본문 바로가기
300x250
반응형

rag13

미스트랄 OCR 4, AI 문서 검색이 완전히 달라지는 이유 요즘 회사에서 AI 도입 얘기 나오면 꼭 이런 불만이 따라와요. "PDF 넣어봤는데 답이 이상해요", "표에서 숫자를 엉뚱하게 읽어요." 저도 처음엔 모델 탓인가 했는데, 알고 보니 문제의 뿌리는 대부분 OCR 단계였어요.OCR이 뭔지부터 가볍게 짚어볼게요OCR은 이미지나 스캔 문서 속 글자를 컴퓨터가 읽을 수 있는 텍스트로 바꿔주는 기술이에요. 종이 계약서를 스캔하면 그냥 이미지 파일이 되는데, 여기서 글자를 뽑아내는 역할을 OCR이 합니다. 명함 찍어서 연락처 저장하거나 영수증에서 금액 읽어내는 것도 다 OCR 기반이에요.기업에서는 청구서, 계약서, 의료 기록, 법인등기부등본 같은 문서를 대량으로 처리할 때 이 기술을 씁니다. 한 줄로 정리하면, OCR은 종이나 이미지 속 글자를 AI가 읽을 수 있게.. 2026. 7. 16.
🧠 AI 에이전트가 회사를 "이해"한다는 게 무슨 뜻일까? AI가 "회사를 이해한다"는 게 무슨 뜻인지 아시나요?요즘 기업 담당자분들과 대화하다 보면 비슷한 말이 자주 나와요."슬랙 연결했고, 구글 드라이브도 연결했고, CRM도 붙였어요. 근데... 여전히 중요한 건 사람이 다시 확인해야 해요."공감되시는 분 많을 것 같은데요.2025년 한 해 동안 국내 기업들은 앞다퉈 AI 에이전트를 도입했습니다. 각종 업무 툴에 MCP 서버를 연결하고, API를 붙이고, 에이전트를 '꽂아' 넣었죠. 그런데 현장의 반응은 대체로 비슷합니다. "답은 그럴듯한데 근거가 불안하다", "조금 깊이 들어가면 엉뚱한 답을 낸다"라는 것들이요.왜 그럴까요? 그건 우리가 AI에게 접근권(access)만 줬지, 이해(understanding)를 만들어주지 않았기 때문입니다.이 글에서 그 차이.. 2026. 5. 26.
🤔 AI 시스템, 왜 엉뚱한 답을 내놓을까? "질문이 곧 설계도"인 이유 "분명히 물어봤는데, 왜 이런 답이 나온 거지?"AI 챗봇을 쓰다 보면 한 번쯤은 이런 경험을 하게 되더라구요. 분명 뭔가를 물어봤는데, 답은 관련이 있어 보이긴 하는데 내가 진짜로 알고 싶었던 건 아닌 그 묘한 어긋남.대부분의 사람들은 이걸 "AI 성능 문제"라고 생각해요. 모델이 부족한 거겠지, 데이터가 부족한 거겠지 하고요. 근데 실제로 파고들면 전혀 다른 원인이 나와요.문제의 핵심은 시스템을 만들 때 "이 시스템이 어떤 질문에 답해야 하는가"를 처음부터 정의하지 않았다는 데 있어요. 들으면 당연한 것 같은데, 현실에서는 놀라울 정도로 자주 무시되는 원칙이에요.오늘은 정보 아키텍트 제시카 탈리스만이 제안한 개념을 바탕으로, 왜 "질문이 설계도"인지, 그리고 이게 우리가 요즘 가장 많이 쓰는 RAG .. 2026. 4. 15.
🤖 AI 제품 감각을 키우는 가장 확실한 방법 - Cursor로 시작하는 실전 학습법 "안다"고 생각했는데, 정작 아무것도 모르고 있었다회의 중에 "서브에이전트", "컨텍스트 엔지니어링", "에이전트 메모리"라는 말이 나왔을 때, 고개를 끄덕이면서도 속으로는 '그게 실제로 어떻게 돌아가는 거지?' 하고 아리송했던 경험, 한 번쯤 있으시죠?AI 영상도 보고, 인포그래픽도 북마크하고, 심지어 AI 기능을 직접 서비스에 출시해봤는데도 여전히 핵심을 놓치고 있다는 느낌이 드는 거, 절대 여러분 문제가 아닙니다. 솔직히 말하면, 대부분의 AI 콘텐츠는 진짜 이해를 도와주는 게 아니라 FOMO를 자극하도록 설계되어 있거든요.그런데 요즘 AI 제품을 기획하고 개발하는 사람들 사이에서 완전히 다른 학습법이 주목받고 있어요. ChatGPT 같은 소비자용 UI를 벗어나, Cursor나 Claude Code.. 2026. 3. 12.
작은 LLM으로 똑똑한 AI 만드는 법 "비싼 AI 없으면 못 써요" — 이 말, 사실이 아니에요요즘 ChatGPT나 Claude 같은 거대 AI 모델 얘기가 정말 많이 들리죠. 수천억 개의 파라미터를 가진 초대형 모델들, 클라우드에서만 돌아가고, 인터넷도 필수고, 비용도 만만치 않아요. 그런데 저도 처음엔 "어차피 AI는 클라우드 없으면 못 쓰는 거 아닌가?"라고 생각했거든요.근데 최근 Docker의 솔루션 아키텍트인 Philippe Charrière가 공유한 실험을 보고 생각이 확 바뀌었어요. 5억~70억 개 파라미터짜리 초소형 LLM으로도 실제로 작동하는 코딩 어시스턴트를 만들 수 있다는 거였거든요. 그것도 노트북 한 대만 가지고요.오늘은 그 실험이 왜 의미 있는지, 그리고 어떤 원리로 작은 모델이 똑똑하게 동작할 수 있는지 같이 살펴볼.. 2026. 3. 5.
🤖 AI 제품 감각을 키우는 가장 확실한 방법 - Cursor로 시작하는 실전 학습법 ChatGPT만 쓰고 있다면, AI를 절반만 아는 겁니다회의 중에 누군가 "서브에이전트", "컨텍스트 엔지니어링", "에이전트 메모리" 같은 용어를 꺼내면, 아는 척 고개는 끄덕이지만 속으로는 '이걸 어떻게 실제로 쓴다는 거지?' 싶은 적 있으시죠?영상도 보고, 인포그래픽도 북마크해두고, 심지어 AI 기능을 직접 출시까지 해봤는데도 여전히 핵심을 놓치고 있는 것 같은 느낌. 이건 여러분 잘못이 아니에요. AI 콘텐츠 대부분이 진짜 배움보다는 FOMO를 자극하도록 설계되어 있거든요.그런데 요즘 AI 제품을 다루는 사람들 사이에서 완전히 다른 학습법이 주목받고 있어요. 바로 ChatGPT 같은 소비자용 UI를 넘어, Cursor나 Claude Code 같은 AI 코딩 에이전트를 일상 업무에 직접 활용하는 방.. 2026. 3. 1.
300x250
반응형