한 줄 정의
프로덕션 AI 개발 시 환각 방지 및 비즈니스 요구사항(지연시간, 정확성, 예산)에 맞춰 표준 RAG부터 에이전틱·그래프 RAG까지 9가지 주요 패턴을 비교 및 조합하는 의사결정 프레임워크.
핵심 요지
- 단일 RAG의 환각 문제 한계: 데모 수준의 Naive RAG를 넘어, 프로덕션 환경의 사실성(Groundedness) 확보를 위해 도메인 문제별로 아키텍처 패턴을 맞춤 선택해야 합니다.
- 실무 검증 9대 RAG 아키텍처:
- Standard RAG: 일회성 조회의 기초 형태 (지연시간 1초 미만)
- Conversational RAG: 5~10턴 메모리 레이어로 문맥 표류 방지 및 질의 재작성
- Corrective RAG (CRAG): 의사결정 관문에서 품질 미달 시 외부 웹 검색 Fallback (2~4초 지연)
- Adaptive RAG: 질문 난이도를 라우팅하여 불필요한 검색 연산 차단
- Self-RAG: 성찰 토큰(
[IsRel],[IsSup])으로 생성 도중 자율 실시간 수정 - Fusion RAG: 3~5가지 유사 질문 확장 및 상호 순위 융합(RRF)
- HyDE: 가상 답변 초안을 먼저 생성 후 실제 문서 백터 검색
- Agentic RAG: 자율 에이전트가 리서치 시나리오를 세워 도구를 다단계 호출
- GraphRAG: 엔티티와 연관 관계망을 지식 그래프로 구축하여 인과 추론 (99% 정확도 달성)
- 하이브리드 결합과 5단계 가이드: 표준 RAG로 출발하여 필요성이 검증될 때 복잡도를 점진 추가(95% 표준 + 5% CRAG Fallback 등).
상세
RAG 선택의 핵심은 단순 학술 논문 수치(2024년 1,200편 이상 발표)가 아니라, 비즈니스 오버헤드와 지연시간(Latency)의 타협에 있습니다.
의미론적 유사도 기반의 시맨틱 벡터 검색과 키워드 매칭(BM25)을 결합한 하이브리드 검색이 기본 골격을 이루며, 엔티티 간 관계망 분석이 필수적인 도메인(법률, 의학, 금융 연쇄 구조)에서는 GraphRAG를 채택하여 설명 가능성(Explainability)을 확보합니다.
복잡한 질의가 요구되더라도 단순 FAQ 서비스에 Agentic RAG를 대입하는 오버 엔지니어링을 피하고, 1단계 표준 RAG 튜닝부터 출발하는 적진호(Red Flags) 경계 원칙이 강조됩니다.
예시
- 하이브리드 패턴 (Standard + CRAG): 대부분의 일상 질의는 1초 미만의 Standard RAG로 즉각 반환하고, 신뢰도 스코어가 낮을 때만 Corrective RAG 관문을 거쳐 외부 API 검색을 수행.
- GraphRAG 인과관계 탐색: “미연준 금리 결정 -> VC 자금 감소 -> 스타트업 밸류에이션 하락”으로 연결되는 지식 그래프 Multi-hop 경로를 따라 추론 답변을 구동.
충돌
- 오버 엔지니어링과 비용 폭증: 단순 챗봇에 무작정 Self-RAG나 에이전틱 RAG를 적용하면 불필요한 성찰 토큰 연산과 API 연동으로 3~5배 이상의 토큰 비용 및 지연이 발생합니다.
- HyDE의 가상 답변 편향 위험: 질문 파싱 단계에서 생성한 가설적 초안 답변이 엉뚱한 거짓 사실일 경우, 벡터 검색 결과 전체가 오답 방향으로 왜곡(Bias)될 수 있습니다.