디노티시아의 ‘벡터DB 혁신’, 그 배경에 씨홀스클라우드·VDPU 양대 전략

검색증강생성(RAG)은 이제 단순한 실험적 기술이 아니라, 조직 내부 데이터와 AI를 연결하는 엔터프라이즈 AI솔루션의 표준아키텍처로 자리 잡았다. 이를 통해 모델 재학습 없이도 최신 데이터를 연결해 답변의 정확성을 보완할 수 있으며, 지속적인 모델학습 비용 부담도 줄일 수 있다.게다가 AI가 질문에 답하는 것을 넘어 스스로 계획을 세우고 도구를 활용해 행동을 수행하는 AI 에이전트로 성능이 진화하며 RAG 역시 에이전틱 RAG로 나아가고 있다. 초기의 RAG가 질문과 관련된 문서를 검색해 답변에 활용하는 방식이었다면 이제는 AI가 검색 결과의 당위성을 판단하고 최적의 결과물을 찾는 에이전틱 RAG, 데이터 간 관계를 지식 그래프로 구성해 활용하는 그래프RAG 형태로 발전하고 있다.이제 AI 업계에서는 언어모델 자체의 성능을 높이는 것을 넘어 모델에 무엇을 어떻게 전달할 것인가로 옮겨가고 있다. 검색 성능을 끌어올리고, 필요한 문서를 의미 단위로 어떻게 분할할 것인가? 벡터, 키워드, 그래프 검색을 어떻게 결합할 것인가 검색된 후보의 우선순위를 어떻게 재조정할 것인가? 그리고 그 결과를 어떤 지표로 지속 검증할 것인가 까지 이른바 컨텍스트 엔지니어링 영역이 AI 서비스의 품질과 완성도를 결정 짓는 핵심 요인으로 떠오르고 있다. 벡터DB와 관련된 시장 동향과 디노티시아의 시장경쟁력 등을 확인해보고자 이장원 디노티시아 사업개발그룹장(상무)를 강남 소재 사무실에서 만났다 / 출처=IT동아 장기기억 인공지능 인프라 전문 기업 디노티시아가 집중하는 부분이 바로 이 대목이다. 디노티시아는 벡터 데이터베이스와 AI 에이전트 구축·운영 기능을 제공하는 씨홀스 클라우드, 벡터 검색을 가속하는 AI 반도체 VDPU(Vector Data Processing Unit)라는 두 축을 바탕으로 AI 고도화를 지원한다. 디노티시아 씨홀스클라우드의 기술적 특징과 경쟁력을 확인해보고자 이장원 디노티시아 사업개발그룹장(상무)을 만나 얘기를 나눠보았다.“기업 AI 구축의 주요 난관은 데이터 전처리 구성”시장조사기업 가트너가 올해 1월 발표한 ‘생성형 AI 프로젝트의 50%가 실패하는 이유와 성공 가능성을 높이는 방법’이라는 보고서를 살펴보면 가장 근본적인 AI의 실패 원인은 사업적 가치 부족이다. 명확한 우선순위가 설정되지 않았거나 이상적 결과만을 염두에 두고 시작해 마무리가 좋지 않은 것이다. 사업적 가치 부족은 가장 큰 원인이지만 기술보다는...