RAG를 활용한 생성형 AI 윤리 Q&A 챗봇 설계와 구현

Q: 이 논문에서 정의한 검색 증강 생성(RAG)이란 무엇인가?

검색 증강 생성(RAG)은 대규모 언어 모델(LLM)이 기존 학습 데이터 외에 외부 데이터베이스에서 실시간으로 관련 정보를 검색하여 보다 정확하고 신뢰할 수 있는 응답을 생성하는 기술이다. 이는 LLM의 실시간 정보 검색 한계나 문맥 부족으로 인한 환각 증상을 해결하기 위해 등장하였다. RAG는 검색 단계와 생성 단계로 구성되며, 검색된 문서의 내용을 반영하여 정확하고 문맥적으로 풍부한 답변을 제공한다.

Q: RAG 기반 챗봇이 기존 생성형 AI 모델보다 비정형 데이터 처리에서 우수한 성능을 보이는 핵심 요인은 무엇인가?

연구 결과, RAG 기반 챗봇은 LlamaParse를 활용하여 PDF 문서 내 이미지, 표, 다이어그램 등 비정형 데이터를 마크다운 형식으로 변환함으로써 시각적 구조를 보존하고 정확하게 정보를 추출한다. 이는 기존 상용 AI 모델들이 비정형 데이터 처리에서 한계를 보이는 것과 달리, 문서의 특성에 기반한 정교한 파싱 및 임베딩 설계를 통해 신뢰성 높은 응답을 생성하는 데 기여한다.

길완제; 신인수

doi:10.9708/jksci.2025.30.09.021

학술저널

저자정보: 길완제 (Dongguk University) 신인수 (Dongguk University)

저널정보: 한국컴퓨터정보학회 한국컴퓨터정보학회논문지 한국컴퓨터정보학회 논문지 제30권 제9호(통권 제258호)

오류 신고하기

피인용 0

검색

초록·키워드

본 연구는 생성형 AI의 윤리적 활용을 지원하기 위해 검색 증강 생성(RAG) 기법을 적용한 윤리 Q&A 챗봇을 설계·구현하였다. ‘생성형 AI 윤리가이드북(2023년)’ PDF 문서를 근거로 한 답변 성능을 평가한 결과 기존 생성형 AI 모델(ChatGPT, Gemini, DeepSeek)과 비교하여, RAG 기반 챗봇은 문서 내 비정형 데이터(표, 다이어그램 등)에서 우수한 응답 성능을 보였다. RAGAS(Retrieval-Augmented Generation Assessment Score) 평가 프레임워크를 활용해 주요 지표(Context Recall, Factual Correctness 등)를 분석한 결과, RAG 챗봇은 문서 기반 정보 검색의 신뢰성을 높이며 윤리 교육에 효과적으로 활용될 수 있음을 확인하였다. 본 연구는 AI 윤리 교육과 가이드라인 개발에 기초 자료를 제공한다.

#Generative AI #Retrieval-Augmented Generation (RAG) #Ethical AI #Q&A Chatbot #AI Ethics Guidelines #생성형 AI #검색 증강 생성(RAG) #윤리적 AI #Q&A 챗봇 #AI 윤리 가이드라인

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

UCI(KEPA) : I410-151-26-02-094437013

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료