현장에 데모를 들고 가면 거의 매번 똑같은 장면이 나옵니다. 공장장님이 팔짱을 끼고 한참 보다가 이렇게 말씀하세요. "답은 잘 하네. 근데 이거 믿고 일해도 돼요?" 솔직히 이 질문이 핵심입니다. 요즘 LLM은 충분히 똑똑합니다. 문제는 똑똑함이 아니라 신뢰예요. 그리고 제조 현장에서 AI가 신뢰를 못 얻는 이유는, 대부분 모델이 모자라서가 아니라 질문의 종류가 일반 챗봇과 완전히 다른데 검색 방식은 챗봇 그대로이기 때문입니다. 오늘은 그 얘기를 좀 해보려고 합니다. 흔한 RAG가 공장에서 왜 미끄러지는지, 그리고 저희가 검색을 네 갈래로 쪼개서 어떻게 풀었는지. 좀 길어질 텐데, 끝까지 보시면 "아 그래서 숫자를 안 틀리는구나" 정도는 가져가실 수 있을 겁니다. 일단, 흔한 RAG부터 짚고 가죠 사내 문서를 AI에 붙이는 가장 흔한 방법이 벡터 검색 기반 RAG입니다. 거창해 보이지만 원리는 간단해요. 문서를 잘게 잘라서 "의미"를 숫자 벡터로 바꿔 저장해 둡니다. 그러다 질문이
