본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.
https://fastcampus.info/4n8ztzq
(~6/20) 50일의 기적 AI 환급반💫 | 패스트캠퍼스
초간단 미션! 하루 20분 공부하고 수강료 전액 환급에 AI 스킬 장착까지!
fastcampus.co.kr
수강후기
이번 강의를 들으면서 RAG에 대해 막연히 알고 있던 수준에서 한층 더 깊이 이해하게 되었습니다. 특히 기존에 텍스트 문서만 다룬다고 생각했던 RAG가 이미지, 표, 차트 등 다양한 형태의 데이터를 통합할 수 있도록 멀티모달로 확장된다는 점이 정말 흥미로웠습니다. Vision-Language Model을 활용해 이미지에서 캡션을 추출하고 이를 벡터화하여 검색에 사용하는 방식은 실제 현업에 적용할 때 큰 시사점을 준다고 느꼈습니다.
또한, 단순히 정보를 찾아주는 것을 넘어서 복잡한 추론과 계획을 수행할 수 있는 Reasoning RAG 개념은 앞으로 LLM과 결합했을 때 훨씬 더 강력한 도구가 될 것이라는 확신을 주었습니다. 물론 이런 추론형 RAG는 응답 시간이 길어지는 단점도 있지만, 의료나 금융처럼 정확성이 중요한 분야에서 충분히 가치가 있다는 점이 인상 깊었습니다.
한편, 두 번째 강의에서는 현실적인 문제점들이 정말 솔직하게 다뤄져 좋았습니다. 오픈소스 LLM을 사용해야 하는 보안 문제, 문서 파싱의 난이도, 한글 환경에서의 다양한 제약 등 실제 회사나 연구 환경에서 맞닥뜨릴 문제들을 구체적으로 알 수 있었습니다. 이 부분을 통해 RAG 시스템을 구축할 때 단순히 기술적인 요소만 고려할 것이 아니라, 보안, 비용, 성능까지 종합적으로 고민해야 한다는 점을 크게 배웠습니다.
특히 인상 깊었던 것은 현업에서는 "이상과 현실의 절충"이 필수적이라는 메시지였습니다. 아무리 뛰어난 기술이라도 현실적인 제약 조건 속에서 효율과 비용을 맞추는 것이 더 중요하다는 점을 다시금 깨닫게 되었습니다. 이번 강의를 통해 단순히 RAG를 배우는 것을 넘어, 미래 AI 시스템과 비즈니스 환경 속에서 어떻게 적용하고 확장할지를 고민하는 시야를 넓힐 수 있었습니다. 앞으로도 이 내용을 기반으로 더 발전된 시스템을 설계하고, 실제 프로젝트에 적용해보고 싶습니다. 이 강의는 실무를 준비하거나 현업에서 고민 중인 분들에게도 정말 큰 도움이 될 것 같습니다.
