation, cache, monitoring이 함께 설계되어야 운영 가능한 시스템이 됩니다. 이 글은 프로덕션 RAG의 전체 아키텍처와 핵심 설계 ...
RAG 완전 가이드 3: 평가, 도입 로드맵, 논문 타임라인
RAG 평가는 검색과 생성을 분리해 봐야 합니다. 좋은 답변이 나오지 않았을 때 검색 실패인지, context 구성 실패인지, 생성 실패인지 구분할 수 있어야 개선할 수 있습니다. RAG 평가하기 RAG 시스템의 품질은 answer quality 하나만으로 평가하기 어렵습니다. retrieval quality, context quality, fai...
RAG 완전 가이드 2: Naive, Advanced, Modular, Agentic RAG
RAG는 단순한 Query -> Retrieve -> Generate 구조에서 시작해, 검색 전후 최적화와 동적 모듈 조합으로 확장되어 왔습니다. 이 글은 Naive, Advanced, Modular, Agentic RAG가 어떤 문제를 해결하려고 등장했는지 정리합니다. RAG의 진화 RAG는 3세대에 걸쳐 발전해 왔습니다. 각 세대는 ...
RAG 완전 가이드 1: 필요성과 기본 구조
RAG는 LLM이 답변을 만들기 전에 외부 지식을 검색해 참고하도록 만드는 구조입니다. 모델의 기억만 믿는 방식보다 최신성, 근거성, 도메인 지식 보강에 유리합니다. 이 글은 RAG가 필요한 이유와 기본 파이프라인을 먼저 정리합니다. 이후 글에서 Naive RAG, Advanced RAG, Modular RAG, Production RAG로 확장합니...
RAG 개인 학습 로드맵
RAG를 실무에 적용할 때는 최신 기법을 한 번에 넣는 것보다 작은 baseline을 만들고, 검색 품질과 평가 체계를 순서대로 붙이는 편이 안전합니다. RAG 학습은 개념보다 실패 유형을 기준으로 잡는 편이 좋습니다. 검색 실패, chunk 실패, context noise, hallucination, citation 오류를 하나씩 줄이는 방식으로 ...
AI Agent 완벽 가이드 3: Memory, RAG, Guardrails, Cost
AI Agent를 실제 서비스로 만들 때는 모델 호출보다 운영 구조가 더 중요해집니다. Memory, RAG, guardrails, protocol, cost control이 붙는 순간 Agent는 단순 챗봇이 아니라 상태를 가진 실행 시스템이 됩니다. 핵심 구성 요소 flowchart TB U[User] --> A[Agent Core...