RAG의 한계를 넘다! 지식 그래프로 진화한 GraphRAG 완벽 가이드 | 흩어진 데이터를 지식의 망으로 잇는 그래프랙

00:00 GraphRAG의 정의와 초거대 AI의 새로운 두뇌 구조로서의 역할 소개
01:00 기존 Vector RAG 시스템의 한계점 (단편적 이해, 문맥 소실, 추론의 한계) 설명
01:58 지식 그래프와 생성 AI가 융합된 GraphRAG의 핵심 개념 및 엔티티 관계 추출
02:49 Vector RAG와 GraphRAG의 데이터 구조, 검색 방식, 장단점 비교 분석
04:55 GraphRAG 구축 1단계: 청킹, 정보 추출 및 그래프 인덱싱을 통한 지식 변환
06:46 GraphRAG 구축 2단계: 커뮤니티 탐지 및 상향식 요약을 통한 거시적 테마 파악
08:26 GraphRAG 구축 3단계: Global/Local Search를 활용한 답변 생성...
11:30 GraphRAG의 장점 1: 다중 홉(Multi-hop) 추론을 통한 숨겨진 관계성 탐색
12:29 GraphRAG의 장점 2: 논리적 경로 시각화를 통한 투명성 및 높은 신뢰성 확보
13:42 의료, 법률, 과학 등 GraphRAG가 강력하게 활용될 수 있는 주요 전문 분야
14:24 방대한 데이터에서 전체적인 테마와 동향을 조망하는 센스메이킹(Sensemaking) 기능
15:30 시스템 구현을 위한 3가지 아키텍처 모델: Knowledge-based, Index-...
16:18 Vector의 속도와 Graph의 깊이가 결합된 상호 보완적 하이브리드 솔루션의 가치
17:45 성공적인 GraphRAG 도입을 위한 3단계 전략: 도메인 모델링, 기술 스택 통합,...
20:16 맥락을 이해하는 지능형 파트너로서의 GraphRAG 요약 및 미래의 질문 역량 강조