세 시스템의 중복 비용
같은 데이터를 반복 저장하고 각각 운영합니다.
데이터 과제
규정 하나 바꿨는데, AI는 예전 문서로 답합니다.
원본은 고쳤지만 검색 인덱스와 관계 데이터는 언제 바뀌었는지 모릅니다. 세 시스템을 맞추는 일이 데이터팀의 일이 됩니다.
이런 책임자라면
AI 데이터 기반의 비용, 속도, 폐쇄망 운영을 함께 책임지는 CIO, CDO, 데이터 플랫폼 책임자
동기화 지연과 답변 불일치
갱신 시점이 달라 AI가 서로 다른 근거를 참조합니다.
폐쇄망과 이전의 부담
클라우드 전용 서비스와 복잡한 이전이 도입을 늦춥니다.
내부 비교 측정 · 지원 범위
한 엔진으로 줄이고, 검색과 관계 탐색을 빠르게.
동일한 컴퓨팅 환경에서 측정한 성능과 현재 지원 범위입니다.
최대 12배
그래프 n-hop 속도
Apache AGE 대비 동일 컨테이너 최대 측정값
2.5배
키워드 검색 속도
100개 쿼리에서 VectorChord-BM25 대비
57종
파일 형식 처리
문서, 코드, 미디어, 이미지, 이메일
10종
외부 데이터 소스
내부 AICLUDE 전용 어댑터 1종 별도
그래프: 노드 3,595개, 엣지 3,187개, 4 vCPU, 8GB, 20회 반복. 키워드: 문서 4,000건, 쿼리 100개, 3회 중앙값. 비교 기준은 Apache AGE와 VectorChord-BM25입니다.
구매 시나리오
옮기기 전에 확인하고, 처리 중에도 진행을 봅니다.
이전 샘플을 검토한 뒤 적용 범위를 정합니다. 업로드한 문서는 원문부터 확인하고, 검색 준비 상태를 따로 살핍니다.
01 이전 전 점검
샘플과 변환 경고부터 봅니다.
지원 소스의 연결과 샘플 데이터를 점검하고 예상 건수와 변환 경고를 확인합니다.
문제를 전체 적재 전에 발견
02 문서 처리
끝날 때까지 빈 화면을 보지 않습니다.
추출한 원문을 먼저 확인합니다. 검색용 처리는 배치로 진행하며, 처리 상태는 저장되어 재시작 후 이어집니다.
원문 확인과 검색 준비를 구분
03 효과 검증
우리 질문으로 다시 검색해 봅니다.
자주 쓰는 질문과 정답 근거를 정하고, 검색 속도와 누락된 자료, 운영 작업을 기존 환경과 비교합니다.
자체 데이터로 도입 판단
인터랙티브 제품 예시
하나의 데이터 기반에서 답이 만들어지는 과정을 보세요.
검색 방식과 근거 확인 흐름을 체험하는 예시 화면입니다. 표시된 데이터는 고객 운영 데이터나 실시간 측정 결과가 아닙니다.
clue.aiclude.com / playground
G0000003
[email protected]platform_admin
RAG 플레이그라운드
Classic · Hybrid · Graph · Graph N-hop 을 동시에 실행해서 품질·지연·비용을 비교합니다.
쿼리 설정
질의와 하이퍼파라미터를 지정한 뒤 선택된 모드를 병렬 실행합니다.
실행할 모드
4개 모드 선택됨
기술 검토
엔진 구조와 벤치마크 조건은 기술 문서에서 확인하세요.
PostgreSQL 구조, Graph n-hop, 검색, 인제스트, 이전과 배포 사양을 구현 담당자가 별도로 검토할 수 있습니다.