검색 증강 생성(Retrieval-augmented generation)은 대규모 언어 모델을 기업 데이터에 기반하도록 하는 표준 패턴이 되었습니다. 일반적인 구현은 문서를 임베딩으로 변환하고, 벡터 데이터베이스에 저장하며, 쿼리에 대해 가장 유사한 청크를 검색하고, 해당 청크를 모델 프롬프트에 추가합니다. 이는 문서 조회, 정책 검색, 지원 콘텐츠 및 의미론적 유사성이 주요 요구 사항인 기타 작업에 잘 작동합니다. 그러나 기업 지식은 격리된 구절로 구성되는 경우가 드뭅니다. 이는 애플리케이션, 데이터베이스, API, 문서, 소유권 계층 구조, 제품 카탈로그 및 운영 기록 전반에 걸쳐 분산되어 있습니다. 질문이 관계, 출처, 시간 또는 다단계 추론을 요구하게 되면 벡터 검색만으로는 신뢰할 수 없게 됩니다.따라서 기업 AI의 다음 단계는 RAG와 기업 지식 그래프를 결합하는 데 달려 있습니다.