2026 데이터바우처 수요기업 모집

2026년 데이터바우처 수요기업 모집이 곧 시작됩니다! 최대 4,500만 원 지원받고, '데이터'로 비지니스를 한층 성장시켜보세요 복잡한 정부 지원 사업, 공고문만 보면 머리 아프시죠? 오늘은 예비 창업자와 소상공인, 중소기업 대표님들이 놓치면 정말 아까운 '2026년 데이터바우처 지원사업'을 아주 쉽게, 핵심만 쏙쏙 뽑아 정리해 보고자 합니다. 많은

[논문 리뷰] 자가 수정형 RAG인 'CRAG' 이해하기

LLM의 환각 현상을 해결하기 위해 RAG(검색 증강 생성) 기술을 많이 활용하고 있는데요, RAG도 완벽하지 않는 약점이 있습니다. 엉뚱한 정보를 검색해서 가져오면 답변도 엉망이 된다는 점이죠. 오늘은 RAG의 이러한 문제를 해결하기 위해 제안된 CRAG (Corrective RAG)를 소개하는 논문을 리뷰해보겠습니다 😄. (저희 나두에이아이에서는 CRAG를 구현하여 빌더에 임베드시켜놨는데요, 언제든지 데모를 요청하셔 보세요)

정보를 어떻게 찾을지까지 AI가 결정하는 검색 워크플로우

AI 챗봇을 운영하다 보면 이런 요구가 반드시 등장합니다. * “조건에 따라 다른 문서를 참고해야 해요” * “한 번 검색으로는 답이 안 나옵니다” * “정책 + 가이드 + 예외 조항을 함께 봐야 해요” 이때 단순한 검색 방식으로는 한계가 있기 때문에 검색 워크플로우(Search Workflow)를 사용하게 되어요. 검색 워크플로우란 무엇인가? 검색 워크플로우는 RAG 검색을 한 번만

RAG에서 검색 모드란?

기본 검색 모드란? 문서에 기반한 RAG를 이용하여 AI 챗봇을 만들 때는 AI가 해당 문서를 어떻게 검색하냐에 따라 답변의 품질이 달라지는데요, 기본 검색 모드는 검색 방식이 매우 단순한 것을 의미합니다. 유저의 질문이 들어오면 관련 문서를 검색하여 답변을 생성하는 가장 직관적이고 단순한 검색 구조이죠. 1. 사용자가 질문을 입력하면 2. 질문을 벡터로 변환해서

AI 답변의 정확도를 결정하는 RAG 청킹 전략이란?

AI 챗봇을 만들다 보면 다들 이런 경험을 해보셨을 겁니다: “답변이 애매하다”, "관련 없는 문서를 근거로 막 지어낸다", “엉뚱한 내용을 그럴듯하게 답한다”. 이 문제의 원인은 LLM의 성능이 아닌 RAG 설정, 그중에서도 청킹 전략(Chunking Strategy)일 경우가 매우 높은데요, 이번 글에서는 RAG에서 청킹 전략이 무엇인지, 왜 청킹 전략이 기업

[논문 리뷰] 나두에이아이에 탑재된 온톨로지 기반 GraphRAG

지난 글에는 RAG 기술이 왜 LLM을 파인튜닝하는 것보다 좋은지 설명드렸는데요, 그만큼 RAG는 기업이 AI 기술을 활용하는 데에 있어 아주 중요한 기술이죠. 이번 글에서는 기존의 RAG의 한계와 이를 극복할 수 있는 새로운 기술인 GraphRAG에 대해 소개해드리겠습니다. 기존 RAG의 한계 RAG 방식은 방대한 데이터 속에서 "정답이 있을 법한 구절"을

🚀AI, '배움의 친구'와 함께 더 똑똑해지다! '퓨샷 프롬프팅'

안녕하세요! 인공지능이 어떻게 똑똑해지는지 쉽고 재미있게 알려드리는 시간입니다. 지난번에는 AI가 예시 없이도 척척 답을 내는 '제로샷 프롬프팅'을, 그리고 생각의 과정을 보여주는 'CoT'에 대해 알아봤죠? 오늘은 AI에게 '배움의 친구'를 붙여주는 방법, 바로 **'퓨샷 프롬프팅'(Few-Shot Prompting)**에 대해 이야기해볼 거예요.

OCR 기술의 진화

인공지능이 일상과 산업을 바꾸고 있는 시대, 오늘은 우리가 자주 접하지만 AI에 의해 혁신적으로 발전한 OCR(Optical Character Recognition, 광학 문자 인식)에 대해 알아보겠습니다. OCR 기술은 종이 문서나 이미지 속의 텍스트를 컴퓨터가 편집하고 검색할 수 있는 디지털 데이터로 변환하는 기술입니다. 딥러닝(Deep Learning) 기술이 적용되어 성능이 혁신적으로 좋아지면서 비즈니스 효율성을

Fine tuning 대신 RAG를 선택해야 하는 이유

지난 글을 통해 LLM의 파인튜닝에 대해 알아보았습니다. LLM을 활용해 기업용 AI 에이전트를 구축할 때, 많은 개발자와 기업이 파인튜닝(Fine-tuning)의 유혹에 빠집니다. 성능을 높이거나 우리 회사에 최적인 모델을 만들고자 하는 시도죠. 하지만 현재 LLM의 폭발적인 발전 속도와 비용 구조를 고려하면, 이는 종종 비효율적이고 위험한 전략이 됩니다. 결론부터 말하면, 대부분의 기업

보안이 중요한 기업이라면? AgentKit보다 나두AI

지난 글에서 AI 에이전트의 기본 개념을 기존의 워크플로우와 비교하면서 설명드렸는데요, 오늘은 얼마전 오픔AI에서 발표한 에이전트 빌더인 AgentKit를 소개드리고 저희 나두AI와의 비교를 해드리겠습니다 😃 1. AgentKit이란? AgentKit은 개발자와 기업이 AI 에이전트를 더 쉽고 체계적으로 설계, 배포, 평가할 수 있도록 돕는 툴킷인데요, 기존에는 에이전트 구축 시 여러 도구(tool)들을 조합하고, 직접 연결하고,

AI 에이전트 vs. 워크플로우 자동화

요즘 AI 에이전트 기술이 발전하면서 크게 주목받고 있습니다. 에이전트라는 용어 때문인지 AI가 사람을 대신해서 뭔가 자동적으로 일을 처리해주는 뉘앙스가 있죠. 그래서 때문인지 많은 분들이 워크플로우 자동화 개념과 헷갈려 하십니다. 이번 포스트에서는 이 둘의 차이점에 대해 설명해드릴게요! 워크플로우 자동화 워크플로우는 정해진 규칙대로 반복적인 일을 자동으로 처리합니다. 사람이 ‘이럴 때 이렇게 해라’

실수를 스스로 학습하는 AI

지난 포스트에서 AI가 과거 경험을 기억하게 하는 기술에 대해서 배워보았는데요, 이번에는 좀 더 깊은 연구를 구글에서 발표했습니다. 과거 경험을 재사용하여 새로운 추론 전략을 세우고 스스로 진화하는 AI 에이전트에 대한 것인데요, 알아보실까요? 기존 LLM 에이전트의 문제: '건망증' 현재의 대규모 언어 모델(LLM) 기반 에이전트들은 방대한 컨텍스트 창(Context Window)