RAG-AI Agents-Agentic RAG

얼마전 링크드인에 RAG-AI Agents-Agentic RAG 차이를 설명해주는 포스팅이 올라왔는데, 아주 잘 정리되어 있어서 인상깊었습니다.

그럼 RAG, AI Agents, Agentic RAG 이 셋의 차이점은 무엇일까요? 쉽게 설명해드리겠습니다.

1. RAG (Retrieval-Augmented Generation, 검색 증강 생성)

"오픈북 테스트를 치르는 학생"

1. 설명: RAG는 AI가 미리 학습한 지식뿐만 아니라, 외부의 신뢰할 수 있는 문서(데이터베이스)를 직접 찾아보고 답변하는 방식입니다.
2. 작동 방식: 사용자가 질문하면, AI는 도서관(Vector DB)에서 관련 있는 책을 몇 권 꺼내옵니다. 그리고 그 책의 내용을 참고해서 답변을 작성합니다.
3. 특징: AI가 잘 모르는 최신 정보나 내부 문서를 바탕으로 정확한 답변을 할 수 있게 도와줍니다. 하지만 정해진 곳에서 정보를 찾아 '요약'하는 수준에 그치는 경우가 많습니다.

2. AI Agents (AI 에이전트)

"비서 업무를 수행하는 개인 비서"

1. 설명: 단순히 정보를 찾는 것을 넘어, **'판단'**과 **'실행'**을 하는 단계입니다.
2. 작동 방식: 질문을 받으면 스스로 계획(Planning)을 세웁니다. "이 정보를 얻으려면 이 도구를 써야겠군"이라고 판단하고, 필요하면 인터넷 검색이나 특정 프로그램(Tools)을 직접 실행합니다. 또한 과거의 대화 내용(Memory)을 기억하며 업무를 수행합니다.
3. 특징: "내일 제주도 날씨에 맞춰서 비행기 표 예약해줘"처럼 복잡한 명령을 수행할 수 있는 능동적인 형태입니다.

3. Agentic RAG (에이전틱 RAG)

"분야별 전문가 팀을 지휘하는 팀장님"

1. 설명: RAG와 AI 에이전트의 장점을 결합한 가장 고도화된 방식입니다. 혼자 일하는 게 아니라 여러 명의 에이전트가 협력합니다.
2. 작동 방식:
3. 총괄 에이전트(Aggregator Agent): 전체적인 계획을 세우고 업무를 배분합니다.
4. 전문 에이전트들: 1번 에이전트는 내부 문서를 찾고, 2번은 구글 검색을 하고, 3번은 클라우드 서버의 데이터를 분석합니다.
5. 이들이 가져온 결과물을 총괄 에이전트가 검토하고 종합해서 최종 답변을 만듭니다.
6. 특징: 이미지 하단에 보이는 것처럼 'ReACT'나 'CoT(생각의 사슬)' 같은 고도의 추론 기법을 사용합니다. 훨씬 복잡하고 전문적인 데이터 분석이 가능하며, 정보의 정확도가 매우 높습니다.

요약하자면 이렇습니다!

결국 RAG는 '검색'에 집중하고, AI Agent는 '행동'에 집중한다면, Agentic RAG는 '검색과 행동을 아주 똑똑하게 조율'하는 단계라고 이해하시면 됩니다.

사내에 AI를 통해 비즈니스를 업그레이드하고 싶다면 언제든지 문의바랍니다!