카트

이미지 검색을 사용해 보세요

검색창 이전화면 이전화면

최근 검색어: 전체삭제

인기 검색어

닫기

온톨로지 따라하기 (RAG 다음의 설계: PostgreSQL로 시작하는 실전 온톨로지)

미리보기 공유하기

소득공제 PDF

eBook 온톨로지 따라하기 (RAG 다음의 설계: PostgreSQL로 시작하는 실전 온톨로지)

스마트한 PDF 필기 기능을 사용해 보세요!

이창근 저

위키독스 2026.09.09.

회원리뷰 첫번째 리뷰어가 되어주세요

가격: 9,000원

9,000

YES포인트?: 450원 (5%)

5만원 이상 구매 시 2천원 추가 적립

앱 다운 시 1천원 상품권

결제혜택: 카드/간편결제 혜택을 확인하세요

PDF 안내

이 상품은 구매 후 지원 기기에서 예스24 eBook앱 설치 후 바로 이용 가능한 상품입니다.

예스24만의 독보적인 PDF 필기 기능을 경험해 보세요!

시리즈 태그 업체 공지사항 구성 소개 특별 구성 MD 한마디 카드뉴스 상세 이미지 소개 관련 동영상 목차 미리듣기 저자 소개 관련분류 품목정보 만든이 코멘트 예스24 리뷰 책 속으로 줄거리 캐스팅 관련 자료 부가 영상 출판사 리뷰 전문가 리뷰 추천평

펼치기/닫기

소개

RAG를 만들어 본 개발자가 “우리 회사 AI가 업무 질문에 왜 틀리는가?”를 진단하고, 익숙한 PostgreSQL로 작은 업무 온톨로지를 직접 설계·구현·검증하는 과정을 다루는 책입니다. 같은 업무 질문 30개를 여러 가지 구성으로 풀어 비교하면서, 온톨로지를 어디에 얼마나 도입해야 하는지 실험을 통해 판단할 수 있는 기준을 제시합니다. 이 책에서 말하는 “RAG 다음”은 RAG를 대체한다는 뜻이 아닙니다. RAG만으로는 해결하기 어려운 문제가 있으며, 그중 일부는 온톨로지와 명시적인 의미 모델을 통해 더 잘 풀 수 있다는 의미입니다. 어떤 문제가 검색의 문제이고, 어떤 문제가 데이터·의미·업무 규칙의 문제인지 구분하는 관점을 기르는 것이 이 책의 주요 목적입니다. AI 활용 집필 안내 이 책은 Claude Code(AI)를 활용하여 작성되었습니다. 모든 실습은 PostgreSQL 16 + pgvector 환경에서 직접 실행해 검증하며, 각 페이지 상단에 검증 상태와 기준 버전을 표시합니다. [검증] 해당 버전에서 직접 실행해 확인한 내용 [참고] 공식 문서·자료를 대조했으나 직접 실행하지 않은 내용 설계안과 검증 결과를 구분해 서술하며, 정확도와 비용 수치는 모델과 실행 환경에 따라 달라질 수 있으므로 개별 수치보다는 전체적인 경향에 주목해 읽는 것을 권합니다. 이 책의 특징 1. 실패 사례에서 시작합니다. RAG가 틀린 답변 10개를 분석하고 오류를 검색·데이터·의미·규칙 문제로 구분합니다. 모든 문제를 온톨로지로 해결하려 하지 않습니다. 2. 하나의 사례를 끝까지 사용합니다. 가상 기업의 고객·계약·환불 업무 질문 30개를 책 전체의 실험 재료로 사용하고, 후반부에는 세무 상담과 같은 전문 업무로 확장합니다. 3. PostgreSQL에서 출발합니다. 개념·관계·시점·근거를 테이블과 API로 표현하는 방법을 살펴보고, 언제 그래프 DB나 RDF 같은 별도의 기술을 고려해야 하는지도 함께 다룹니다. 4. 같은 조건에서 비교합니다. 동일한 모델·문서·질문을 사용해 기본 RAG, 검색 개선 RAG, SQL·규칙 결합, 명시적 의미 모델, 일부 그래프 탐색 등 여러 구성을 비교합니다. 검색 개선 효과를 온톨로지의 효과로 잘못 해석하지 않도록 실험 조건을 구분합니다. 5. 역할과 경계를 구분합니다. 의미 정의, 업무 규칙 실행, 데이터 검증, 에이전트 행동 제어가 각각 어떤 역할을 하는지 나누어 설명합니다. 6. 직접 재현할 수 있습니다. 책에서 사용하는 코드와 데이터는 공개 예제 저장소를 통해 직접 실행하고 확인할 수 있습니다. 대상 독자 * RAG 서비스를 만들어 봤지만 업무 질문에서 반복되는 오답 때문에 다음 설계를 고민하는 개발자 * 온톨로지·지식 그래프 도입을 검토하고 있지만 새로운 DB와 표준까지 배워야 하는지 고민하는 백엔드 개발자 * 세무·법무·보험처럼 규정과 예외가 많은 업무를 AI로 자동화하려는 도메인 전문가와 AI 기획자 * “온톨로지를 도입하면 실제로 좋아지는가?”를 정확도·비용·관리 부담 측면에서 검증해야 하는 기술 리더와 아키텍트 Python, SQL, LLM API 호출 경험 정도면 충분하며, 온톨로지에 대한 사전 지식은 필요하지 않습니다. 참고 자료 예제 코드 저장소: https://github.com/ady95/ontology-tutorial PostgreSQL 공식 문서: https://www.postgresql.org/docs/16/ pgvector: https://github.com/pgvector/pgvector Apache AGE: https://age.apache.org/ Palantir Ontology 소개: https://www.palantir.com/docs/foundry/ontology/why-ontology

소개 더보기펼치기

0. 들어가며

1. 문서를 다 넣었는데 AI는 왜 틀릴까?
01-1. RAG가 틀린 답변 10개 해부하기
01-2. 오류를 네 가지로 구분하기: 검색·데이터·의미·규칙
01-3. 이 책의 가상 기업과 업무 질문 30개
01-4. 실습: 기본 RAG로 업무 질문 30개 채점하기

2. 이 오류에 온톨로지가 필요한가?
02-1. 온톨로지란 무엇인가: 개념·관계·제약·공유된 정의
02-2. DB 스키마와 온톨로지는 무엇이 다른가?
02-3. DB를 잘 설계하면 온톨로지는 필요 없을까?
02-4. RAG·GraphRAG·지식 그래프·온톨로지는 어디에서 만나는가?
02-5. 팔란티어 Ontology에서 배울 점과 가져오지 않을 점

3. 실습 환경 준비
03-1. PostgreSQL + pgvector 설치 (Docker Compose)
03-2. Python 환경과 LLM API 설정
03-3. 예제 코드 저장소 구조와 실행 방법
03-4. 평가 도구: 같은 질문 세트로 여러 구성을 채점하는 방법

4. 업무 질문에서 개념 뽑아내기
04-1. 업무 질문 30개에서 개념·관계 후보 추출하기
04-2. 용어 사전 만들기: 같은 말, 다른 뜻 구분하기
04-3. 개념 계층과 관계 정의하기
04-4. LLM으로 초안을 만들고 사람이 다듬기
04-5. 실습: 고객·계약·환불 도메인의 최소 의미 모델

5. 조건·예외·시점·근거 설계하기
05-1. 원칙과 예외를 함께 표현하기
05-2. 시점: 계약 당시 규정과 현재 규정 중 무엇을 적용하는가
05-3. 근거 연결: 어떤 문서의 어느 조항이 답을 뒷받침하는가
05-4. 정보가 부족할 때: 판단 보류와 추가 질문
05-5. 경계 나누기: 의미 정의·업무 규칙·데이터 검증·에이전트 제어

6. PostgreSQL로 의미 모델 구현하기
06-1. 개념·관계를 테이블로: 설계 선택지 비교
06-2. 시점(유효기간) 모델링과 이력 테이블
06-3. 근거 문서·조항과 의미 모델 연결하기 (pgvector 결합)
06-4. 의미 모델을 API로 노출하기
06-5. 실습: 스키마 구축과 데이터 적재

7. 검색·SQL·규칙을 연결해 답변 만들기
07-1. 질문 분석: 어떤 개념과 조건이 필요한가
07-2. 검색 + SQL 조회 + 규칙 평가 파이프라인
07-3. LLM에 의미 모델을 전달하는 방법: 컨텍스트 설계
07-4. 답변에 근거와 적용 조건 붙이기
07-5. 실습: 작은 업무 답변 서비스 완성

8. 온톨로지 도입 실험실: 추가 전후 비교하기
08-1. 실험 설계: 같은 모델·문서·질문, 구성 요소만 바꾼다
08-2. 구성 1·2: 기본 RAG vs 검색·메타데이터 개선 RAG
08-3. 구성 3: SQL 조회·규칙 처리를 결합한 RAG
08-4. 구성 4: 명시적 의미 모델을 추가한 구성
08-5. 결과 해석: 무엇이 온톨로지의 효과이고 무엇이 아닌가
08-6. 정확도 외의 비교: 비용·응답 시간·관리 부담

9. 그래프 DB로 옮길 때와 PostgreSQL에 남을 때
09-1. 그래프 탐색이 유리한 질문 유형
09-2. PostgreSQL 안에서 그래프 다루기: 재귀 CTE와 Apache AGE
09-3. 구성 5: 필요한 일부를 그래프 탐색으로 구현하기
09-4. RDF·OWL·SPARQL 표준은 언제 필요한가
09-5. 판단 체크리스트: 유지·이전·혼합

10. 전문 업무로 확장: 세무 상담 사례
10-1. 세무 상담 질문의 특징: 조건·예외·시점·해석 차이
10-2. 같은 용어, 다른 의미: 법령·해석·실무 용어 구분하기
10-3. 판단에 필요한 정보가 빠졌을 때 무엇을 물을까
10-4. 전문가 사이의 판단 차이를 기록하고 검토하기
10-5. 설계안과 검증 결과 구분하기: 어디까지 확인했는가
10-6. 실습: 간이과세 질문 10개를 세 구성으로 비교하기

11. 운영: 모델을 살아 있게 유지하기
11-1. LLM이 만든 모델을 사람이 검수하는 절차
11-2. 규정이 바뀌면 어떤 고객과 절차를 다시 점검해야 하는가
11-3. 실패 사례로 모델 개선하기
11-4. 팀에서 온톨로지를 관리하는 역할과 도구
11-5. 실습: 의미 모델을 OKF 번들로 내보내기 ? LLM 위키와 온톨로지의 연결

부록A. 실습 질문 세트 30개 전체와 정답·근거
부록B. 다섯 가지 구성 비교 결과표
부록C. 용어 정리
부록D. 참고 자료와 심화 학습 경로

목차 더보기펼치기