GraphRAG 소개 — 그래프 기반 RAG가 해결하는 문제
GraphRAG 소개
회사 내부 문서처럼 LLM이 한 번도 보지 못한 사설 데이터로 질문을 받아보면, 단순 벡터 검색만으로는 전체 그림을 이해하기 어려운 경우가 많아요. GraphRAG는 Microsoft Research가 만든 RAG 접근 방식으로, 원문 조각을 단순 검색하는 대신 데이터 전체에서 지식 그래프(knowledge graph)를 추출하고, 커뮤니티 계층을 만들고, 그 요약을 활용해 복잡한 정보에 대해 답하는 데 강점을 가져요.
기존 RAG와 무엇이 다른가요
기존 RAG(여기선 Baseline RAG)는 대개 벡터 유사도로 조각을 찾아 프롬프트에 넣는 방식이에요. 단일 문서나 큰 데이터셋을 '통째로 이해'하는 질문에서는 이 방식이 한계를 보이죠. GraphRAG는 입력 코퍼스에서 엔티티·관계·주요 주장을 추출해 그래프로 만들고, 이 그래프와 커뮤니티 요약, 그래프 머신러닝 결과를 질의 시점에 사용해요.
누구를 위한 도구인가요
기업의 연구 자료·업무 문서·커뮤니케이션처럼 특정 도메인에 깊이 있는 이해가 필요한 사설 데이터를 다루는 팀에 적합해요. LLM이 그 데이터를 결코 학습하지 않았다는 점을 전제로 하고, LLM 생성 지식 그래프를 통해 추론 능력을 끌어올리는 게 핵심이에요.