- 기업용 AI 도입의 골칫거리인 ‘환각’을 줄이는 DB 기술이 KAIST에서 나왔습니다.
- 문서·표·관계형 데이터를 통합해 한 번의 질의로 근거를 찾는 방식이 핵심입니다.
- 정확도는 최대 78% 향상, 복합 검색은 최대 20배 빨라져 실무 적용 기대가 큽니다.

안녕하세요. 디지털에이전시 이앤아이입니다.

기업에서 AI 에이전트를 붙여보면 생각보다 빨리 부딪히는 벽이 있죠. 답을 ‘그럴듯하게’ 말하는데, 근거가 틀리거나 없는 경우입니다. 이른바 환각 현상인데요.
KAIST 전산학부 김민수 교수 연구팀이 이 문제를 줄이는 데 초점을 맞춘 차세대 데이터베이스 기술 ‘아카식DB(AkasicDB)’와, 이를 활용한 새로운 RAG 방식 ‘옴니RAG(Omni RAG)’를 공개했습니다.

이번 소식의 핵심은 “AI가 참고할 근거를 더 잘 찾게 만들면, 환각도 줄어든다”는 아주 현실적인 접근입니다.
기업 내부 데이터는 보고서나 계약서 같은 문서도 있고, 매출·재고처럼 표 형태 데이터도 있고, 사람·기업·제품처럼 관계로 얽힌 정보도 있습니다. 그런데 기존 시스템에서는 이런 데이터를 벡터 DB, 관계형 DB, 그래프 DB로 따로 관리하는 경우가 많아 AI가 근거를 모으는 과정이 복잡해지고, 그 사이에 누락이나 왜곡이 생기기 쉬웠습니다.

아카식DB는 이 세 가지를 하나의 시스템으로 통합합니다. 문서 의미를 찾는 벡터 검색, 개체 간 연결을 따라가는 그래프 탐색, 날짜·조건을 정확히 거는 관계형 필터링을 한 번에 처리할 수 있게 설계된 거죠.
예를 들어 “작년에 체결된 계약서 중 A사 관련 조항을 찾고, 그 조항이 어떤 제품 공급 이슈와 연결되는지 설명해 달라” 같은 질문은 원래 여러 DB를 오가며 결과를 조합해야 했는데, 옴니RAG는 이를 하나의 질의와 실행 계획 안에서 통합 수행하도록 만들었습니다.

효과도 꽤 인상적입니다. 연구팀 발표에 따르면 복합 검색 질의 처리 시간이 기존 최대 21.3초에서 1초 이내로 줄어 최대 20배 이상 빨라졌고, RAG 답변 정확도도 기존 대비 최대 78% 향상됐다고 합니다. 토큰 사용량을 줄이고 응답 지연시간을 단축할 수 있다는 설명도 함께 나왔는데요. 실무 관점에서는 ‘정확도’만큼이나 ‘속도’와 ‘비용’이 도입 성패를 가르는 경우가 많아서 더 눈길이 갑니다.

이런 기술이 특히 빛을 발할 곳은 신뢰성이 중요한 조직입니다.
국방·제조·금융·법률·과학기술처럼 “대충 맞는 답”이 허용되지 않는 분야에서는, 모델을 더 키우는 것보다 데이터 인프라를 정교하게 다듬는 편이 효과적일 때가 많거든요. '
이번 연구가 교원창업기업 ㈜그래파이와 협력해 진행됐고, ACM SIGMOD 2026에서 데모 논문으로 발표됐다는 점도 ‘연구실 아이디어’에 그치지 않고 실제 구현을 염두에 뒀다는 신호로 읽힙니다.

이앤아이 관점에서 보면, 앞으로의 기업용 AI는 “좋은 모델”만으로는 부족하고 “좋은 검색과 데이터 설계”가 성능을 좌우할 가능성이 큽니다.
특히 웹사이트·포털·인트라넷처럼 문서와 공지, 규정, 업무 데이터가 함께 굴러가는 환경이라면, 어떤 데이터를 어디에 저장하고 어떻게 연결해 검색할지부터 다시 점검해볼 타이밍입니다.

이앤아이와 함께 더 나은 웹 환경을 만들어 나가요!

#아카식DB #옴니RAG #RAG #기업용AI #AI환각 #데이터베이스 #벡터DB #그래프DB

#이앤아이 #디지털에이전시 #ENIMedia #AI전문기업