MongoDB, RAG 검색 범위 제한·에이전트 작업 이력 저장 방안 제시

ZDNet Korea에 따르면 MongoDB 김규동 총괄이 AI 페스타에서 벡터·키워드 검색에 설비·공정별 필터를 결합하는 방안을 제시했다. 문서 3500개 이상으로 RAG 챗봇 시제품을 6일 만에 구축한 사례도 소개했다. 에이전트의 입력·작업·결과를 DB에 저장해 오작동 원인을 추적하고 작업 맥락을 공유하자는 설명이다.

김 총괄은 기업 AI 프로젝트가 시범 도입에 머무르는 원인으로 데이터 확장성 한계, 검색 정확도 부족, 에이전트 통제 체계 미비를 꼽았다.

설비 장애 분석에는 당시 생산 품목·공정과 이전 단계 작업 정보를 함께 연결해야 한다고 설명했다.

임베딩·리랭킹·벡터 검색을 통합해 구성 요소와 데이터 전달 경로를 각각 구축하는 부담을 줄이는 구상을 제시했다.

6일 구축 사례는 시제품이며, 실서비스 운영 성과나 검색 정확도 수치는 기사에 제시되지 않았다.

저장된 작업 이력은 원인 추적 외에도 여러 에이전트의 맥락 공유와 사용자 선호 반영에 활용할 수 있다는 설명이다.

제조 현장 질문에 설비·공정 필터를 함께 적용하면, 의미가 비슷해도 다른 장비에 관한 문서가 답변 근거로 섞이는 문제를 줄일 수 있다.