RAG와 온톨로지 차이, 즉석 강의로 정리되다
RAG(검색 증강 생성)를 막 배우기 시작한 한 참가자의 질문에서 출발한 대화가, 온톨로지와의 차이를 짚는 즉석 강의로 이어졌다.
한 참가자가 아침 일찍 방에 짧은 질문을 올렸다.
"온톨로지..가 도대체 어떤건가요 어제 처음 RAG를 공부해봐서.. 대략적으로라도 뭔지 알아보고 싶네욘.."
3분 뒤 다른 참가자가 답을 붙였다.
"온톨로지란 아리스토텔레스가 처음이야기한 존재의 근원을 설명하는 말로 추후 데카르트의 존재론에도 등장하고 2003년 팔란티어가 창업한 이래 회사나 조직의 데이터를 정의하여 데이터 파이프라인에 맞물린 형태로 보면 됩니다."
이 참가자는 이어 RAG(Retrieval-Augmented Generation, 검색 증강 생성)와 온톨로지를 가르는 기준을 "범용적인 데이터 정리는 RAG로 보시고", "목표지향적인 도메인 데이터 정의를 온톨로지로 보시면 될 것 같아요"라는 두 문장으로 정리했다. 곧이어 운영진 역할을 하는 다른 참가자가 합류해 개념을 한 단계 더 풀었다.
"Search(검색)은 넓은 범위에서 정보를 찾아내는 일반적인 행위이고, Retrieval(추출/검색)은 이미 저장되거나 구조화된 데이터 중에서 특정한 목적이나 조건에 맞는 정확한 정보를 '꺼내오는' 기술적이고 정밀한 과정"
이 참가자는 뒤이어 벡터 임베딩과 청킹(chunking, 문서를 작은 단위로 쪼개는 전처리 작업) 개념까지 순서대로 풀어내며 답변을 길게 이어갔다. 짧은 질문 하나가 한 시간 가까이 이어지는 즉석 강의로 번진 셈이다.
낮에는 같은 방에서 실전 사례가 붙었다. 앞서 온톨로지를 설명했던 참가자는 자신이 참여 중인 신약 발굴 프로젝트를 근거로 이렇게 말했다.
"말라리아의 각 항목 점수들이 이미 존재하고 기 제출 상위권 분자구조와 점수도 존재해서 목표가 명확해지고 그 벤치마크 단위별로 측정을 해서 필요한 온톨로지가 자동 빌딩 공백제거 하고 벤치마크를 능가할 수 있게 루프로 QA"
개념 설명에 머물렀던 오전 대화가, 목표와 평가 기준이 명확한 도메인에서 온톨로지가 실제로 어떻게 힘을 발휘하는지 보여주는 사례로 이어진 것이다. 오전 늦게 대화를 지켜보던 한 참가자는 여섯 줄로 대화 전체를 정리하며 마무리를 지었다.
"암튼 개인적인 위의 rag 와 온톨로지의 차이에서 제 견해는 1. RAG 는 지식 확장임 2. 그래서 온톨로지도 rag 에 해당 안될건 없음 3. 온톨로지라는 이름보단 데이터를 엑세로 먼저 정의한다고 생각하는게 맞음 4. 온톨로지던 벡터 rag던 최소 청크에 들어갈 내용에 대한 기준이 중요함 모든걸 그래프db나 온톨로지로 분해한다는건 불가능함 5. 검색 방식이 느낌인지, 어떠한 순서를 여러번 타서 해야하는 것인지가 하나의 중요 과정 6. 온톨로지라고 부르진 않지만, 데이터에 대한 이해가 선행 되어야 rag를 함 이정도?"
RAG와 온톨로지 개념이 뒤섞여 쓰이는 건 이 방만의 일이 아니다. AI 도구를 다루는 사람이 늘면서 두 개념을 처음 접하고 헷갈려하는 사람도 함께 늘고 있다는 뜻으로 읽힌다. 질문 하나에 세 명이 넘는 참가자가 각자의 언어로 설명을 보태고, 그 설명이 실전 사례와 정리 발언까지 이어졌다는 점은 이 방이 단순한 정보 교환을 넘어 서로 가르치고 배우는 학습 공간으로 기능하고 있다는 걸 보여준다.