AI 환각 없앨 데이터 통합 기술 나왔다... 챗GPT보다 뛰어난 에이전트 기대

속성-관계 데이터 통합 처리 기술 개발
LLM 한계 넘는 고성능 에이전트 가능
국방·조선·반도체 기업, 개념검증 진행

생성형 AI 챗GPT 로고가 표시된 스마트폰이 컴퓨터 메인보드 위에 위에 놓여 있다. 연합뉴스

할루시네이션(환각)을 최소화하고 실시간 데이터 기반으로 정확한 답변을 내놓는 고성능 인공지능(AI) 에이전트를 구현할 수 있는 기반기술이 나왔다. 복잡한 데이터 관계를 한 번에 분석하고 처리해 거대언어모델(LLM)의 한계를 극복하는 기술이다.

한국과학기술원(KAIST·카이스트)은 김민수 전산학부 교수 연구진이 표와 그래프를 동시에 처리하는 데이터베이스(DB) 기술 '키마이라(Chimera)'를 개발했다고 8일 밝혔다. 엑셀처럼 표 형식으로 정보를 저장·조회하는 관계형 DB와, 복잡한 관계를 점과 선으로 표현하는 그래프 DB를 한 시스템 안에서 통합해 사용할 수 있도록 설계한 것이다.

연구진에 따르면 국방, 조선, 반도체, 통신 등 다양한 산업에서 이 기술 도입에 관심을 보이고 있다. 연내 주요 기업들과 개념 검증을 거쳐 내년부터 본격 상용화에 들어갈 수 있을 것으로 연구진은 예상하고 있다. 김 교수는 "기업들이 보유한 다양한 형태의 데이터를 통합적으로 활용할 수 있게 해 AI 서비스의 신뢰도와 응답 정확도를 크게 높일 수 있다"고 말했다.

현재 시스템에선 관계형과 그래프 DB를 별도로 운영하는 경우가 많다. 관계형 DB는 고객 정보나 거래 내역처럼 구조가 명확한 데이터를 다루는 데 적합하고, 그래프 DB는 사람과 사람, 사건과 장소처럼 복잡하게 얽힌 관계를 분석할 때 유리하다. 하지만 구조가 다른 두 시스템을 함께 쓰면 처리 속도가 느려지고, 데이터의 최신성이나 일관성 유지에도 한계가 있다.

관계형 데이터와 그래프 데이터를 동시에 처리할 수 있는 기술을 개발한 한국과학기술원(KAIST·카이스트) 전산학부의 김민수(오른쪽) 교수와 이건호(가운데) 박사과정생. AI 스타트업 그래파이의 박정호(왼쪽 위 원 안) 엔지니어도 개발에 참여했다. 카이스트 제공

연구진은 이런 문제를 '이중 저장 방식(듀얼 스토어 구조)'과 '탐색-조인 연산자'로 해결했다. 관계 구조와 속성 정보를 따로 저장하되 서로 연결해 질문에 답할 수 있도록 구성한 것이다. 이렇게 하면 '환자 A와 유사한 진료 기록을 가진 다른 환자들이 최근 복용 중인 약물은 무엇인가' 같은 복잡한 질문도 빠르고 정확하게 처리할 수 있다.

기존 AI는 학습된 범위 내에서만 답할 수 있지만, 키마이라를 기반으로 하면 최신 데이터와 연결된 정보까지 탐색하고 답을 도출할 수 있다고 연구진은 설명했다. 검색증강생성(RAG) 구조와 결합하면 LLM의 한계도 보완할 수 있다. '더 똑똑한' AI 서비스 구현이 가능하다는 의미다. 먼저 개발된 통합 DB 시스템이 있긴 하지만, 국제 벤치마크 결과 키마이라는 기존 기술보다 최대 280배 빠른 속도를 기록했다고 연구진은 전했다.

김태연 기자 tykim@hankookilbo.com