문서가 있다는 것과 필요한 부분을 찾는 것은 다릅니다

AI 서비스에 자료를 올렸어도 질문에 맞는 부분이 검색되지 않으면 답변에 제대로 반영되지 않을 수 있습니다. 비슷한 제품이나 오래된 설명서를 찾는 경우에도 자연스러운 문장이 만들어질 수 있습니다.

먼저 답변이 참고한 원문과 버전을 확인해 보세요. 어떤 자료를 사용했는지 알 수 없다면 자료를 더 넣기 전에 검색 경로를 확인할 필요가 있습니다.

정확한 번호와 비슷한 의미는 찾는 방식이 다릅니다

부품 번호 한 글자가 다르면 다른 제품일 수 있습니다. 반면 사용자가 표현한 증상은 설명서의 문장과 다를 수 있습니다. 키워드 검색과 의미 검색을 함께 검토하는 이유가 여기에 있습니다.

혼합 검색과 재정렬은 후보를 더 적절하게 고르는 구성입니다. 이름을 바꾸는 것만으로 해결되지 않고 실제 질문에서 필요한 문서를 찾는지 확인해야 합니다.

여러 문서에 등장하는 장치와 시스템의 관계를 묻는 질문은 단일 문장 검색만으로 답하기 어려울 수 있습니다. GraphRAG는 이런 관계 정보를 활용하는 접근 중 하나입니다.

다만 잘못 추출한 관계가 들어가면 답변도 영향을 받습니다. 원문이 바뀔 때 관계와 요약도 갱신해야 하므로 복잡한 구성을 도입하기 전에 질문의 특성과 관리 비용을 살펴보는 편이 좋습니다.

틀린 답을 자료 부족, 잘못된 검색과 잘못된 해석으로 나누면 같은 문제를 계속 처음부터 조사하지 않아도 됩니다. 잘 작동하던 질문은 기준으로 남기고 바뀐 자료의 영향을 받는 질문을 집중 확인할 수 있습니다.

연결된 기술자료에는 검색과 답변을 나누어 검증하는 순서를 정리했습니다. 자료를 얼마나 넣었는지보다 필요한 근거를 정확히 찾고 사용하는지가 핵심 확인 항목입니다.