Why: RAG를 사용 해야 할까?

도대체 RAG는 뭘까? 에서 설명 했듯이 RAG의 경우 일반적인 수준의 LLM을 서비스의 의도에 맞게 결과를 생성하게 만드는 생성방식이다.

 

그러면 이런 RAG를 사용하는 이유가 뭘까?

 

RAG를 사용해야하는 이유는 아래와 같다.

1. 현실적인 문제
   • 시간: 프로젝트를 진행하는 목적은 다르겠지만 대부분의 프로젝트는 한정적인 시간을 가지고 있다. 반면에 기존의 LLM을 대체 할 수 있는 수준의 Model을 만드는데는 많은 시간이 든다. 
   • 규모: 지금 개인적인 현상황에 있어서 LLM을 만드는건 불가능하다. 기존의 성능을 내기 위한 데이터 확보 부터 구현과 테스트까지의 그 규모는 감당이 되지 않는다.
2. 신뢰성
   • 위의 문제들이 해결 된다해도 새로운 LLM을 처음부터 만드는 것은 신뢰성에 문제를 일으킨다. 현재 나온 LLM의 신뢰성이 보장 됐기에 사용된다. 허나 새로운 LLM은 신뢰성을 확보하기 위해서 긴 시간과 많은 노력이 든다. 
3. 효율
   • 사실 위의 문제들에 대한 대체제는 Finetuning이라는 방식을 사용하면 어느 정도 해결이 된다. 하지만 Finetuning 역시 조정의 시간과 테스트의 기간과 투입해야하는 재원을 보면 효율적이라고는 할 수 없다.

그러면 굳이 왜 RAG를 사용해야 할 까?

바로 신뢰 받는 LLM에 재한된 혹은 이미 선별된 Resource를 바탕으로 서비스에 목적에 맞춰 생성이 가능하기 때문이다. 

 

즉, RAG는 만능이 아니지만 현실적인 선안에서 효율적이고 신뢰도가 준수한 서비스에 맞는 생성형 ai를 만드는 방식이 될 수 있다.