사모펀드 업무에서 기본 RAG 검색이 막히는 이유

일반적인 검색 증강 생성(RAG)은 문서를 작은 토큰 단위로 잘라 벡터 검색을 하는 방식이라, 단순한 질의응답에는 쓸 수 있다. 하지만 인수합병이나 사모펀드처럼 자료가 여러 시스템에 흩어져 있고 서로 강하게 연결된 업무에서는 한계가 커진다.

필요한 단서는 이메일의 투자은행 자료, 슬랙 대화, 셰어포인트의 투자 메모, 고객관리 시스템의 전문가 인터뷰처럼 여러 곳에 나뉘어 있을 수 있다. 예를 들어 2년 전 실사 통화에서 특정 인수 대상의 주요 경쟁사에 대해 내부 네트워크가 무엇을 말했는지 묻는 질문은 단일 문서 조각 하나로 답하기 어렵다.

표준 벡터 데이터베이스는 비슷한 단어가 들어간 문서 몇 개를 찾을 수는 있지만, 시간 순서, 정보의 출처, 사람과 프로젝트의 연결, 문서와 의사결정의 관계를 제대로 이해하지 못한다. 그래서 이런 복잡한 업무에서는 납작한 벡터 검색보다 관계를 명시적으로 다루는 지식 그래프가 더 알맞은 방식으로 거론된다.