RAG
지금 필요한 근거를 찾아옵니다.
사용자가 볼 권한이 있는 원문에서 관련 문장과 위치를 찾습니다.
- 법령·판례·특허 원문
- 매뉴얼·업무 규정
- 사건·고객·프로젝트 자료
근거는 우리 자료에서,
답변도 우리 기준으로.
근거는 설비 데이터와 법령·특허, 업무 문서에서 그때그때 찾습니다. 쓰고 검토하는 방식은 AI가 익힙니다.
AI가 만든 답,
사람이 매번
다시 손보고 있나요?
자료만 넣어서는 우리가 일하는 방식까지 전해지지 않습니다.
최신 문서를다시 찾고
우리 조직의 문서 형식으로다시 쓰고
빠진 항목과 표현을다시 다듬습니다
업무 자료를 준비할 때
검색할 자료와 학습할 작성 기준을 구분합니다.
AI가 우리 업무를 익히려면,
무엇부터 준비해야 할까요?
업무 자료에서 근거를 찾고, 검토를 마친 사례로 작성 기준을 학습합니다. 검색에는 RAG를, 학습에는 Fine-Tuning을 사용합니다.
자료
발명 자료
발명신고서·명세서·도면·청구항
RAG
현재 특허 정보
KIPRIS 후보와 공개·등록 정보, 선행문헌 원문
Fine-Tuning
우리 비교 형식
청구항 요소 분해와 검토표 구조
검토할 결과
근거가 연결된 비교 초안
전문가가 확인할 문헌·요소·추가 조사 항목
신규성과 진보성, 침해 여부 판단과 제출은 변리사와 담당 전문가가 합니다.
RAG로 자료를 찾고
Fine-Tuning으로 작성 기준을 익힙니다.
최신 자료 검색과 문서 작성 방식의 학습을 구분해 한 업무 흐름에서 함께 사용합니다.
자료와 방식이하나의 초안으로→
Fine-Tuning
우리 조직의 기준을 익힙니다.
검토를 마친 사례와 수정 이력에서 자주 쓰는 구조와 표현을 모델이 배웁니다.
- 문서 구성과 문체
- 항목 분류와 상태값
- 검토 순서와 누락 점검
검토와 승인까지 이어갑니다.
만들어진 초안은 담당자가 검토하고 승인한 뒤 저장됩니다.
- 자료 수집
- 근거 검색
- 조직 형식
- 전문가 검토
- 승인·저장
인덱싱도 학습도,
화면에서 확인합니다.
RAG 인덱싱이 어디까지 됐는지, 학습 데이터가 어떻게 준비되는지 관리자 화면에서 봅니다.
RAG
어떤 자료가 검색되는지 봅니다.
새 자료는 학습 없이 인덱싱만 거치면 검색에 잡힙니다.
Fine-Tuning Plugin
업무 원본을 학습용 데이터로 바꿉니다.
XML, HTML, JSON, TXT 원본을 Markdown으로 바꿔 PT나 SFT 데이터셋을 만듭니다.
우리 조직에 Fine-Tuning이 필요한지
검토해보세요
먼저 RAG로 필요한 자료를 찾습니다. 검토를 마친 결과가 쌓이고 같은 작성·분류 기준을 반복해서 적용해야 할 때 Fine-Tuning을 검토합니다.
RAG부터 시작할 때
- 자료가 자주 바뀐다
- 원문과 출처가 중요하다
- 질문마다 찾아야 할 사실이 다르다
Fine-Tuning을 검토할 때
- 검증된 우수 사례가 반복된다
- 정해진 구조와 분류 기준이 있다
- 같은 오류를 계속 수정하고 있다
전문가의 판단이 필요한 일
- 법적·의학적 최종 판단
- 근거가 부족한 새로운 예외
- 책임이 따르는 승인과 실행
업종별로
검색할 자료와 학습할 기준을 정합니다.
업종에 맞는 자료와 문서 형식을 정하고, 최종 판단은 담당 전문가가 맡습니다.
| 업종 | RAG로 찾는 것 | Fine-Tuning으로 익히는 것 | 사람이 결정하는 것 |
|---|---|---|---|
법률·특허원문 근거를 확인하는 전문 문서 | 최신 법령·판례·특허 원문과 사건 자료 | 소장 구조·청구항 비교표·검토 문체 | 법률 전략·특허성 판단·최종 제출 |
제조·설비현장 기록을 조치 가능한 보고로 | 매뉴얼·점검 이력·오류 코드·설비 문서 | 이상 분류·조치 보고서·현장 용어 | 고장 원인 확정·정비와 가동 결정 |
의료·연구원자료와 연구 형식을 함께 유지 | 원자료·프로토콜·연구 문서·근거 논문 | CRF 서술·분류 기준·검토 양식 | 의학적 판단·대상자 안전·연구 승인 |
금융·보험규정과 우리 심사 기준을 같이 적용 | 상품 약관·규정·고객 제출 자료 | 심사 항목·사유서·위험 분류 형식 | 승인·거절·예외와 위험 판단 |
교육·콘텐츠최신 자료와 작성 기준을 반영한 결과물 | 교재·과정 자료·최신 참고 콘텐츠 | 피드백 문체·평가표·콘텐츠 구성 | 교육 목표·평가·출판 결정 |
학습보다 먼저,
좋은 결과의 기준부터 정합니다.
- 대표 업무 선정
반복되며 평가 가능한 업무 하나를 고릅니다.
- 자료와 기준 분리
검색할 최신 지식과 학습할 우수 사례를 나눕니다.
- 학습 전 기준 측정
현재 모델의 오류와 전문가 수정 시간을 기록합니다.
- 소규모 학습·평가
같은 평가셋으로 형식·누락·근거를 비교합니다.
- 제한 적용과 개선
전문가가 승인한 범위부터 적용하고 수정 사례를 쌓아 갑니다.
반복되는 업무 하나부터
우리 조직에 맞는 AI를 검토하세요.
업무 문서와 검토를 마친 사례로 검색할 내용, 학습할 작성 기준, 담당자의 승인 범위를 정합니다.