에이전틱 검색
에이전틱 검색은 AI 에이전트( 주로 대규모 언어 모델 기반)가 단 한 번의 정적인 검색을 하는 대신 다단계 검색 과정을 능동적으로 계획하고 수행하는 정보 검색 방식입니다. 에이전트는 쿼리를 분해하고, 어떤 소스나 도구를 참고할지 결정하며, 여러 차례 검색을 실행하고, 검색 결과를 평가합니다. 그리고 답변에 필요한 충분한 정보를 수집할 때까지 이 과정을 반복하며 접근 방식을 개선해 나갑니다.
요약하자면, 기존 검색이 한 번만 정보를 가져오는 방식이라면, 에이전틱 검색은 질문에 대한 진정한 답을 얻을 때까지 추론과 정보 검색, 재검색을 반복합니다.
에이전틱 검색의 작동 방식
에이전틱 검색은 기존의 ‘쿼리 입력, 결과 출력’이라는 단일 단계를 다음과 같이 에이전트가 제어하는 반복적 루프로 대체합니다.
- 의도 파악: 표면적인 검색어 뒤에 숨은 암묵적인 제약 조건과 본질적인 목표를 포함하여, 사용자가 실제로 원하는 바를 해석합니다.
- 계획 및 분해: 복잡한 질문을 독립적으로 조사할 수 있는 더 작은 하위 질문이나 과제로 나눕니다.
- 도구 및 출처 선택: 웹 검색 인덱스, 벡터 데이터베이스, 내부 지식 기반, 구조화된 API 또는 이들의 조합 중에서 선택하여 검색 대상을 결정합니다.
- 반복적 검색: 때로는 병렬로, 때로는 순차적으로 검색을 실행하고 그 결과를 읽어옵니다.
- 평가: 검색된 자료가 관련성이 있고 충분하며 신뢰할 수 있는지를 판단하고, 누락된 부분이나 모순을 파악합니다.
- 보완 및 개선: 이러한 판단을 바탕으로 쿼리를 재구성하거나, 더 깊이 분석하거나, 새로운 관점을 탐색하며, 필요에 따라 이 과정을 반복합니다.
- 종합: 충분한 정보를 확보하면, 출처를 명시하면서 수집한 내용을일관성 있는 답변으로 정리합니다.
이 모델의 대표적인 특징은 ‘자기 진단’ 기능으로, 답변이 불완전하거나 신뢰도가 낮은 경우 이를 알아차리고 답변을 반환하기 전에 다시 검색할지 여부를 결정할 수 있습니다.
에이전틱 검색 vs. 키워드 및 시맨틱 검색
- 키워드(어휘) 검색은 일반적으로 별도의 다단계 계획 루프 없이, 쿼리에 포함된 단어들과 문서 내 단어들을 문자 그대로 일치시켜 찾는 방식입니다.
- 시맨틱 검색은 정확한 단어 일치 대신 임베딩을 활용하여 의미 기반으로 매칭함으로써, 가장 유사한 문장을 찾아냅니다. 이는 대개 단 한 번의 검색 과정으로 구현됩니다.
- **표준 검색 증강 생성(RAG)**은 대개 관련 맥락을 한 번 검색한 후 이를 대규모 언어 모델(LLM)에 입력하여 답변을 생성하지만, 반복적인 변형 방식도 존재합니다.
- 에이전틱 검색은 이러한 기법들에 자율성과 반복 과정을 더합니다. 에이전트는 키워드 검색이나 시맨틱 검색을 도구로 활용할 수 있지만, 검색 횟수, 다음에 무엇을 검색할지, 그리고 언제 검색을 끝낼지는 스스로 결정합니다.
에이전틱 검색은 에이전틱 RAG와 밀접한 관련이 있으며, 두 개념의 차이는 주로 중점을 두는 부분에 있습니다. 에이전틱 검색은 자율적인 다단계 검색 행위에 초점을 맞추는 반면, 에이전틱 RAG는 그러한 검색 행위와 답변 생성을 결합한 전체 파이프라인을 의미합니다.
에이전틱 검색이 적용되는 분야
- AI 답변 엔진 및 “심층 연구” 도구: 답변을 제공하기 전에 다양한 출처의 정보를 종합합니다.
- 기업용 지식 지원 도구: 문서, 위키, 티켓팅 시스템, 데이터베이스 전반을 검색하여 직원의 질문에 답변합니다.
- 고객 지원 에이전트: 여러 시스템에 걸쳐 정책, 계정 세부 정보, 문서를 조회하여 문제를 해결합니다.
- 코딩 어시스턴트: 코드베이스, 종속성, 문서를 검색하여 맥락을 파악한 뒤 수정 사항을 제안합니다.
- 전문 연구: 법률, 의료, 금융 분석 등 여러 공신력 있는 출처를 교차 검증해야 정확한 답변이 나오는 분야의 워크플로.
에이전틱 검색은 질문이 복잡하거나 여러 출처에 걸쳐 있거나 단일 문서로는 답변할 수 없는 경우, 즉 한 번의 검색만으로는 종종 한계에 부딪히는 상황에서 가장 큰 가치를 발휘합니다.
관련 용어
검색 증강 생성(RAG), 에이전틱 RAG, 시맨틱 검색, 벡터 데이터베이스, 임베딩, 쿼리 분해, 도구 활용, LLM 에이전트.