Structured RAG로 엔터프라이즈 정확도 개선

기존 embedder-based RAG는 유사한 문서 조각을 가져오는 데는 강하지만, 집계·비교·전수 확인이 필요한 질의에서는 자주 실패한다. 재무, 컴플라이언스, 규제 문서처럼 한 건이라도 빠지면 위험한 영역에서는 이런 한계가 치명적이다.

AI21 Maestro의 **Structured RAG(S-RAG)**는 문서를 사전에 구조화된 관계형 DB로 바꾸고, 질의 시 SQL로 필터링·집계·비교를 수행한다. 금융공시, 이력서, 계약서처럼 반복 패턴이 있는 문서에서는 스키마를 자동 추론하거나 사용자가 직접 정의할 수 있으며, 원문 링크를 함께 남겨 추적 가능성과 통제력을 확보한다.

• 집계형 질문에서는 최대/최소, 평균, 추세 분석을 정확하게 처리한다.
• 전수형 질문에서는 스키마가 맞으면 누락 없이 항목을 찾는다.
• 밀집 코퍼스에서는 정확한 속성으로 먼저 좁힌 뒤 필요한 경우에만 텍스트 검색을 붙인다.

기사에 따르면 이 하이브리드 구조는 집계형 벤치마크에서 최대 60% 높은 정확도를 보였고, 전수형 질문에서는 거의 완벽한 재현율을 냈다. 결과적으로 AI21 Maestro는 대규모 문서와 복잡한 질의, 감사 가능성이 중요한 엔터프라이즈 업무를 위한 더 신뢰할 수 있는 검색·응답 엔진으로 제시된다.