Home

Data is noise, until it’s structured.

쌓여만 있는 데이터, 질문에 답하게 만드세요.

Stop letting valuable data sit idle.
AI unlocks actionable answers from your enterprise content — faster, smarter, and more accurate.
쌓여 있는 기업 데이터를 ‘질문 가능한 자산’으로 바꾸는 AI 시스템.
지금, 답을 얻는 방식부터 바꾸세요.
 
 
 
notion image
 
 
 
 

🧠 RAG is Not Just “Search + LLM”

⚠️ 검색 인덱스 하나 만들고
⚠️ 검색 결과를 LLM에 넣고
⚠️ 결과를 출력한다
 

하지만 그렇게 만든 시스템은 곧 이런 문제에 부딪힙니다

답은 그럴듯하지만 출처가 없다
질문 유형에 따라 성능 편차가 크다
이미지나 표가 포함되면 답을 못한다
유저 피드백을 반영할 방법이 없다
개선은 하고 싶은데, 어디서부터 손대야 할지 모른다
 

⚠️ How RAG Fails — Without Strategy

전략과 구조 없이 시작된 RAG는 다음과 같은 실패를 겪습니다.

"모델이 똑똑하니까 다 될 줄 알았는데..."

"왜 우리 시스템은 점점 부정확해질까?"

 
❌ 단일 인덱스로 모든 질문을 처리하려 한다면

→ Segment-aware routing 없이 성능은 급락합니다.

 
❌ 멀티모달 문서를 단순 텍스트로 chunk만 한다면

→ 이미지/표/계약서 등 다양한 문서 유형은 전혀 다른 방식으로 다뤄져야 합니다.

 
❌ 사용자 피드백을 무시하면

→ 개선은 없습니다. 불만만 쌓입니다. Feedback loop 없는 RAG는 고장난 채 방치된 모델입니다.

 
❌ 그냥 좋은 embedding 모델을 쓰기만 하면 된다고 믿는다면

→ 모델은 당신의 도메인을 모릅니다. 도메인 기반 fine-tuning 없이는, 내제된 최고의 성능을 기대하기 어렵습니다.

 

✋ 이런 문제에 부딪히셨나요?

지금은 모델이 아니라, 검색 흐름과 응답 전략을 다시 점검할 때입니다.

NewComputer는 질문 이해, 문서 인덱싱, 평가 루프까지 RAG의 핵심 구조를 처음부터 다시 설계합니다.

 
 
 

Build your RAG right. Not fast.

빠르게 만드는 것보다, 정확하고 개선 가능한 설계를 만드는 게 중요합니다.

 

📦 Retrieval-first Design

검색 중심 구조 설계
→ 단순 생성이 아닌, 검색 기반 응답 흐름을 먼저 만듭니다. LLM이 아닌 retriever를 중심에 두는 설계가 정확도와 신뢰도의 시작입니다.
🔎 Search-first, not generation-first
 
 

🧭 Segment-aware Routing

세그먼트 기반 질의 라우팅
→ 모든 질문을 하나의 retriever가 감당할 수 없습니다. “질문 유형”에 따라 최적의 검색 방법(index/tool)을 선택해 응답 품질을 높입니다.
🧩 Query segmentation and routing
 
🔁 Feedback Loop Integration
지속 가능한 개선 사이클
→ 시스템은 정답을 만드는 것이 아니라, “어디가 틀렸는지를 개선할 수 있어야” 합니다.
🔄 Feedback-driven iteration
 
 

⚙️ Custom Embedding & Reranker

도메인 맞춤 임베딩 + 랭커
→ proprietary embedding 은 훌륭하지만, 모든 문제에 만능은 아닙니다. 고객의 도메인 데이터에 맞는 모델을 선별해 파인튜닝하고, 검색 성능을 최적화합니다.
📐Fine-tuned per use case
 

🧠 Multimodal Indexing

문서, 이미지, 표 데이터 지원
→ 다양한 포맷을 단순한 텍스트로 다루지 마세요. 문서 유형별로 인덱싱 / 라우팅 / 응답 방식 은 달라져야 합니다.
🖼️ Text + Image + Table
 
 

📈 Evaluation Protocol

시스템 성능 측정 기준 제공
→ 정확도(precision), 재현율(recall), 추적성(traceability) 없는 RAG는 개선할 수 없습니다. 평가 기준 없이 돌아가는 시스템은, 방향 없는 탐색입니다.
📊 Precision, Recall, Traceability
 
 
 
 

🔧 Build It Smart — With Strategy

RAG 시스템은 단순한 모델 연결이 아니라, 구조와 전략의 문제입니다.
모델은 붙였지만 답은 불안하고
검색은 되지만 응답 품질은 낮고
시스템은 있는데 반복 개선이 어렵다면

👉 지금 필요한 건 기술이 아니라, 설계와 전략입니다.

 

🧠 RAG 시스템 개발에서 더 중요한 건 “기술구현”이 아니라 “우선순위 판단”입니다.

기술은 넘쳐나지만, 많은 팀이
“무엇부터 해결해야 할지” 결정하지 못해 길을 잃습니다.
RAG는 선택의 연속입니다. 가장 먼저 고칠 곳부터 알아야 합니다.
🔍 지금 필요한 건 복잡도를 줄이고,
🔧 문제를 올바른 순서로 나눠서, 단계별로 개선해가는 전략이 필요합니다.
 
 
 

✅ 이런 작업들이 필요하지 않으신가요?

  • 검색 인덱스를 어떻게 나눌지 결정하기
  • 질문 유형별로 어떤 방식으로 라우팅할지 설계하기
  • 평가 지표를 기준으로 개선 흐름 만들기
  • 로그 기반의 개선 루프를 실서비스에 연결하기
  • 특정 유형의 질문 실패 원인을 추적하고 대응하기
  • …
 
 
 

NewComputer와 함께할 수 있는 협업 구성 예시

패키지 명
추천 상황
제공 가치
주요 포함 내용
예상 기간
✴️ PoC Starter
RAG 가능성을 빠르게 검증하고 싶은 경우
리스크 없이 빠르게 핵심 구조를 검토하고 확장 기반 확보
- 단일 도메인 문서 기반- Retrieval + 응답 생성 흐름 구성- 테스트 질의 기반 리포트 제공
3~4주
🧠 Feedback Loop Kit
사용자 질의 기반으로 시스템을 지속 개선하고 싶은 경우
반복 가능한 개선 루프를 구조적으로 설계하고, 성능을 측정할 수 있는 기반 마련
- 평가 지표 수립
- 로그 기반 오류 유형 분석
-Feedback loop 설계 및 가이드
4~8주
🛠️ Full Custom Build
멀티모달 문서와 다양한 질문 유형을 고도화된 방식으로 처리하고 싶은 경우
조직의 도메인 특성에 최적화된 RAG 시스템을 end-to-end로 구현
- 이미지/표 포함 문서 처리- 질문 유형 기반 라우팅- 임베딩 / 리랭커 튜닝 포함
6~8주 이상
 
 
 

📩 지금 바로 상담해보세요

여러분의 문제를 공유해주세요, 상담은 언제나 환영입니다

💬 이런 상황이라면, 지금 상담이 필요합니다

“LLM은 붙였는데, 답이 이상하다”
  • “검색은 되는데 정확도가 낮다”
  • “우리 데이터에 맞는 embedding이 필요하다”
  • “문서 구조가 너무 다양해 일반 RAG로는 대응이 어렵다”
 

💡 작성 시 포함하면 좋은 내용

현재 구축 중인 시스템 또는 도입 계획
다루는 데이터 유형 (예: PDF, 이미지 포함 여부 등)
주요 사용 목적 (예: 법률 QA, 기술 문서 요약 등)
희망 일정 또는 PoC 목표

현재 고민하고 있는 상황이나 데이터를 간단히 설명해주시면,
가장 적합한 PoC 패키지 또는 맞춤형 구성을 제안드립니다.

이메일로 문의하기: business@newcomputer.kr

 

❓ 자주 묻는 질문 (FAQ)

평가 리포트에는 어떤 항목들이 포함되나요?
🔍 평가 리포트는 고객의 도메인, 문서 유형, 질문 목적에 따라 맞춤 분석되며, 다음과 같은 항목이 포함될 수 있습니다:
  • 검색 성능 지표 (Retrieval Evaluation)
    • Precision / Recall / Hit@K / MRR 등
    • 질문 유형별 성능 분포 (예: 계약 조건 vs 일정 질의)
  • 응답 품질 분석
    • 출처가 명확하지 않은 응답 비율 (Hallucination 추정)
    • 문맥 누락, 잘못된 요약, 중복 응답 등 생성 오류 패턴
  • 실패 유형 예시
    • “결제일이 언제인가요?” → 표 인덱싱 실패로 응답 실패
    • “이 이미지에 나온 장비 이름이 뭐야?” → OCR 미처리로 인식 실패
    • “계약 조건 알려줘” → chunk segmentation 미흡으로 조건 누락
  • 개선 방향 제안
    • Segment별 retriever 라우팅 설계
    • 멀티모달 문서 분리 인덱싱
    • 특정 도메인 embedding fine-tuning 필요 여부
특정 LLM 환경에 종속되지 않고 유연하게 운영할 수 있나요?
네. NewComputer는 특정 LLM 제공사(OpenAI, Anthropic 등)에 종속되지 않는 구조를 지향합니다.
OpenAI, Claude 등 다양한 LLM 환경에 대응할 수 있도록 구성되며, LLM 교체 및 비용 최적화를 고려합니다.
우리가 가진 데이터가 정리가 안 되어 있어도 시작할 수 있나요?
가능은 하지만, 다음 사항을 고려하셔야 합니다:
  • 비정형 데이터(정의되지 않은 폴더 구조, OCR 안된 PDF 등)의 경우 전처리 및 구조화에 추가 시간과 비용이 발생할 수 있습니다.
  • 고객과 협의하여 수작업 정비 범위를 명확히 정의한 후 진행합니다.
  • 계약 전 데이터 검토를 통해 사전 작업 범위와 견적을 함께 안내드립니다.
PoC 없이 바로 서비스 구축이 가능한가요?
일반적으로는 PoC를 통한 사전 검증 단계를 권장드립니다. 도메인 적합성, 문서 구조, 사용자 질의 유형을 분석한 후 구축하는 것이 장기적으로 리스크를 줄이고, 비용 효율도 더 높습니다.
멀티모달 문서 (PDF, 이미지, 표 등)도 처리할 수 있나요?
네. PDF 내 표, 스캔 이미지, 캡션이 포함된 그래픽 등 텍스트 이외의 요소가 포함된 문서 처리도 지원합니다. 다만 멀티모달 구성에는 다음과 같은 요소가 필요합니다:
  • OCR 또는 표 구조 추출 전처리
  • 문서 유형에 따른 chunking 및 인덱스 분리
  • 이미지 caption 또는 메타데이터 기반 응답 유도 설계
가격은 고정인가요, 유동적인가요?
PoC 구성 범위, 문서 양, 복잡도에 따라 협의 가능합니다.
 

NewComputer는 데이터와 질문 사이의 모든 연결을 재설계하는 파트너 입니다

지금 바로, 지속 개선 가능한 RAG 시스템으로 바꿔보세요.

 
 
 

🧩 Project & Media