지식 · AI 기초
시맨틱 검색
Semantic Search
📂AI 기초⏱읽기 1분📊실무🔗관련 4
시맨틱 검색이란?
한 줄 정의
글자 일치가 아니라 '의미'로 검색하는 방식. '연차 며칠?'로 물어도 '휴가 규정'을 찾아준다.
⚡ 3줄 요약
- 글자 아닌 '의미'로 검색
- 표현 달라도 뜻으로 찾음
- 임베딩·벡터DB 기반
전통 검색은 키워드가 글자 그대로 일치해야 찾았습니다. 시맨틱 검색은 임베딩(의미의 숫자화)을 이용해 '뜻이 비슷한' 문서를 찾습니다. 표현이 달라도 의미가 통하면 검색되므로, 사용자가 정확한 단어를 몰라도 원하는 것을 찾습니다.
RAG의 핵심 검색 방식이 바로 시맨틱 검색입니다. 사내 문서 검색, 고객 문의 매칭, 추천에 널리 쓰이며, 키워드 검색과 결합(하이브리드)하면 정확도가 더 높아집니다. AI가 '우리 데이터로 답하게' 만드는 기반입니다.
💡 쉽게 말하면
'연차 며칠?'로 물어도 '휴가 규정'을 찾아주는 것 — 단어가 아니라 의미로 검색합니다.
실무에서 왜 중요한가
사람은 정확한 키워드를 모릅니다. 의미로 찾아주는 시맨틱 검색이 검색·RAG의 품질을 좌우합니다.
유래와 출처
단어·문장 임베딩(word2vec 2013 이후) 기술의 발전으로 실용화됐고, 대형 언어모델·RAG의 확산과 함께 표준 검색 방식으로 자리잡았습니다.
사례로 이해하기
예를 들어, 사내 규정을 시맨틱 검색으로 찾는다고 해봅시다.
- 임베딩 — 규정 문서를 의미 벡터로 변환해 둡니다.
- 질문 — 직원이 '반차 가능?'이라고 묻습니다.
- 의미 매칭 — 글자가 달라도 관련 규정을 찾습니다.
- 제시 — 가장 가까운 조항을 보여줍니다.
- 결합 — 키워드 검색과 합쳐 정확도를 높입니다.
관련 용어
임베딩 · 벡터 DB글의 '의미'를 숫자 벡터로 바꾼 것이 임베딩, 그 벡터를 저장해 의미가 비슷한 것을 빠르게 찾는 저장소가 벡터 DB. RAG의 핵심 부품.RAG · 검색증강생성AI가 답하기 전에 사내 문서·데이터베이스 등 외부 지식을 먼저 검색해 그 근거 위에서 답을 생성하게 하는 기법.자연어처리 · NLP사람의 언어(말·글)를 컴퓨터가 이해하고 생성하도록 다루는 AI 분야. 번역·요약·챗봇의 바탕.LLM · 대규모 언어모델방대한 텍스트로 학습해 '다음에 올 말'을 예측하며 문장을 생성하는 대규모 신경망. ChatGPT·Claude의 두뇌.
이 용어와 연결된 교육
📚내 데이터로 답하는 AI 만들기 — RAG 입문나눔경영컨설팅 기업교육 · 대면/온라인과정 보기 →이 주제로 사내 교육이 필요하신가요?
담당자 맞춤 커리큘럼·견적을 바로 받아보세요.
자주 묻는 질문
여전히 유용합니다. 정확한 코드·이름엔 키워드가, 개념 검색엔 시맨틱이 강해 함께 쓰면 좋습니다.
RAG가 근거 문서를 찾을 때 쓰는 핵심 방식이 시맨틱 검색입니다.
여전히 씁니다. 정확한 단어엔 키워드가, 의미로 찾을 땐 시맨틱이 강해 함께 쓰기도 합니다.
RAG가 관련 문서를 찾을 때 시맨틱 검색(임베딩)을 씁니다. RAG의 핵심 부품입니다.