검색증강생성(RAG)으로 다양한 제조 문제를 신속하게 해결하세요 – 도메인별 활용 사례
Chloe Woo | Content Strategist
검색증강생성(RAG; Retrieval-Augmented Generation) 기술은 검색과 생성의 장점을 결합하여 사용자가 필요로 하는 정보를 보다 정확하고 신속하게 제공합니다. 특히 실시간으로 업데이트 되는 방대한 데이터 속에서 유의미한 정보를 추출할 때 매우 유용하죠. 이러한 장점을 기반으로 다양한 도메인에 접목되고 있습니다.
→ [검색증강생성(RAG; Retrieval-Augmented Generation)이란? -개념, 장점] 아티클 먼저 읽어보기
1. 제조 문제 해결
제조 현장에서는 종종 예상치 못한 문제가 발생하곤 합니다. 새로운 유형의 결함이 발생하거나, 설비가 갑자기 이상 작동을 하기도 하죠.
그러나 공정이 복잡하기 때문에 문제의 원인을 파악하기가 쉽지 않고, 따라서 적합한 의사결정을 내리기도 어렵습니다. 한번의 의사결정이 광범위한 결과를 초래할 수 있기 때문입니다.
RAG는 이러한 어려움을 개선해줄 것으로 기대됩니다.
라인을 담당하는 엔지니어가 어떤 설비 문제에 직면했을 때, RAG를 이용하면 해당 문제와 관련한 규정, 해결 지침, 과거 관행과 실제 사례, 유지보수 기록, 전문가 권장 사항 등을 빠르고 정확하게 검색해서 최선의 문제 해결 방안을 권고할 수 있습니다.
이를 통해 유지보수 팀은 빠르게 문제를 해결하고, 생산 라인의 가동 중단을 최소화함으로써 궁극적으로 전반적인 생산 효율을 개선할 수 있습니다.
특히 RAG는 실시간 업데이트 된 정보에 기반하여 응답한다는 것이 가장 큰 장점입니다. 이를 기반으로, 제조 공정의 불확실성을 줄이는 데 도움이 될 것으로 기대됩니다. 공정 데이터를 실시간으로 분석하고 이를 통해 도출된 인사이트를 기반으로 해당 시점에 가장 적합한, 서로 다른 해결책을 제시할 수 있기 때문입니다.
✓ 아하랩스의 산업용 AI 솔루션 LISA를 활용해 파우치 배터리의 표면 결함과 로봇 설비의 이상 작동을 감지한 사례를 알아보세요.
2. 의료/법률 상담
RAG는 의료나 법률같이 최신 지식 업데이트가 중요한 전문 도메인에서도 활용도가 높을 것으로 기대됩니다.
의사가 환자에게 최상의 치료를 제공하려면 최신 의학 정보를 알고 있어야 합니다. 예컨대, 의료진이 RAG 시스템에 증상이나 의학적 질문을 입력하면, 시스템은 유사한 증상에 대한 최근 연구, 치료 프로토콜, 최신 임상연구 결과, 새로운 약물의 효능 및 부작용 보고서 등을 찾고, 이를 통합해서 치료에 도움이 될 만한 응답을 생성합니다.
매우 드물거나 전형적이지 않은 증상을 보여서 의사가 곧바로 진단하지 못하는 희귀병이나, 신체에 막대한 영향을 주는 치료가 빈번하게 진행되는 암과 같은 질병의 경우 특히 유용하게 사용될 수 있습니다.
법률 분야도 마찬가지입니다. 국내 한 리걸테크 기업은 2023년 변호사용 AI 챗봇을 공개했는데요. 이 챗봇은 개인정보 포털에 공개된 최근 5년간 총 4360페이지에 달하는 결정문·심결례·가이드라인·판례집 등을 학습했으며, RAG를 활용해 국내법에 특화된 챗봇으로 구현됐습니다. 문장의 의미와 문맥을 이해하여 키워드 없이도 유사한 내용을 검색할 수 있고요.
3. 고객 서비스
누구나 한 번쯤 오작동하는 세탁기를 고쳐보려고 종이로 된 매뉴얼을 뒤적거리거나 상담원과 통화를 하려고 시간을 낭비해본 적이 있지 않나요?
RAG는 고객 지원 서비스를 강화하는 중요한 역할을 할 수 있습니다. 전자제품 제조업체가 RAG 기반 고객 지원 시스템을 구축하면 고객이 제품 사용 중 겪는 문제에 대해 관련 기술 문서와 FAQ, 과거 상담 내역, 지원 매뉴얼 등을 검색해서 질문에 보다 정확한 답변을 신속하게 제공할 수 있습니다. 고객 지원 업무의 효율과 고객 만족도를 동시에 높일 수 있는 기술입니다.
실제로 국내 한 금융사는 고객에게 이벤트 정보를 보다 정확하게 전달하기 위해 GPT 기반 챗봇 솔루션을 도입했습니다. 200건이 넘는 방대한 양의 원시 이벤트 정보를 데이터베이스에 업데이트했고, RAG를 통해 수많은 이벤트 정보를 신속하게 검색하여 고객에게 정확한 이벤트 정보를 챗봇을 통해 실시간으로 제공하는 데 성공했다고 하네요.
4. 직원 교육
잘 훈련된 직원은 조직의 자산이나 마찬가지입니다. 그러나 직원을 교육하는 데에는 많은 시간과 비용이 들죠.
자료에 따르면, 대규모 기업은 평균적으로 직원 한 명당 교육비로 약 $1,111를 사용합니다. 기술 집약적 산업에서는 고도로 특화된 교육 프로그램이 필요하기 때문에 더 많은 비용이 들고요. 또, 신입 엔지니어를 교육하는 데 보통 40~50시간이 필요합니다.
규모가 큰 기업일수록 직원 교육의 효율을 높일 수 있는 방안이 필요한 거죠.
RAG를 활용하면 새로운 직원이나 기술자에게 개인별 맞춤형 교육 콘텐츠를 제공할 수 있습니다.
직원이 가지고 있는 배경지식의 차이에 따라 각기 다른 난이도의 훈련 가이드를 제공하거나, 직원이 질문을 했을 때 최신 업데이트된 기술과 공정에 대한 자료를 기반으로 적확한 답변을 제공할 수 있습니다.
이를 통해 전통적인 교육 방식보다 더 적은 비용으로 더 빠른 시간 내에 직원이 현장에 적응할 수 있도록 훈련할 수 있습니다.
특히 최근 제조기업들은 제조 숙련공의 고령화로 인한 인력 부족 문제로 어려움을 겪고 있습니다. 2021년 연구에 따르면 숙련 노동자 부족으로 인해 2030년까지 210만 개에 달하는 일자리가 채워지지 않을 것으로 예상되죠.
만약 RAG 시스템에 숙련 작업자의 도메인 지식을 검색 가능한 데이터베이스로 수집하고 정리할 수 있다면 후임 직원이 이를 빠르게 찾아보고 전임자의 모범 사례로부터 실제 현장에 필요한 지식을 효과적으로 배울 수 있게 될 것입니다.
5. 노동 환경 개선
RAG를 활용하면 기업의 노동 환경을 개선하는 데까지 나아갈 수 있습니다.
예컨대, 제조 현장에서 품질이나 설비 이상 등의 문제가 생기면 현장 담당 노동자가 직접 출동해 문제를 파악하고 즉각 대처해야 하는 경우가 있는데요.
RAG를 활용해 특정 문제에 대한 과거 기록과 전임자의 노하우, 대처 매뉴얼 등을 빠르게 검색하고 최적의 해결 방안을 자연어로 제안받게 된다면, 불필요한 육체적, 정신적 노동 소모를 상당히 절감할 수 있습니다. 또한, 노동자의 리소스를 보다 효율적으로 사용함으로써 총 작업 시간도 줄일 수 있을 것으로 기대됩니다.
→ 다음 아티클에서 RAG를 사용하기 위해 반드시 해결해야 할 문제를 확인해보세요.