인지 검색이란 무엇인가요?
인지 검색은 인공 지능(AI)을 사용하여 다양한 유형의 쿼리에 대해 관련성 있고 정확한 검색 결과를 빠르게 찾는 검색 엔진 기술입니다. 오늘날의 기업은 매뉴얼, FAQ, 연구 보고서, 고객 서비스 가이드, 인사 관리 문서 등 방대한 정보를 다양한 시스템에 저장합니다. 인지 검색 기술은 서로 다른 정보로 구성된 대규모 데이터베이스를 스캔하고 데이터를 상호 연관시켜 사용자 질문에 대한 답을 찾아냅니다. 예를 들어 '작년에 기계 수리에 지출된 비용은 얼마입니까?'와 같은 질문을 검색할 수 있습니다. 그러면 인지 검색이 관련 문서에 질문을 매핑하고 구체적인 답변을 반환합니다.
인지 검색의 이점은 무엇인가요?
인지 검색에는 인지 검색을 유용한 검색 엔진 기술로 만드는 많은 이점이 있습니다. 인지 검색의 주요 이점 중 일부는 다음과 같습니다.
자연어 이해
인지 검색 서비스는 사용자가 많은 정보를 지정하지 않아도 더 정확한 결과를 제공합니다. 여러 소스를 고려하고 정형 및 비정형 데이터를 크롤링하여 정확한 검색 결과를 생성할 수 있습니다. 또한 인지 검색 엔진 기술은 결과를 반환할 때 컨텍스트를 이해합니다. 자연어 처리(NLP)를 사용하여 인간 언어의 컨텍스트, 패턴 및 의미를 결정합니다.
생산성 향상
인지 검색은 여러 데이터 소스의 정보를 결합한 후 포괄적인 응답을 결과로 생성합니다. 기존 키워드 검색에서는 여러 페이지에 걸쳐 필요한 모든 정보를 찾아야 합니다. 그런 다음 정보를 직접 읽고, 분석하고, 요약합니다.
반면, 이 포괄적인 검색 기능을 사용하면 여러 문서에서 한 번에 답변을 얻을 수 있습니다. 필요한 데이터에 훨씬 더 빠르게 액세스할 수 있습니다. 이를 통해 조직 전체의 생산성을 개선하고 데이터 관련 비즈니스 프로세스를 간소화할 수 있습니다.
검색 결과 개인화
인지 검색은 시간이 지남에 따라 사용자에 맞게 결과를 개인화하는 기계 학습(ML)을 사용합니다. 동일한 정보를 계속 출력하는 대신 사용된 데이터와 검색 패턴을 수집합니다. 초기 쿼리 후 사용자가 클릭할 가능성이 높은 결과를 기록하여 관련성이 높은 결과를 훨씬 빠르게 개선하고 생성합니다. 시간이 지남에 따라 더 똑똑해지고 정확하며 유용해집니다.
인지 검색의 사용 사례는 무엇인가요?
인지 검색은 자연어 처리 및 기타 인공 지능 기술을 사용하여 정밀한 검색을 제공합니다. 다음은 인지 검색에서 사용하는 몇 가지 단계입니다.
데이터 수집
인지 검색에는 먼저 검색할 정보가 필요합니다. 문서, 웹 사이트, 이메일, 내부 리포지토리, 매뉴얼 및 기타 사용하려는 정보에서 데이터를 수집할 수 있습니다. 광학 문자 인식(OCR), 엔터티 인식 및 NLP 기술과 같은 추출 기술을 사용하여 리소스에서 정보를 추출합니다.
추출 프로세스는 사람이 콘텐츠를 분류하는 것처럼 인지 검색에서 정보를 이해할 수 있도록 하는 것을 목표로 합니다.
데이터 인덱싱
데이터를 수집한 후 인지 검색은 사용자가 제공한 모든 추출된 정보의 검색 가능한 인덱스를 생성합니다. 키워드를 사용하여 데이터에 태그를 지정하는 것 외에도 메타데이터, 데이터 간 관계 및 보충 정보를 사용하여 모든 정보를 효과적으로 분류합니다.
사용자가 무언가를 검색하면 인지 검색은 이러한 인덱스를 참조하여 관련 정보를 훨씬 빠르게 찾습니다.
사용자 입력
사용자가 인지 검색에 쿼리를 작성하면 인지 검색은 NLP를 사용하여 사용자가 요청한 내용을 분해하고 이해합니다. 기존 키워드 검색에서 검색 엔진은 키워드를 인식하고 해당 키워드에 맞는 데이터를 생성합니다.
반대로 인지 검색은 쿼리의 전체 컨텍스트뿐만 아니라 선호도와 같은 개인적인 사용자 요인을 이해하려고 시도합니다. 토큰 분석 및 시맨틱 분석과 같은 NLP 기술을 결합하여 사용자가 검색을 통해 얻고자 하는 것을 이해합니다.
검색 및 찾아오기
인지 검색은 사용자의 쿼리를 사용하여 데이터 인덱스를 스캔하고 리포지토리 내에서 관련 정보를 찾습니다. 인덱스 사이를 이동하면서 가장 근접한 이웃을 찾고 계층별로 결과를 필터링합니다. 모든 관련 결과에는 관련성 점수가 할당됩니다. 인지 검색은 점수에 따라 결과를 정렬하여 가장 관련성이 높은 정보를 표시합니다.
지속적 개선
사용자는 인지 검색을 사용할 때 필터 또는 사양을 추가하여 훨씬 더 구체적인 결과를 얻을 수 있습니다. 인지 검색은 이전 상호 작용을 기반으로 쿼리에 대한 접근 방식을 개선합니다.
예를 들어 인지 검색은 사용자가 검색하는 내용과 검색 쿼리의 순서를 기록합니다. 사용자가 일반적으로 쿼리 직후에 특정 질문을 하는 경우 인지 검색은 미리 후속 질문에 대한 정보도 포함합니다.
시간이 지남에 따라 인지 검색은 사용자 검색 쿼리에 숨겨진 감정과 의미에 대해서도 더 많이 알게 됩니다. 이런 방식으로 쿼리에 대한 직접 응답이 개선됩니다.
예를 들어 누군가가 특정 질문을 할 때 인지 검색은 구체적인 답을 제공합니다. 또는 좀 더 일반적인 질문일수록 더 긴 답변이 나옵니다. 인지 검색은 상호 작용을 지속적으로 기록하고 이를 통해 학습하기 때문에 시간이 지남에 따라 더 정확해지고 더 관련성이 높은 정보를 제공합니다.
인지 검색은 어떻게 작동하나요?
인지 검색을 유용하게 활용할 수 있는 몇 가지 기회는 다음과 같습니다.
통합 검색 경험
인지 검색을 사용하여 통합 검색 환경을 만들 수 있습니다. 인지 검색은 자연어 처리를 사용하므로 여러 비정형 및 정형 데이터 리포지토리에서 정보를 가져와서 매우 상세하고 정확한 답변을 얻을 수 있습니다. 여러 소스와 데이터 유형을 활용하기 때문에 데이터에 기반한 결정을 더 쉽게 내릴 수 있습니다.
예를 들어 생명공학 회사인 Gilead Sciences, Inc.는 AWS를 인지 검색에 사용합니다. 이 회사는 이 기술을 사용하여 정형 데이터와 비정형 데이터를 모두 구성합니다. 최대 9개의 엔터프라이즈 시스템 및 지식 리포지토리의 문서에서 정보를 가져옵니다.
Gilead는 인지 검색을 통해 수동 데이터 관리 태스크를 크게 줄였습니다. 정보를 검색하는 데 걸리는 시간은 약 50%입니다. 이는 귀중한 연구, 실험 및 제약 혁신을 촉진하는 결과로 이어졌습니다.
셀프 서비스 봇
셀프 서비스 봇에서 인지 검색 솔루션을 사용하면 현장 고객 지원을 개선하는 데 도움이 됩니다. 특정 작업이나 기능을 수행하는 방법을 알고 싶은 사용자는 인간의 언어를 입력하고 사용자 지정된 응답을 받을 수 있습니다. 인지 검색은 다양한 매뉴얼, 지원 문서 및 리소스에서 정보를 가져와서 지식 검색을 지원합니다.
예를 들어 Citibot은 AWS를 사용하여 시민과 지역 및 주 정부를 위한 커뮤니케이션 도구를 제공합니다. 챗봇 기술을 인지 검색과 통합하여 구성원과의 관계를 확장하고 효과를 높였습니다. 시민들은 챗봇을 사용하여 원하는 답을 빠르게 찾을 수 있으며, 챗봇은 대기 시간을 최대 90%까지 줄여줍니다.
데이터 아카이브 검색
많은 조직에는 수백만 개의 문서, 이미지 및 필사된 텍스트 파일이 저장되어 있는 기록 데이터 저장소가 있습니다. 인지 검색을 사용하면 데이터 저장소의 정보를 찾아내 분석과 연구용으로 요약할 수 있습니다.
예를 들어 The Wall Street Journal은 AWS를 인지 검색에 사용합니다. 인지 검색은 Talk2020의 개발을 가속화하는 데 도움이 되었습니다. Talk2020은 대통령 후보들이 작성한 30년간의 공개 성명을 빠르게 검색하고 분석하는 데 도움이 되는 지능형 검색 도구였습니다. 인지 검색 기술을 사용하면 음성 패턴을 탐색하고 텍스트 분석을 수행하여 시간이 지남에 따라 문제를 더 쉽게 심층적으로 조사할 수 있습니다.
직원 온보딩
인지 검색은 온보딩 또는 새로운 기술 학습과 같이 직원이 수행해야 하는 모든 셀프 서비스 작업을 지원합니다. 인지 검색은 직원들을 위한 상호 참조 역할을 합니다. 관리자에게 연락해 방법을 설명하는 대신 인지 검색을 요청할 수 있습니다. 이러한 사용은 셀프 서비스 작업을 간소화하고 생산성을 높이는 데 도움이 됩니다.
예를 들어 Workgrid Software는 AWS를 사용하여 직원 환경 플랫폼에서 소프트웨어 솔루션을 제공합니다. 이렇게 하면 직원 간 교류, 효율성 및 생산성이 개선됩니다. 직원들은 인지 검색을 통해 조직의 데이터베이스에 있는 디지털 콘텐츠를 쿼리할 수 있습니다. 이 방식으로 작업 중에 나오는 모든 질문에 대한 답을 찾을 수 있습니다.
생성형 AI는 인지 검색을 어떻게 개선하나요?
생성형 인공 지능(생성형 AI)은 대화, 이야기, 이미지, 동영상, 음악 등 새로운 콘텐츠와 아이디어를 만들 수 있는 AI의 일종입니다. 생성형 AI는 인지 검색을 간소화하고, 사용자 의도를 더 잘 이해하고, 전반적인 응답을 개선하는 데 도움이 됩니다. 다음은 몇 가지 예입니다.
컨텍스트 분석
많은 생성형 AI 도구에 트랜스포머 기반 기계 학습 모델이 사용됩니다. 이러한 모델에는 텍스트 데이터를 분석하여 의미를 이해하는 신경망이 있습니다.
트랜스포머 기반 AI 모델은 자연어를 처리하고 이해하는 데 유용합니다. 사용자, 데이터 컨텍스트, 사용자 의도를 고려하므로 쿼리에 내재된 진짜 목적을 더 잘 이해할 수 있습니다. 인지 검색은 쿼리를 더 잘 이해하여 더 정확한 정보를 찾고 반환할 수 있습니다.
결과 요약
생성형 AI는 큰 텍스트를 더 작은 세그먼트로 요약할 수 있습니다. 인지 검색은 다양한 문서에서 의미상 가장 관련성이 높은 부분을 찾을 수 있습니다. 그런 다음 생성형 AI를 사용하여 이들을 결합하고 사용자가 보고 싶어하는 것을 정확히 반환할 수 있습니다. 또한 생성형 AI는 반환되는 텍스트를 이해하고 중복된 부분을 제거하여 결과의 품질을 극대화할 수 있습니다.
콘텐츠 필터링
생성형 AI는 사용자 권한 부여, 쿼리 관련성 및 사용자 선호도를 비롯한 다양한 파라미터로 인지 검색 결과를 필터링할 수 있습니다. 또한 사용자에게 액세스 권한이 있는 리소스만 활용하여 결과 텍스트를 생성할 수 있습니다. 보안에 영향을 주지 않으면서 관련성이 높고 유용한 결과를 제시할 수 있습니다.
AWS는 인지 엔터프라이즈 검색 솔루션을 어떻게 개선할 수 있나요?
Amazon Web Services(AWS)는 인지 검색 솔루션으로 Amazon Kendra를 제공합니다.
Amazon Kendra는 기계 학습을 통해 제공되는 인지 검색 서비스로, 완전관리형이고 매우 정확하며 사용이 쉽습니다. 개발자는 이 서비스를 사용하여 애플리케이션에 검색 기능을 추가할 수 있습니다. 즉, 최종 사용자는 회사 전체에 퍼져 있는 방대한 양의 콘텐츠 안에 저장된 관련 정보를 검색할 수 있습니다.
Amazon Kendra를 유용하게 사용하는 방법은 다음과 같습니다.
- 정형 및 비정형 콘텐츠 리포지토리 간의 통합 검색 환경을 마련
- ML 기반 도구를 사용하여 쿼리 응답 제공
- 답변의 정확도를 높이는 데 도움이 되는 완전관리형 답변 순위 지정 기능에 액세스
- 고유한 기준뿐만 아니라 사용자 행동 및 콘텐츠 최신성과 같은 기타 속성을 기반으로 응답을 세밀하게 조정
지금 계정을 만들어 AWS에서 인지 검색을 시작하세요.
